计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2013年
3期
333-336
,共4页
云计算%MapReduce模型%GPU%高性能计算
雲計算%MapReduce模型%GPU%高性能計算
운계산%MapReduce모형%GPU%고성능계산
由于MapReduce模型进行Map和Reduce操作时需要频繁的CPU计算,面对大量并行计算任务时,CPU占用率甚至达到百分之百.而GPU有比CPU更好的并行计算能力,适度使用GPU,可降低了CPU的占用时间,又能用GPU的参与来平衡系统的计算能力.论文结合GPU技术和MapReduce技术的不同优势,设计出一种基于MapReduce和GPU双重并行计算的云计算模型.通过理论建模与实验验证,结果表明此模型可实现多GPU的MapReduce任务并行处理,提高了高性能计算的性能.
由于MapReduce模型進行Map和Reduce操作時需要頻繁的CPU計算,麵對大量併行計算任務時,CPU佔用率甚至達到百分之百.而GPU有比CPU更好的併行計算能力,適度使用GPU,可降低瞭CPU的佔用時間,又能用GPU的參與來平衡繫統的計算能力.論文結閤GPU技術和MapReduce技術的不同優勢,設計齣一種基于MapReduce和GPU雙重併行計算的雲計算模型.通過理論建模與實驗驗證,結果錶明此模型可實現多GPU的MapReduce任務併行處理,提高瞭高性能計算的性能.
유우MapReduce모형진행Map화Reduce조작시수요빈번적CPU계산,면대대량병행계산임무시,CPU점용솔심지체도백분지백.이GPU유비CPU경호적병행계산능력,괄도사용GPU,가강저료CPU적점용시간,우능용GPU적삼여래평형계통적계산능력.논문결합GPU기술화MapReduce기술적불동우세,설계출일충기우MapReduce화GPU쌍중병행계산적운계산모형.통과이론건모여실험험증,결과표명차모형가실현다GPU적MapReduce임무병행처리,제고료고성능계산적성능.
