發(fā)布時(shí)間：2023-04-02 14:33

　　近年來,高性能計(jì)算機(jī)體系結(jié)構(gòu)的發(fā)展日新月異,其中基于GPU的異構(gòu)體系結(jié)構(gòu)成為一種主流的設(shè)計(jì)方法。相比傳統(tǒng)的同構(gòu)多處理機(jī)系統(tǒng),集成CPU和GPU的異構(gòu)系統(tǒng)能夠提供更好的計(jì)算性能和功耗效率,非常適合處理數(shù)據(jù)并行應(yīng)用,在工業(yè)制造、生物醫(yī)藥、石油物探、氣象預(yù)測等領(lǐng)域有著廣泛的應(yīng)用前景。目前,限制異構(gòu)計(jì)算的瓶頸在于異構(gòu)編程環(huán)境仍不夠成熟,如何高效地利用異構(gòu)系統(tǒng)中多核CPU和眾核GPU進(jìn)行協(xié)同計(jì)算是目前高性能計(jì)算領(lǐng)域中研究的熱點(diǎn)和難點(diǎn)問題。 MD5 Crypt破解算法和Lared-P激光等離子體模擬算法是兩道典型的數(shù)據(jù)并行程序,分別在信息安全和物理模型模擬領(lǐng)域有著十分重要的應(yīng)用價(jià)值。這兩個(gè)應(yīng)用代表了兩類典型的數(shù)據(jù)并行應(yīng)用:MD5 Crypt破解算法在并行求解過程中數(shù)據(jù)相互獨(dú)立不相關(guān);Lared-P算法則在并行求解過程中存在十分復(fù)雜的數(shù)據(jù)相關(guān)。本文針對這兩類應(yīng)用對異構(gòu)系統(tǒng)上CPU和GPU的協(xié)同計(jì)算進(jìn)行了研究。主要取得了如下成果: (1)采用了一種基于MPI-OpenMP-CUDA混合編程模型實(shí)現(xiàn)了異構(gòu)系統(tǒng)上的的協(xié)同計(jì)算。使用MPI編程接口實(shí)現(xiàn)同構(gòu)節(jié)點(diǎn)之間的協(xié)作;采用OpenMP實(shí)現(xiàn)節(jié)點(diǎn)內(nèi)CPU和GP...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 引言
    1.1 課題背景
        1.1.1 異構(gòu)體系結(jié)構(gòu)
        1.1.2 數(shù)據(jù)并行應(yīng)用
    1.2 研究現(xiàn)狀
        1.2.1 MD5 Crypt 破解算法的相關(guān)研究
        1.2.2 Lared-P 程序的相關(guān)研究
        1.2.3 異構(gòu)平臺上的相關(guān)研究
    1.3 本文研究內(nèi)容與主要工作
    1.4 本文結(jié)構(gòu)
第二章 背景知識
    2.1 異構(gòu)系統(tǒng)
        2.1.1 GPU 系統(tǒng)結(jié)構(gòu)
        2.1.2 GPU 編程模型
        2.1.3 基于GPU 的異構(gòu)系統(tǒng)
    2.2 MD5 Crypt 破解算法
        2.2.1 MD5 加密算法
        2.2.2 MD5 Crypt 算法
        2.2.3 MD5 Crypt 算法的暴力破解
    2.3 Lared-P 應(yīng)用
        2.3.1 Lared-P 算法簡介
        2.3.2 粒子運(yùn)動方程
        2.3.3 粒子云方程
    2.4 本章小結(jié)
第三章 MD5 Crypt 破解算法在異構(gòu)系統(tǒng)上的協(xié)同計(jì)算
    3.1 基于MPI-OpenMP-CUDA 的層次化設(shè)計(jì)方法
    3.2 大規(guī)模異構(gòu)系統(tǒng)上MD5 Crypt 破解算法的設(shè)計(jì)
        3.2.1 破解算法的層次化設(shè)計(jì)方法
        3.2.2 并行破解算法中的任務(wù)劃分
    3.3 GPU 平臺上的實(shí)現(xiàn)與優(yōu)化
        3.3.1 破解算法在GPU 平臺上的實(shí)現(xiàn)
        3.3.2 MD5 Crypt 算法在GPU 平臺上的性能優(yōu)化
    3.4 CPU 與GPU 之間的協(xié)同計(jì)算
    3.5 大規(guī)模節(jié)點(diǎn)間的擴(kuò)展
    3.6 本章小結(jié)
第四章 Lared-P 算法在異構(gòu)系統(tǒng)上的協(xié)同計(jì)算
    4.1 Lared-P 算法中的數(shù)據(jù)相關(guān)分析
    4.2 多核CPU 上的并行實(shí)現(xiàn)
    4.3 GPU 上的并行實(shí)現(xiàn)
        4.3.1 基于SIMT 的并行方案
        4.3.2 八色分解方案
        4.3.3 數(shù)據(jù)組織與共享
    4.4 CPU 與GPU 之間的協(xié)同計(jì)算
        4.4.1 數(shù)據(jù)傳輸優(yōu)化
        4.4.2 多進(jìn)程共享GPU
        4.4.3 任務(wù)劃分與映射
    4.5 本章小結(jié)
第五章 性能評測
    5.1 實(shí)驗(yàn)環(huán)境
    5.2 MD5 Crypt 破解算法性能評測
        5.2.1 GPU 程序的測試結(jié)果
        5.2.2 單個(gè)節(jié)點(diǎn)內(nèi)的測試結(jié)果
        5.2.3 多個(gè)節(jié)點(diǎn)上的測試結(jié)果
    5.3 Lared-P 程序性能評測
        5.3.1 GPU 程序的測試結(jié)果
        5.3.2 單個(gè)節(jié)點(diǎn)內(nèi)的測試結(jié)果
    5.4 本章小結(jié)
第六章 結(jié)束語
    6.1 工作總結(jié)
    6.2 進(jìn)一步的工作
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果



本文編號：3779393