Posix线程同步机制及其在电网监控系统中的应用

分析了UNIX／LINUX平台常用的多计算任务并发中的任务间通信的手段，针对其在任务间需要大量数据通信情况下的效率问题，提出了利用多线程及其同步机制来实现多计算任务的并发处理，结合一个分布式电网监控系统通信程序的实例阐述了其完整过程。     

一种高效的面向高并发图分析任务的存储系统

随着现实世界中图计算需求的快速增长,同一平台上往往并发运行着大量迭代图分析任务.然而,现有的图计算系统主要是为了高效执行单个图分析任务而设计的.因此,当多个并发图分析任务同时在同一个底层图上并行执行时,现有图计算系统会面临巨大的数据访问开销.为了提高并发图分析任务的吞吐量,现有的核外并发图处理方案通过共享图数据减少并发...     

在线BCI高速数据流的可预测并发实时传输

基于多分类运动想象的在线BCI(brain computer interface,脑机接口)中,如何实时处理高速EEG(electroencephalogram,脑电)数据流是实现在线意识识别的难点,其关键是高速计算和复杂情况下的预测问题.以线程并发作为解决高速计算问题的切入点,首先将EEG信号分析任务分解为多个线程子任务,并通过缓冲区管理策略解决线程并发带来的协同问题,针对高速EEG数据流的复杂变化问题,采用自适应单向模糊推理的方法预测数据流伸缩变化,并针对线程并发造成的中间结果的错序问题,设计信号量互斥与同步方法对中间数据块进行顺序重组.针对多名受试者的大量实验显示,单次Trial平均延迟时间明显减少.因此,线程并发和模糊推理能够解决在线BCI系统的高速计算和预测问题,从而提高信息传输率.     

面向异构工业任务高并发计算卸载的深度强化学习算法

进入工业4.0时代,大规模互联分布式智能工业设备产生了海量的具有时延敏感和计算负载差异的异构工业任务,终端侧有限的计算能力难以支持任务的实时高效处理.通过工业无线网络将任务卸载到网络边缘侧服务器进行多接入边缘计算成为解决终端侧算力受限问题的一种有效手段.然而,工业无线网络有限的时频资源难以支持大规模分布式工业设备的高并发任务卸载.本文充分考虑异构工业任务高并发计算卸载中有限时频资源约束和建模难的问题,提出一种基于深度强化学习的动态优先级并发接入算法(Deep Reinforcement Learning-based Concurrent Access Algorithm with Dynamic Priority,CADP DRL).该算法首先分析异构工业任务的时延敏感性和计算负载时变性,为工业设备分配不同的优先级,动态地改变工业设备接入信道进行计算卸载的概率.然后,利用Markov决策过程形式化动态优先级高并发计算卸载问题,并采用深度强化学习方法建立高维状态空间下状态到动作的映射关系.针对动态优先级和并发卸载的多目标决策问题,设计了包含优先级奖励和卸载奖励的复合奖励函数.为保证训练数据的独立同分布,同时提高算法收敛速度,提出了带经验权重的经验回放方法.对比实验结果表明,CADP DRL能够快速收敛,实时响应,在实现最小卸载冲突的情况下为高优先级工业设备提供最高的成功卸载概率保证,性能优于slotted-Aloha、DQN、DDQN和D3QN算法.     

动态时间片缩放:一种优化Linux 任务公平性的方法

处理器动态电压频率调节技术,对Linux系统中并发任务的性能产生不同程度的变化,从而影响并发任务计算资源分配的公平性.提出了一种利用动态时间片缩放来优化任务公平性的方法,并基于Linux操作系统任务调度程序,加入动态时间片缩放模块,该模块通过读取CPU性能监控计数器,在线计算时间片缩放系数,并利用该系数对任务时间片长度进行动态缩放.实验表明,这种方法以较小的系统开销为价,极大地提高了Linux中并发任务计算资源分配的公平性.     

超大规模序列比对计算的并行优化

针对生物信息学研究中的超大规模序列比对计算问题进行了研究,解决了现有的e-PCR软件包在处理小麦基因引物扩增比对任务中存在的内存瓶颈、I/O瓶颈和计算时间瓶颈问题,利用数据和任务分割的基本方法,使其最关键的引物与模板的比对计算能够大规模并行,进而采用基于主从通信模式的MPI通信框架进行编程实现,并从任务的缩减、负载平衡、容错和多作业并发等方面进行了优化,最终在百万亿次超级计算机上顺利实现了千核级大规模并行计算,在数十日内即可完成原本预期需要数年的小麦序列扩增比对计算.     

面向多核处理器的共享Cache冲突预测模型

多核处理器的出现给实时系统的设计带来了新挑战,如并发任务通过共享Cache相互干扰的现象严重降低了实时系统的实时性,已有的Cache冲突评价模型没有针对多核处理器体系结构,多角度评价共享Cache对多个并发任务的影响.本文基于广泛应用的LRU Cache替换策略,根据任务的Cache静态复用距离,提出一种可以预测并发任务的Cache占用率、失效率和任务间冲突概率的Cache冲突预测模型.分析了在多核背景下共享Cache结构对实时性的影响.实验结果表明本模型不但功能比现有模型全面且精度更高.     

虚拟计算环境中的多机群协同调度算法

基于虚拟计算环境的核心机理,提出由自主调度单元、域调度共同体、元调度执行体为核心的多机群协同系统框架.剖析多机群任务并发运行性能模型,设计了多机群协同调度算法框架,提出最大空闲节点优先、最小网络拥塞优先、最小异构因子优先与最小异构空闲节点优先4种启发式资源选择策略.实验验证了协同调度模型与算法在任务集完成时间与系统平均利用率的测度上的有效性.     

基于云计算框架的视频转码系统

随着视频服务和高清视频的普及,视频服务提供商正面临着越来越多的高清视频转码需求。但是由于高清视频分辨率高、码率大,其转码复杂度是标清视频的数倍,而常规的转码系统虽然利用了多核并发来提高转码速度,但终究受限于单个计算节点的物理条件和转码算法本身的并发能力,使得转码速度提升空间有限。提出一个利用云计算的"Map-Reduce"计算框架的转码系统,将单个转码任务并发至多个计算节点,每个计算节点对同一个视频文件的不同部分分别进行转码,再将转码后的视频文件合并,从而显著提升了转码速度。     

一种开放混合实时系统的开放自适应调度算法

开放计算环境下的实时与非实时任务不确定并发,以及多种实时约束混合的复杂约束系统,即开放混合实时系统的需求越来越广泛.通过引入接收控制、调度服务器、自适应调节机制,提出一种开放环境下的自适应实时系统调度架构--OARtS(open adaptive real-time scheduling).它能适应开放计算环境的不确定性,有控制地接受实时任务运行;可根据系统空闲计算带宽变化,自适应地调节任务的实时等级,使得系统运行在最优的实时性能上;对于软实时任务,可根据其计算带宽需求变化,自适应地调节其计算带宽分配,以适应任务执行时间时变引起的实时不确定性.