基于OpenStack的GPU調(diào)度技術(shù)研究與實現(xiàn)
發(fā)布時間：2021-11-05 07:35
隨著人工智能和大數(shù)據(jù)技術(shù)的進一步發(fā)展,企業(yè)對服務(wù)器的性能要求越來越高,云計算作為這些技術(shù)的底層運算支撐不可避免地需要進一步加強其數(shù)據(jù)處理能力,圖像處理單元GPU便成為了加強云端計算能力的主要選擇。因為CPU與GPU的主要功能不同,導(dǎo)致兩者的硬件架構(gòu)不同。使得CPU擅長處理邏輯運算,主要用于管理計算機硬件和軟件的工作調(diào)度。而GPU則擅長并行處理數(shù)據(jù)計算,主要負(fù)責(zé)高性能計算與圖像處理。因此將GPU計算服務(wù)添加到云端能有效提高云端的計算能力,同時能降低云端CPU的工作負(fù)載,從而使云端能提供更好的服務(wù)。但是由于架構(gòu)原因,GPU不能進行完全虛擬化導(dǎo)致在云端利用率極低,所以目前云端主要使用CPU處理數(shù)據(jù)計算任務(wù),這限制了云端進一步加強數(shù)據(jù)處理能力。本研究主要目的是在云端利用CUDA（Compute Unified Device Architecture統(tǒng)一計算設(shè)備架構(gòu)）使GPU提供通用并行計算服務(wù),并提高GPU在云端的利用率和穩(wěn)定性。具體研究內(nèi)容是使用OpenStack搭建具有IaaS的云平臺,通過透傳技術(shù)在云端虛擬化GPU并創(chuàng)建獨占GPU設(shè)備的虛擬機,同時在控制節(jié)點、GPU虛擬機以及用戶虛擬機上...
【文章來源】：貴州大學(xué)貴州省 211工程院校
【文章頁數(shù)】：62 頁
【學(xué)位級別】：碩士
【部分圖文】：
OpenStack主要組件及架構(gòu)
圖 2-2 CUDA 單元架構(gòu)DA 編程架構(gòu)如上圖所示，每一個 CUDA 程序是通過多個線程塊來進算的，每個線程塊都是并行執(zhí)行的，同時線程塊里面的線程也是并行執(zhí)夠?qū)崿F(xiàn)如此大量的線程間并行運算，依靠的是 GPU 中大量的計算單元 GPU 的計算能力遠高于 CPU 的原因。圖 2-3 CPU 與 GPU 的簡易架構(gòu)圖
圖 2-2 CUDA 單元架構(gòu)CUDA 編程架構(gòu)如上圖所示，每一個 CUDA 程序是通過多個線程塊來進行行計算的，每個線程塊都是并行執(zhí)行的，同時線程塊里面的線程也是并行執(zhí)行。能夠?qū)崿F(xiàn)如此大量的線程間并行運算，依靠的是 GPU 中大量的計算單元，也是 GPU 的計算能力遠高于 CPU 的原因。
【參考文獻】：
期刊論文
[1]OpenStack開源社區(qū)中商業(yè)組織的參與模式[J]. 張宇霞,周明輝,張偉,趙海燕,金芝. 軟件學(xué)報. 2017(06)
[2]面向CPU+GPU異構(gòu)計算的多目標(biāo)測試用例優(yōu)先排序[J]. 邊毅,袁方,郭俊霞,李征,趙瑞蓮. 軟件學(xué)報. 2016(04)
[3]專利引證視角下的虛擬化技術(shù)競爭態(tài)勢[J]. 周婷,文禹衡. 圖書情報工作. 2015(19)
[4]基于OpenStack的異構(gòu)混合云解決方案[J]. 陳天,陳楠,黃志蘭,樊勇兵,賴培源. 電信科學(xué). 2015(07)
[5]基于OpenStack Swift構(gòu)建高可用私有云存儲平臺[J]. 李磊,李達港,金連文,馬麗紅. 實驗技術(shù)與管理. 2015(05)
[6]一種改進的GPU虛擬化實施方法[J]. 陳志佳,朱元昌,邸彥強,馮少沖. 計算機工程與科學(xué). 2015(05)
[7]一種基于OpenStack的云應(yīng)用開發(fā)框架[J]. 孫寒玉,顧春華,萬鋒,楊巍巍,周冀平,陳煌. 華東理工大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[8]基于GPU加速的超精簡型編碼數(shù)據(jù)庫系統(tǒng)[J]. 駱歆遠,陳剛,伍賽. 計算機研究與發(fā)展. 2015(02)
[9]OpenStack認(rèn)證安全問題研究[J]. 熊微,房秉毅,張云勇,吳俊,李素粉. 郵電設(shè)計技術(shù). 2014(07)
[10]基于GPU的稀疏矩陣Cholesky分解[J]. 鄒丹,竇勇,郭松. 計算機學(xué)報. 2014(07)
博士論文
[1]網(wǎng)絡(luò)虛擬化資源管理及虛擬網(wǎng)絡(luò)應(yīng)用研究[D]. 楊宇.北京郵電大學(xué) 2013
[2]高性能網(wǎng)絡(luò)虛擬化技術(shù)研究[D]. 楊洪波.上海交通大學(xué) 2012
[3]GPU通用計算虛擬化方法研究[D]. 石林.湖南大學(xué) 2012
[4]基于GPU的高性能并行算法研究[D]. 白洪濤.吉林大學(xué) 2010
碩士論文
[1]基于虛擬化的云游戲GPU資源自適應(yīng)調(diào)度策略[D]. 張超.上海交通大學(xué) 2014
本文編號：3477362
【文章來源】：貴州大學(xué)貴州省 211工程院校
【文章頁數(shù)】：62 頁
【學(xué)位級別】：碩士
【部分圖文】：
OpenStack主要組件及架構(gòu)
圖 2-2 CUDA 單元架構(gòu)DA 編程架構(gòu)如上圖所示，每一個 CUDA 程序是通過多個線程塊來進算的，每個線程塊都是并行執(zhí)行的，同時線程塊里面的線程也是并行執(zhí)夠?qū)崿F(xiàn)如此大量的線程間并行運算，依靠的是 GPU 中大量的計算單元 GPU 的計算能力遠高于 CPU 的原因。圖 2-3 CPU 與 GPU 的簡易架構(gòu)圖
圖 2-2 CUDA 單元架構(gòu)CUDA 編程架構(gòu)如上圖所示，每一個 CUDA 程序是通過多個線程塊來進行行計算的，每個線程塊都是并行執(zhí)行的，同時線程塊里面的線程也是并行執(zhí)行。能夠?qū)崿F(xiàn)如此大量的線程間并行運算，依靠的是 GPU 中大量的計算單元，也是 GPU 的計算能力遠高于 CPU 的原因。
【參考文獻】：
期刊論文
[1]OpenStack開源社區(qū)中商業(yè)組織的參與模式[J]. 張宇霞,周明輝,張偉,趙海燕,金芝. 軟件學(xué)報. 2017(06)
[2]面向CPU+GPU異構(gòu)計算的多目標(biāo)測試用例優(yōu)先排序[J]. 邊毅,袁方,郭俊霞,李征,趙瑞蓮. 軟件學(xué)報. 2016(04)
[3]專利引證視角下的虛擬化技術(shù)競爭態(tài)勢[J]. 周婷,文禹衡. 圖書情報工作. 2015(19)
[4]基于OpenStack的異構(gòu)混合云解決方案[J]. 陳天,陳楠,黃志蘭,樊勇兵,賴培源. 電信科學(xué). 2015(07)
[5]基于OpenStack Swift構(gòu)建高可用私有云存儲平臺[J]. 李磊,李達港,金連文,馬麗紅. 實驗技術(shù)與管理. 2015(05)
[6]一種改進的GPU虛擬化實施方法[J]. 陳志佳,朱元昌,邸彥強,馮少沖. 計算機工程與科學(xué). 2015(05)
[7]一種基于OpenStack的云應(yīng)用開發(fā)框架[J]. 孫寒玉,顧春華,萬鋒,楊巍巍,周冀平,陳煌. 華東理工大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[8]基于GPU加速的超精簡型編碼數(shù)據(jù)庫系統(tǒng)[J]. 駱歆遠,陳剛,伍賽. 計算機研究與發(fā)展. 2015(02)
[9]OpenStack認(rèn)證安全問題研究[J]. 熊微,房秉毅,張云勇,吳俊,李素粉. 郵電設(shè)計技術(shù). 2014(07)
[10]基于GPU的稀疏矩陣Cholesky分解[J]. 鄒丹,竇勇,郭松. 計算機學(xué)報. 2014(07)
博士論文
[1]網(wǎng)絡(luò)虛擬化資源管理及虛擬網(wǎng)絡(luò)應(yīng)用研究[D]. 楊宇.北京郵電大學(xué) 2013
[2]高性能網(wǎng)絡(luò)虛擬化技術(shù)研究[D]. 楊洪波.上海交通大學(xué) 2012
[3]GPU通用計算虛擬化方法研究[D]. 石林.湖南大學(xué) 2012
[4]基于GPU的高性能并行算法研究[D]. 白洪濤.吉林大學(xué) 2010
碩士論文
[1]基于虛擬化的云游戲GPU資源自適應(yīng)調(diào)度策略[D]. 張超.上海交通大學(xué) 2014
本文編號：3477362
本文鏈接：http://sikaile.net/kejilunwen/jisuanjikexuelunwen/3477362.html
最近更新
教材專著
