OpenMDSP: Extending OpenMP to Program Multi-Core DSPs

Abstract Multi-core digital signal processors （DSPs） are widely used in wireless telecommunication, core network transcoding, industrial control, and audio/video processing technologies, among others. In comparison with general-purpose multi-processors, multi-core DSPs normally have a more complex memory hierarchy, such as on-chip core-local memory and non-cache-coherent shared memory. As a result, efficient multi-core DSP applications are very difficult to write. The current approach used to program multi-core DSPs is based on proprietary vendor software development kits （SDKs）, which only provide low-level, non-portable primitives. While it is acceptable to write coarse-grained task-level parallel code with these SDKs, writing fine-grained data parallel code with SDKs is a very tedious and error-prone approach. We believe that it is desirable to possess a high-level and portable parallel programming model for multi-core DSPs. In this paper, we propose OpenMDSP, an extension of OpenMP designed for multi-core DSPs. The goal of OpenMDSP is to fill the gap between the OpenMP memory model and the memory hierarchy of multi-core DSPs. We propose three classes of directives in OpenMDSP, including 1） data placement directives that allow programmers to control the placement of global variables conveniently, 2） distributed array directives that divide a whole array into sections and promote the sections into core-local memory to improve performance, and 3） stream access directives that promote big arrays into core-local memory section by section during parallel loop processing while hiding the latency of data movement by the direct memory access （DMA） of a DSP. We implement the compiler and runtime system for OpenMDSP on PreeScale MSC8156. The benchmarking results show that seven of nine benchmarks achieve a speedup of more than a factor of 5 when using six threads.     

生物信息学

生物信息学(Bioinformatics)是生物学、数学和计算机科学交叉所形成的一门学科,它主要是运用信息科学和计算技术的手段,通过数据分析和处理,揭示海量数据间的内在联系和生物学含义,进而提炼有用的生物学知识。由于生物信息学是在20世纪90年代才出现的一门新兴学科,因此,许多挑战和尚待解决的问题吸引了生物学家、数学家、统计学家、信息学家等众多学者的广泛关注。《计算机教育》在2006年4月期的杂志上刊登了密苏里大学哥伦比亚分校许东博士的一篇名为《生物信息学与计算机科学》的论文,许多老师反映良好,并要求本刊再多介绍一些相关知识。…     

阿里安5首飞失利与航天产业的高风险

阿里安５首飞失利与航天产业的高风险陈文光雨田（北京长征科技信息研究所）编者按阿里安５型运载火箭于１９９６年６月４日首飞失利，火箭连同携带的四颗卫星一并炸毁，造成５亿多美元的直接经济损失。下面简要介绍这种新型火箭的结构、性能、发射情况、事故调查结果，以...     

Providing Source Code Level Portability Between CPU and GPU with MapCG

Graphics processing units (GPU) have taken an important role in the general purpose computing market in recent years.At present,the common approach to programming GPU units is to write GPU specific cod...     

COS:度量分布式大数据处理系统的效率

【目的】在大数据处理领域,分布式计算系统得到广泛应用,它们的可扩展性得到重点关注,但其绝对性能往往没有得到重视。我们希望提出科学合理、与时俱进的度量标准,对分布式系统的性能进行评估。【方法】本文通过对比特定任务的单机实现和分布式实现来讨论分布式系统的性能,提出COS(Configuration that Outperforms a Single machine)这一指标,来衡量分布式系统在达到单台机器的性能时,需要的硬件资源数量。我们选取k-means聚类和逻辑回归两个经典机器学习算法,对其进行单机多线程实现,并通过向量化计算、优化内存分配与访问等方式对性能进行了优化,为分布式多机系统的性能提供参考。【结果】以Apache Spark作为对标系统,实验发现无论是使用其原生编程接口,还是经过悉心优化的机器学习库,都要使用数倍甚至数百倍的机器,才能达到单机多线程实现的性能。【局限】分布式系统与单机实现进行性能对比并不是完全公平的,分布式系统的额外开销客观存在。【结论】但COS指标仍能反映分布式系统存在的绝对性能较差、没有充分利用硬件优势等问题。     

浙东南地区伊利石矿床及其找矿前景

本文阐述了浙东南地区伊利石矿床的产出特征;并按矿床产出形态,将其成因分为火山热蚀变交代型似层状矿床和火山气成热液蚀变充填型脉状矿床两类。该类矿床是火山岩中新发现,找矿前景广阔。     

基于图划分的全基因组并行拼接算法

提出了一种基于图划分的全基因组并行拼接算法.该算法巧妙地将数据划分问题转化成图划分的问题,解决了传统数据划分算法中存在的节点负载不平衡的问题.同时,算法在建立关系图时有效地利用了WGS测序中所提供reads之间的长度信息和配对信息,使reads关系图能更准确地反映出数据之间的关系特性,从而提高了数据划分的准确性.实验结果表明,该算法可以准确地划分各种模拟数据、真实数据的数据集,相对于传统数据划分算法划分质量有了明显改善.     

功率因数的概念及测试方法探讨

随着理论的发展和技术的进步，功率因数的概念有了更深的内涵，本文就其概念作了说明，对测量方法作了探讨。     

基于可编程器件的模糊控制器

介绍了用硬件描述语言(VHDL)设计的一种新型的模糊控制系统，这种模糊控制器具有快速、修改方便的特点，给出了设计的框图和有关程序，并用FPGA来实现。