大规模并行处理器上资源与性能优化的调度方法研究
大规模并行处理器在空间上堆叠大量横向计算单元,通过提高并行度为许多计算带来了性能加速。以图形处理单元(Graphic Processing Unit, GPU)为硬件平台的通用计算GPU (General-purpose GPU, GPGPU)是大规模并行处理器的典型实例,加之CUDA和OpenCL等软件开发平台的推出,而备受亲睐。
很多操作系统、图形图像处理软件、科学计算软件等都引入了GPGPU性能加速,且每年都有大量的关于GPGPU并行算法的学术成果被发表,不断拓展着GPGPU的应用范围、提高算法的性能。然而,以GPGPU为代表的大规模并行处理器由于体系结构和CPU之间的差异为其性能有效发挥带来了巨大的挑战。
在软件方面,需要充分考虑这些差异,优化组合使用各种计算资源,才能充分发挥性能潜力;在硬件方面,需要不断完善体系结构设计,改进优化调度机制与策略,才能保证计算资源充分利用,避免过度硬件开销。而软硬件调度系统是保证GPGPU资源和性能优化的关键。
分别从资源分配、执行次序、并行度三个角度对现有调度系统的各层次调度机制和策略存在的问题 ...


雷达卡


京公网安备 11010802022788号







