GPU虚拟化相关技术研究综述

因为计算密集型应用的增多,亚马逊和阿里巴巴等公司的云平台开始引入GPU（Graphic processing unit）加速计算. 云平台支持多用户共享GPU的使用,可以提升GPU的利用效率,降低成本;也有利于GPU的有效管理. 通过虚拟机监视器以及各种软硬件的帮助,GPU虚拟化技术为云平台共享GPU提供了一种可行方案. 本文综合分析了GPU虚拟化技术的最近进展,先根据技术框架的共同点进行分类;然后从拓展性、共享性、使用透明性、性能、扩展性等方面对比分析,最后总结了GPU虚拟化的问题和发展方向.     

基于Citrix虚拟化的桌面云教学平台构建与应用研究

文章针对传统计算机房教学平台的困境,阐述了虚拟化与桌面云的概念,分析了基于Citrix虚拟化技术的桌面云教学平台的优势。对基于Citrix虚拟化技术的桌面云教学平台的基本框架、部署部件和应用模式等进行了探讨研究,并指出了在构建与部署桌面云教学平台中的注意事项。     

GPU虚拟化技术及其安全问题综述

人工智能与各行业全面融合的浪潮方兴未艾,促使传统云平台拥抱以图形处理器(GPU)为代表的众核体系架构。为满足不同租户对于机器学习、深度学习等高密度计算的需求,使得传统云平台大力发展GPU虚拟化技术。安全作为云平台GPU虚拟化应用的关键环节,目前鲜有系统性的论述。因此,本文围绕云平台GPU虚拟化安全基本问题——典型GPU虚拟化技术给云平台引入的潜在安全威胁和GPU虚拟化的安全需求及安全防护技术演进趋势——展开。首先,深入分析了典型GPU虚拟化方法及其安全机制,并介绍了针对现有GPU虚拟化方法的侧信道、隐秘信道与内存溢出等攻击方法;其次,深入剖析了云平台GPU虚拟化所带来的潜在安全威胁,并总结了相应的安全需求;最后,提出了GPU上计算与内存资源协同隔离以确保多租户任务间的性能隔离、GPU任务行为特征感知以发现恶意程序、GPU任务安全调度、多层联合攻击阻断、GPU伴生信息脱敏等五大安全技术研究方向。本文希望为云平台GPU虚拟化安全技术发展与应用提供有益的参考。     

基于openstack云平台的docker应用

openstack与Docker作为云计算领域两个最热门的开源项目,其中openstack提供了一个简化部署云平台的工具集,目标是提供虚拟计算和存储服务;Docker则提供一个可以运行应用程序的解决方案,是一个构建在LXC上的轻量级虚拟化容器。针对目前openstack云平台创建的实例为虚拟机,占用宿主机大量的资源配额的问题,本文介绍一种openstack环境中创建的实例为Docker容器,相比较虚拟机具有启动速度快,资源利用率高以及性能开销小的优点。此外详细介绍Docker的工作原理,主要特性,底层的实现以及在openstack云平台中的集成使用。     

基于云技术的 BIM 架构研究与实践综述

随着建筑信息模型(BIM)在建筑全生命期中得到越来越广泛的应用,建筑工程项目 的复杂性日益增长,相应的数据量也呈爆炸性增长,如何高效地支持 BIM 应用成为建筑行业面 临的重大挑战。云计算和大数据技术,尽管出现时间不长,但是已被广泛地认为能较为有效地 解决 BIM 应用面临的诸多问题,已经在学术和工业界得到了快速的接纳。为此,梳理了现有的 基于云技术的 BIM (“Cloud-BIM”)文献与实践,将现有的 Cloud-BIM 应用架构主要归纳为 3 个 层次： ､ 数据层 服务层和应用层,并针对 3 个层次上的现有研究与实践分别进行探讨和阐述, 指出不同层次上的主要研究进展和应用障碍。最后总结并展望 Cloud-BIM 架构研究与实践的热 门领域、亟待解决的问题和可能的方向,为进一步开展此研究和应用提供参考。     

基于虚拟化环境的多GPU并行通用计算平台研究

针对分布式多节点多GPU的系统环境,实现一种基于CUDA框架的多GPU通用计算虚拟化平台。应用程序可以如同使用本地GPU一样方便地使用多个远程GPU,原来的CUDA应用程序可以不经过修改或者只进行少量的修改就可以运行在该虚拟化GPU平台上,从而实现单机多GPU和多机多GPU在编程模式上的统一,并通过一个基于高斯混合模型的数据聚类程序来进行实验验证。实验结果表明,在不影响程序正确性的前提下,相对于原来使用CPU的程序,使用两个远程GPU可以获得十倍左右的加速比。     

在云计算平台Openstack中利用GPU透传实现高性能计算

将GPU高并发处理的优秀能力应用到云计算中,结合利用云计算的低成本和弹性扩展。文章主要讨论通过VT-D硬件技术以及KVM/QEMU实现PCI设备透传,在Openstack开源云平台实现,从而在虚机里使用GPU,可以获得几乎原生的性能。     

基于GPU虚拟化资源异构的人脸识别的实现

本文探讨如何在一台没有GPU资源的设备上利用共享的GPU资源来实现人脸识别。GPU虚拟化资源异构可以实现GPU资源的共享使用,可以提升GPU的利用效率,降低使用成本,有利于GPU资源的有效管理,为GPU资源的共享提供了一种可行的方案。     

虚拟云终端在高校中的应用

该文对高校网络现状进行了分析,并就联想虚拟云终端的系统解决方案做出阐明。     

RDMA虚拟化相关技术研究

RDMA网络具有高带宽,低延时,低CPU负载的特点,广泛应用于数据密集型任务中,例如深度学习,高性能计算,数据分析等. RDMA的实现需要软硬件支持,在云环境下, RDMA虚拟化方案有助于多用户共享RDMA网络传输的高性能,同时实现对RDMA网络的统一管理和控制.本文调研了近年来的RDMA虚拟化解决方案,覆盖了虚拟机和容器环境;然后将这些解决方案进行分类和比较;最后,对RDMA虚拟化中存在的问题和未来的发展做出了总结和展望.     

基于云计算平台的虚拟实验室设计与实现探究

在日常的学习生活以及在做研究时,通常会借助电脑来完成成千上百次的实验。实验时需求各种各样的实验场景,而完成这些场景的组件需要花费大量的时间和精力,有时实验的规模过于庞大而导致电脑的硬件条件不能够满足要求。根据这些问题本文提出了创建计算机虚拟实验室的方法——采取远程提供足够大的内存来满足用户实验所——利用Hyper-v技术建造虚拟机。经过研究得出基于云计算平台的虚拟实验室可以解决硬件问题,加快实验环境的传送速度。     

基于超融合架构的虚拟云桌面系统设计及应用

为了提升传统云桌面的运行效率和安全性能,并且使其具备支持多种操作系统运行、降低宽带占有、为用户定制个性化云桌面服务等优势,文章旨在以超融合架构为技术基础,借助硬件解耦架构、Ceph分布式架构及其他程序设计实现统一控制管理,得出一种新型云桌面系统.经过我们测试结果表明,新型云桌面平台在提供软件研发类测试时读取反应时间在快...     

高校云平台建设的研究与探索

面对国内云计算技术的迅猛发展和广泛应用,如何根据高职教学的特点及时调整专业和教学体系,立足培养实用性的云计算人才,是值得许多高职院校思考的一个问题。合理构建高职院校的云计算实验室并以此为基础建立云平台,从而实现云计算专业实践教学体系是其中的一个关键问题。本文在分析云计算模式和高职院校现有条件的基础上,参考部分高校云平台建设过程中的经验,通过对几种主流虚拟化和服务器技术的比较,给出一个合理、适用、可扩展的,基于Vmware技术和X86服务器的高职院校云平台建设方案。     

基于SystemC的GPU软硬件协同虚拟平台构建方法

当前芯片虚拟验证中,一般使用硬件描述语言(verilog语言或SystemVerilog语言)构建主机模型和验证平台,模拟主机行为,对待测设计施加激励.对于GPU芯片而言,由于芯片功能被拆分到软件驱动和硬件设计,且软件驱动功能极其复杂,导致利用硬件描述语言模拟软件驱动行为的主设备模型很困难,不仅开发时间较长,还难以确保...     

基于Fstor Phantosys云桌面虚拟化平台的构建

借助云计算时代Fstor Phantosys云桌面技术的平台,对原有数据中心进行改造,提升设备的计算能力及存储能力,实现实验室同构电脑、办公和科研场所分散终端及异构电脑的软件升级改造,不仅节约了资金的投入,而且实现设备的统一桌面管理、实现环境的快速化部署、解决高峰时期数据的数据拥堵,提升服务的容错能力、后台故障的隐性迁移、对资源进行动态分配的益处。     

基于GPU的虚拟人物表情绘制

本文提出了一种基于GPU的虚拟人物表情绘制方法,该方法运用了GPU运算技术,并且利用Shader语言处理插值数据,从而实现虚拟人物表情动画的快速绘制。实验表明,该方法简单有效,并有利于表情的绘制。     

基于虚拟化技术的高校云平台的构建研究

为解决目前高校信息化建设中存在的成本、资源利用及管理方面的问题,研究了云计算及虚拟化技术特点,给出了基于云计算的高校云平台的构建方案和云平台提供服务的流程。方案利用了云计算的按需提供服务、资源池及高效性等特点,构建了具有资源集中、灵活配置等优势的云平台,有效地解决了校园信息化建设成本高、资源利用率相对不高、管理繁杂等问题,让现有资源更好地为师生的教学科研工作服务。     

基于VMware技术的虚拟化办公系统研究及应用

对于云计算时代用户随时随地接入办公的要求,桌面、应用、数据三大要素集中的桌面虚拟化办公解决方案应运而生。利用VMware桌面虚拟化技术,开发了虚拟化办公系统,将桌面虚拟化与客户端计算资源合理搭配,使所有数据和应用都集中在数据中心的服务器上,保证数据、应用和客户端分离,从而极大地提升了数据的安全性、可管理性和可应用性,也显著降低了本单位IT运营的总体成本。     

基于GPU加速的NFV系统的框架设计和性能优化

GPU可以显著提升一些网络功能的性能,但在GPU加速的网络功能虚拟化(Network Function Virtualization,NFV)系统中,由于网络功能需要以虚拟化方式独立开发和部署,其CPU-GPU处理流水线的CPU处理阶段会有较大的额外开销,使得网络功能GPU加速的效果不明显。为解决该问题,提出一个新的支持GPU加速的NFV系统框架。利用服务链中网络功能之间共享数据和流状态的特性,设计了共享式状态管理机制,以减少网络功能中重复性的协议栈处理和流状态管理开销,提升GPU加速的效果。对原型系统进行评估表明,相比于现有的系统框架,该框架能够显著地降低多种GPU加速的网络功能中CPU处理阶段的时间开销,并在常见的网络功能服务链上实现了高达2倍的吞吐量提升。