免费论文：GPU集群上鉴于Data-Aware的散布式安排框架

跟着散布式计划本领的兴盛，运用集群不妨处置范围越来越宏大的题目，一致于Hadoop如许的散布式框架，不妨将用户编写的步调机动化的散布到集群结点上安排实行，实行洪量数据的散布式处置，所以在普遍的范围赢得了运用。Kirchhoff叠前深度偏移是地球物理范围特殊要害的一个运用题目，地动数据处置中最进步的偏移本领，不妨对地下的情景举行透彻的成像，在所有地动数据处置过程中具备一致中心的效率。然而Kirchhoff偏移须要处置范围宏大的SEGY地动道数据，同声具有极高的计划量，所以，怎样运用散布式计划本领，较好的处置Kirchhoff偏移的计划，就显得特殊有意旨。Kirchhoff偏移的计划，不妨将宏大的SEGY地动道数据拆分为多个split独立计划，结果汇总每个split的截止，所以在是不妨运用Mapreduce编制程序模子来举行计划的，然而因为Kirchhoff偏移在计划时须要查问宏大的游览时表，同声须要运用GPU来计划以赢得较高的矩阵并行处置速率，对于Kirchhoff计划这一典型的题目，Hadoop在多个Task外存共享、GPU安排、磁盘IO安排调配等上面都表露出了一系列的缺点。对准Kirchhoff叠前深度偏移的计划，正文提出了一个新的编制程序模子，这个编制程序模子去除去Mapreduce局部语义，同声提出了slice分片语义，使得向来输出数据被Map因变量一遍处置，此刻不妨拆分为多遍，同声，对准新的编制程序模子，冲破Hadoop鉴于Task Slot的安排模子，安排了一个崭新的集群安排战略，这个安排战略是与洪量输出数据的散布战略相绑定的，经过一个有理的本能计划模子，辅以符合的本能尝试框架，不妨对准每一个一定WorkLoad的Job，决定出最有理的数据散布战略和每个Task的安排战略，如许每个Job在实行时不妨充溢运用集群每个结点的硬件资源（计划本领，IO本领等），到达处置速率的最大化。鉴于正文安排的新的编制程序模子和安排战略，实行了一个GPU集群上散布式安排框架的原形体例，同声对Kirchhoff偏移计划范例在本框架和Hadoop平台长进行了比较尝试，尝试截止考证了正文安排的编制程序模子和安排战略的灵验性。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/259418.html