计算机应用研究

作者：张龙翔,曹云鹏,王海峰,

单位：1.临沂大学信息科学与工程学院,山东临沂276002；2.山东省网络重点实验室临沂大学研究所,山东临沂276002；

关键词：协同计算模型,计算模式,大数据处理,GPU异构集群,

基金：山东省自然科学基金面上项目(ZR2017MF050)；山东省高等学校科学技术计划项目(J17KA049)；山东省重点研发项目(2018GGX101005,2017CXGC0701,2016GGX109001)；；

大数据计算中存在流计算、内存计算、批计算和图计算等不同模式，各种计算模式有不同的访存、通信和资源利用等特征。GPU异构集群在大数据分析处理中得到广泛应用，然而缺少研究GPU异构集群在大数据分析中的计算模型。多核CPU与GPU协同计算时不仅增加了计算资源的密度，而且提高节点间和节点内的通信复杂度。为了从理论上研究GPU与多核CPU协同计算问题，面向多种计算模式建立一个多阶段的协同计算模型（p-DCOT）。p-DCOT以BSP大同步并行模型为核心，将协同计算过程分成数据层、计算层和通信层三个层次，并且延用DOT模型的矩阵来形式化描述计算和通信行为。通过扩展p-DOT模型描述节点内和节点间的协同计算行为，细化了负载均衡的参数并证明时间成本函数，最后用典型计算作业验证模型及参数分析的有效性。该协同计算模型可成为揭示大数据分析处理中协同计算行为的工具。

来源：2020年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第7期