高性能計(jì)算云環(huán)境下GPU并行計(jì)算技術(shù)及應(yīng)用研究.pdf

1、近年來，GPU（Graphics Processing Unit）并行計(jì)算技術(shù)已成為高性能計(jì)算（High Performance Computing，HPC）領(lǐng)域的研究熱點(diǎn)。GPU硬件具有強(qiáng)大的浮點(diǎn)計(jì)算能力，為大型科學(xué)計(jì)算和工程計(jì)算問題提供了良好的支撐。目前，除了傳統(tǒng)高性能計(jì)算應(yīng)用以外，新興高性能計(jì)算應(yīng)用的需求也在增長(zhǎng)。在用戶服務(wù)方面，高性能計(jì)算面臨著諸多問題：如何向用戶提供靈活的服務(wù)模式，使用戶能夠自主管理計(jì)算資源；如何向用戶提供可動(dòng)

2、態(tài)伸縮的計(jì)算資源，提升高性能計(jì)算設(shè)備的利用率。作為一種基于云計(jì)算的高性能計(jì)算資源管理和服務(wù)模式，高性能計(jì)算云能夠解決傳統(tǒng)高性能計(jì)算中所面臨的用戶服務(wù)方面的問題。
　　高性能計(jì)算云和GPU并行計(jì)算是當(dāng)前計(jì)算機(jī)應(yīng)用技術(shù)的兩個(gè)熱點(diǎn)研究領(lǐng)域。這兩個(gè)研究熱點(diǎn)的結(jié)合部分是關(guān)于高性能計(jì)算云環(huán)境下GPU并行計(jì)算技術(shù)研究以及相關(guān)應(yīng)用，但該部分的研究還處于起步階段。云環(huán)境下GPU計(jì)算資源的調(diào)度管理，以及GPU計(jì)算通信的性能損失對(duì)高性能計(jì)算云中GPU并

3、行計(jì)算技術(shù)的研究提出了極大的挑戰(zhàn)。因此需要針對(duì)該類高性能計(jì)算云，開展GPU計(jì)算技術(shù)研究，從而為未來搭建基于GPU的大型高性能計(jì)算云平臺(tái)以及為平臺(tái)上GPU并行應(yīng)用開發(fā)提供支持。
　　針對(duì)高性能計(jì)算云環(huán)境下GPU并行計(jì)算技術(shù)，本文圍繞高性能計(jì)算云環(huán)境下多GPU計(jì)算資源調(diào)度以及GPU計(jì)算通信展開深入的分析和研究，并在此基礎(chǔ)上進(jìn)行相關(guān)GPU并行計(jì)算技術(shù)的應(yīng)用研究。本文研究工作以及研究成果主要有：
　　1）提出一種在高性能計(jì)算云環(huán)境下

4、多GPU計(jì)算資源調(diào)度機(jī)制。資源調(diào)度是云計(jì)算中的關(guān)鍵問題之一，GPU作為高性能云計(jì)算系統(tǒng)中的特殊計(jì)算資源，對(duì)GPU計(jì)算資源的調(diào)度有其特殊性。所提出的調(diào)度機(jī)制綜合考慮計(jì)算任務(wù)在節(jié)點(diǎn)間以及節(jié)點(diǎn)內(nèi)部的數(shù)據(jù)傳輸延遲，以充分利用系統(tǒng)GPU計(jì)算資源、掩藏傳輸延遲為目標(biāo)，建立GPU計(jì)算資源模型。該模型有效地描述了高性能計(jì)算云環(huán)境下多GPU的“傳輸&傳輸&執(zhí)行”三段調(diào)度過程。此外，該調(diào)度機(jī)制中還提出了一種樹型結(jié)構(gòu)的GPU資源分布式檢索算法，以減輕中心節(jié)點(diǎn)

5、的任務(wù)處理壓力。實(shí)驗(yàn)結(jié)果表明該調(diào)度機(jī)制對(duì)均衡GPU資源，提高系統(tǒng)資源利用率和服務(wù)質(zhì)量具有優(yōu)勢(shì)。
　　2）提出一種在高性能計(jì)算云環(huán)境下GPU計(jì)算低延遲通信機(jī)制。配備GPU的高性能計(jì)算云需要滿足支持多用戶在線計(jì)算處理的需求的同時(shí)，減少因虛擬化帶來的性能損失，實(shí)現(xiàn)GPU計(jì)算資源高效率的計(jì)算通信。所提出的通信機(jī)制采用數(shù)據(jù)保持的方法，將用戶的GPU計(jì)算任務(wù)映射到主機(jī)端來計(jì)算，以減少虛擬機(jī)端與主機(jī)端的I/O數(shù)據(jù)通信，在一定程度上減少虛擬化所帶

6、來的性能損失，為用戶提供高可擴(kuò)展的計(jì)算服務(wù)。在此基礎(chǔ)上，還提出一種數(shù)據(jù)復(fù)用策略來應(yīng)對(duì)實(shí)時(shí)數(shù)據(jù)的處理需求，采用數(shù)據(jù)流傳輸?shù)姆绞竭M(jìn)一步降低實(shí)時(shí)數(shù)據(jù)的通信開銷。實(shí)驗(yàn)結(jié)果表明了本章所提出的低延遲通信策略以及數(shù)據(jù)高復(fù)用策略的有效性，以及采用低延遲通信機(jī)制的高性能計(jì)算云平臺(tái)具有可擴(kuò)展性。
　　3）作為高性能計(jì)算云環(huán)境下I/O密集型計(jì)算的應(yīng)用，研究使用具有單指令多線程計(jì)算特性的GPU來對(duì)量子搜索算法仿真。提出了量子搜索算法在GPU高性能計(jì)算云平

7、臺(tái)上的仿真方法。其中一種方法針對(duì)量子搜索算法中的存儲(chǔ)進(jìn)行壓縮，提高GPU內(nèi)存的利用率，擴(kuò)大了算法仿真的位數(shù)；另一種方法針對(duì)量子搜索算法的通用性仿真，解決了計(jì)算仿真時(shí)量子中間變量的運(yùn)算、提取問題，使算法仿真更具有通用性。通過實(shí)驗(yàn)對(duì)比仿真效率以及分析所提出仿真方法的優(yōu)缺點(diǎn)。
　　4）作為高性能計(jì)算云環(huán)境下計(jì)算密集型的應(yīng)用，研究原子級(jí)別分辨率的三維斷層成像重構(gòu)，并在GPU高性能計(jì)算云平臺(tái)上高效實(shí)現(xiàn)。提出一種基于圓柱形傅立葉變換的三維重構(gòu)

8、算法。并在此基礎(chǔ)上，提出基于GPU的非對(duì)稱空間下的傅里葉變換高精度并行計(jì)算方法，優(yōu)化非對(duì)稱傅里葉變換中卷積步驟。采用輸入驅(qū)動(dòng)的方法有效地利用了GPU片上共享存儲(chǔ)器，通過利用壓縮數(shù)據(jù)集記錄線程與輸出數(shù)據(jù)對(duì)應(yīng)關(guān)系避免數(shù)據(jù)寫沖突。實(shí)驗(yàn)中結(jié)合已有關(guān)鍵步驟的計(jì)算方法，對(duì)比所提出的策略在單、雙精度情況下的執(zhí)行效率。最后，通過美國(guó)伊利諾伊大學(xué)香檳分校提供的實(shí)驗(yàn)數(shù)據(jù)，進(jìn)行重構(gòu)金原子納米晶體三維結(jié)構(gòu)，測(cè)試了重構(gòu)方案在GPU高性能計(jì)算云平臺(tái)上實(shí)現(xiàn)的可用性。