隨著人工智能和大數(shù)據(jù)技術(shù)的進(jìn)一步發(fā)展,企業(yè)對(duì)服務(wù)器的性能要求越來(lái)越高,云計(jì)算作為這些技術(shù)的底層運(yùn)算支撐不可避免地需要進(jìn)一步加強(qiáng)其數(shù)據(jù)處理能力,圖像處理單元GPU便成為了加強(qiáng)云端計(jì)算能力的主要選擇。因?yàn)镃PU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(zhǎng)處理邏輯運(yùn)算,主要用于管理計(jì)算機(jī)硬件和軟件的工作調(diào)度。而GPU則擅長(zhǎng)并行處理數(shù)據(jù)計(jì)算,主要負(fù)責(zé)高性能計(jì)算與圖像處理。因此將GPU計(jì)算服務(wù)添加到云端能有效提高云端的計(jì)算能力,同時(shí)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(jìn)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(jì)算任務(wù),這限制了云端進(jìn)一步加強(qiáng)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(jì)算設(shè)備架構(gòu)）使GPU提供通用并行計(jì)算服務(wù),并提高GPU在云端的利用率和穩(wěn)定性。具體研究?jī)?nèi)容是使用OpenStack搭建具有IaaS的云平臺(tái),通過(guò)透?jìng)骷夹g(shù)在云端虛擬化GPU并創(chuàng)建獨(dú)占GPU設(shè)備的虛擬機(jī),同時(shí)在控制節(jié)點(diǎn)、GPU虛擬機(jī)以及用戶虛擬機(jī)上... 

【文章來(lái)源】：貴州大學(xué)貴州省 211工程院校

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)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(gè) CUDA 程序是通過(guò)多個(gè)線程塊來(lái)進(jìn)算的，每個(gè)線程塊都是并行執(zhí)行的，同時(shí)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(yùn)算，依靠的是 GPU 中大量的計(jì)算單元 GPU 的計(jì)算能力遠(yuǎn)高于 CPU 的原因。圖 2-3 CPU 與 GPU 的簡(jiǎn)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(gè) CUDA 程序是通過(guò)多個(gè)線程塊來(lái)進(jìn)行行計(jì)算的，每個(gè)線程塊都是并行執(zhí)行的，同時(shí)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(yùn)算，依靠的是 GPU 中大量的計(jì)算單元，也是 GPU 的計(jì)算能力遠(yuǎn)高于 CPU 的原因。

【參考文獻(xiàn)】：
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(bào). 2017(06)
[2]面向CPU+GPU異構(gòu)計(jì)算的多目標(biāo)測(cè)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(bào). 2016(04)
[3]專利引證視角下的虛擬化技術(shù)競(jìng)爭(zhēng)態(tài)勢(shì)[J]. 周婷,文禹衡.  圖書情報(bào)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(chǔ)平臺(tái)[J]. 李磊,李達(dá)港,金連文,馬麗紅.  實(shí)驗(yàn)技術(shù)與管理. 2015(05)
[6]一種改進(jìn)的GPU虛擬化實(shí)施方法[J]. 陳志佳,朱元昌,邸彥強(qiáng),馮少?zèng)_.  計(jì)算機(jī)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(wàn)鋒,楊巍巍,周冀平,陳煌.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[8]基于GPU加速的超精簡(jiǎn)型編碼數(shù)據(jù)庫(kù)系統(tǒng)[J]. 駱歆遠(yuǎn),陳剛,伍賽.  計(jì)算機(jī)研究與發(fā)展. 2015(02)
[9]OpenStack認(rèn)證安全問(wèn)題研究[J]. 熊微,房秉毅,張?jiān)朴?吳俊,李素粉.  郵電設(shè)計(jì)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(jì)算機(jī)學(xué)報(bào). 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(jì)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(hào)：3477362