异构计算中的负载共享

在基于消息传递的异构并行计算系统中 ,各处理器或计算机具有自制和独立地调度、执行作业的能力 .当一个可划分的作业初始位于一个处理器上时 ,为了提高计算性能 ,该处理器可以请求其他异构处理器负载共享 ,参与协同计算 ,减少作业的完成时间 .该文提出了异构计算负载共享的一种方案 .首先 ,调用负载共享协议 ,收集当前各处理器参与负载共享的许可数据 ,包括共享时间段、计算能力等 .然后 ,构造一个作业量与作业完成时间之间的关系函数 .该函数是选择一组合适的处理器群、优化作业划分、作业完成时间最小的理论基础 .最     

还处在明天的异构计算

随着AMD APU处理器的正式发售，“异构计算”这样一个专业名词开始频繁的出现在消费者们的视野中，然而异构计算究竟意味着什么？AMD是如何实现这一概念的？它究竟能够为消费者带来哪些应用方面的改变？     

“异构计算”专题前言

<正>传统的以处理器(CPU)为核心的计算系统正面临前所未有的挑战。一方面,已持续了50年的摩尔定律已明显放缓了前进的步伐,依赖集成电路制造技术进步所带来"红利"正逐渐消失。另一方面,成指数增长的大数据应用对计算系统提出了更高的存储容量及存储访问的需求。具有重大创新的新型计算系统即将出现。潜在的新型计算系统包括量子计算机、神经网络计算机、异构计算等。其中,异构计算以"CPU+"的形式出现,具     

利用 ARC CE 整合异构计算平台

ARC (Advanced Resource Connector) CE (Computing Element) 是 Nordugrid 开发的网格中间件中的对计算资源管理的组件。ARC CE 相对于其他的对等计算资源网格组件,具有轻量级,易管理,认证简单,易扩展的特性,因此越来越广泛地被应用于各类网格应用平台上。高能物理实验 ATLAS 具有数据量大,计算量大的特点,采用了网格计算的方式整合了位于全球上百个计算中心的 15 万个 CPU 核进行协同计算。随着 ATLAS Run2 阶段开始,其所需计算资源急速增长,因此 ATLAS 在积极探索使用云计算资源,超算资源 (HPC),志愿计算资源等。如何将这些异构的计算资源整合到 ATLAS 传统的网格计算平台,成为一个急需解决的重要问题。ARC CE 由于所具有的易扩展和轻认证的属性,于是成为这一解决方案的核心组件。本文将以志愿计算为例,阐述如何利用 ARC CE 将动态的、不可信的志愿计算资源平台整合到现有的 ATLAS 网格计算环境,实现对用户和网格服务的双透明性。     

复杂异构计算系统HPL的优化

当今世界的主流超级计算机越来越多地使用带有加速器的异构系统.随着加速器的浮点性能不断提高,超级计算机内计算节点的CPU、内存、总线、网络以及系统架构都要与之相适应.HPL(high performance Linpack)是高性能计算机评测的传统基准测试程序,复杂异构系统给HPL评测带来很多机遇与挑战.针对带有GPU的...     

异构计算环境中图划分算法的研究

复杂网络的研究已经广泛地应用到生物、计算机等各个学科领域.如今,网络规模十分巨大,如何对这些大规模图数据进行有效率的挖掘计算,是研究复杂网络的首要任务.并行计算技术是现在最成熟、应用最广、最可行的计算加速技术之一.而图划分技术是提高并行计算性能的有效手段.图划分问题的研究是随着实际应用的需求而驱动.针对异构计算环境下的...     

复杂异构计算系统HPL优化研究

当今世界的主流超级计算机越来越多地使用带有加速器的异构系统.随着加速器的浮点性能不断提高,超级计算机内计算节点的CPU、内存、总线、网络以及系统架构都要与之相适应.HPL（High Performance Linpack）是高性能计算机评测的传统基准测试程序,复杂异构系统给HPL评测带来很多机遇与挑战.针对带有GPU的异构超级计算机系统,提出一套新的CPU与加速器计算任务分配方式,提出平衡点理论指导HPL性能优化.为了优化HPL程序,提出了使用CPU与加速器协同工作的look-ahead算法和行交换连续流水算法,实现了加速器、CPU、网络等部件的高度并行.此外,为带有加速器的系统设计了新的panel分解和行交换的实现方法,提高加速器的利用率.在每个节点带有4个GPU的系统上,单节点HPL效率达到79.51%,14884节点效率达到62.22%.     

异构计算平台静态任务调度算法综述

异构计算平台由通过总线或者高速网络互联的各种处理器组成,通常应用于计算密集型应用.高效的任务调度一直是异构计算平台中实现高性能计算的关键问题之一.通常,应用可以划分为一组具有依赖关系的任务集合,可以通过有向无环图DAG模型表示.本文首先介绍了基于DAG的静态任务调度模型,然后给出了相关任务调度算法的分类及其概述,最后总...     

并行计算模型在异构计算环境中的研究

近年来异构并行计算在高性能科学计算和通用应用领域受到广泛研究。本文结合多种代表性并行计算模型，给出异构环境中的HBSP模型和程序开销计算方法。采用基于消息长度的线性模型使通信开销的计算更精确，解除原有BSP模型对h-rela-tion的限制，使程序和算法在异构环境中的设计更加灵活。当构成BSP计算机的各处理机速度相同且原有BSP算法达到最优（即各处理机上所分配的计算量与通信量完全均衡）时，HBSP模型等同于原有模型。     

同型异构计算系统的加速比模型

本文提出同型异构计算系统ＨＣＳ－ＭＯＳＴ的概念，并利用作者最近提出的描述异构计算系统ＨＣＳ体系结构的三元模型将它划分为３大子类。     

异构计算系统的独立任务调度启发式算法

有效的任务调度是异构计算系统获取高性能的关键因素之一，由于任务调度问题是NP-困难的，为了获取尽可能好的解．文献中存在许多启发式调度算法。针对异构计算系统的独立任务调度问题，在分析现有启发式调度算法的优缺点的基础上．综合考虑负载平衡和使尽可能多的任务调度到具有较小处理时间的机器上，提出一种新的调度算法．命名为最佳最小完成时间（BMCT）调度算法，与文献中其它算法进行比较表明，它能产生更好的调度结果。     

HXDSP异构计算框架的设计与优化

由于CPU在处理海量数据时所面临的性能瓶颈,使得基于异构系统的异构并行计算成为并行计算领域的研究热点之一.HXDSP是中国电子科技集团第三十八所自主研制的DSP芯片,能满足多种高性能计算领域的需求.为了充分发挥HXDSP的计算能力以及多HXDSP设备并行计算的能力,本文设计了基于OpenCL的HXDSP异构计算框架.本...     

异构计算——求解超级问题的新途径

异构计算是近年来并行处理领域中新的研究热点。它的思想是充分利用一组汪同结构的高性能计算机求解含有不同并行性的超级问题。文中分析了异构计算的背景及特点，讨论了当前存在的问题。     

异构计算中的时间和能耗优化执行方法

计算环境的异构性以及应用任务的复杂多样性导致异构计算的必要性。异构计算的目的是重视并行处理系 统和计算任务的差异,寻求系统和任务的有效匹配,从而获得并行任务在系统上执行的最佳效果。当前,异构计算中 的时间优化执行方法较成熟,但同时将时间和能耗联合起来作为异构计算优化执行目标方面的研究很少。以高性能 计算和绿色计算为总目标,针对异构计算环境中并行任务分配调度执行问题,提出了异构任务模型、异构计算速率矩 阵、异构计算功率矩阵,利用能耗时间归一思想,给出并行任务在异构处理机上时间与能耗启发式优化执行算法,并通 过实例分析证实算法的可行性和有效性。     

异构计算中的时间和能耗优化执行方法

计算环境的异构性以及应用任务的复杂多样性导致异构计算的必要性.异构计算的目的是重视并行处理系统和计算任务的差异,寻求系统和任务的有效匹配,从而获得并行任务在系统上执行的最佳效果.当前,异构计算中的时间优化执行方法较成熟,但同时将时间和能耗联合起来作为异构计算优化执行目标方面的研究很少.以高性能计算和绿色计算为总目标,针...     

基于异构计算平台的网上评卷系统结构研究

通过对大规模教育考试目标和性质的阐述,指出了影响考试信度和效度的根本性因素,提出了在当前的新环境和新情况下,对于高信度考试的评卷及其控制方面需要进一步研究和解决的问题。通过对评卷流程的分析和评卷业务的逻辑重组,构建了新的网上评卷系统模型;分析了评卷系统技术平台、评卷系统体系结构和评卷系统软件结构的设计;对评卷系统的技术理论、业务需求、系统架构、信息安全等方面进行了探讨。     

异构计算 处理器性能提升的“催化剂”

在过去,衡量一款处理器（CPU）的综合战力,我们主要看它的工作频率与核心数量,然而自从AMD推出融合了GPU（图形芯片）的APU后,现在市场上的CPU大部分都内置了GPU。如今,我们衡量CPU性能时又多了个理念——是否支持异构计算。异构计算对于处理器来说,真的如此重要么？     

大规模异构计算集群的双层作业调度系统

高能物理计算平台中的HTCondor和SLURM计算集群为多个高能物理实验提供数据处理服务,然而HTCondor并行作业调度效率较低、SLURM难以应对大量串行作业,且计算平台整体资源管理及调度策略过于简单。为满足高能物理计算集群高负荷运行的需求,在传统作业调度器上增加作业管理层,设计双层作业调度系统,通过高效调度串并行作业并兼顾实验组间资源的使用公平性,实现用户对作业的细粒度管理。测试结果表明,双层作业调度系统支持大批量高能物理作业的快速提交,并充分利用计算平台的总体资源,具有较好的作业调度性能。     

异构计算中一种图的非均衡划分算法

现有的图的划分算法大多是均衡划分,要求划分块的权值相等,划分块之间的连接代价尽量最小。但是在异构计算环境中,不同的处理机的计算能力不尽相同,从而在并行任务调度时所分配的计算任务量也应随之不同。所以为了适应更广泛意义上的异构负栽均衡,本文提出了异构计算中的一种任务图的非均衡划分算法。该算法根据任意给定的需求,使得划分好的各个子集权值不均等。其中划分子集的个数等于异构环境中处理机的个数,各子集的大小比例于不同处理机的计算能力。算法包括3步：粗化阶段、非均衡划分阶段以及精化还原阶段。本文通过用格林威治大学提供的系列开放图来测试该算法,实验结果表明算法是准确有效的。