本文關(guān)鍵詞：高性能云中的GPU虛擬化方法的研究與實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：云計(jì)算平臺(tái)借助平臺(tái)優(yōu)勢(shì),通過(guò)虛擬化技術(shù)將資源整合,實(shí)現(xiàn)中心化管理,為用戶提供計(jì)算服務(wù)。高性能的云計(jì)算平臺(tái)需要高性能的計(jì)算資源。在高性能的云計(jì)算平臺(tái)中,GPU作為高性能的計(jì)算資源,如何將其池化,并將虛擬化資源與高性能的用戶應(yīng)用進(jìn)行對(duì)接,同時(shí)對(duì)平臺(tái)資源進(jìn)行有效地調(diào)度與管理,成為近來(lái)業(yè)界研究的熱點(diǎn)與難點(diǎn)。本文針對(duì)上述問題進(jìn)行了以下研究和嘗試:(1)在研究計(jì)算虛擬化、內(nèi)存虛擬化、網(wǎng)絡(luò)虛擬化等現(xiàn)有虛擬化技術(shù)實(shí)現(xiàn)原理的基礎(chǔ)上,分析和探討了GPU設(shè)備在云計(jì)算平臺(tái)上進(jìn)行虛擬化的實(shí)現(xiàn)方式和架構(gòu)。以微軟的Azure云為基礎(chǔ),設(shè)計(jì)了GPU虛擬化在云計(jì)算平臺(tái)上實(shí)現(xiàn)的方案。(2)在研究現(xiàn)有云計(jì)算平臺(tái)規(guī)范架構(gòu)和實(shí)現(xiàn)機(jī)制的基礎(chǔ)上,設(shè)計(jì)了云計(jì)算平臺(tái)與GPU資源整合后的架構(gòu)和運(yùn)行機(jī)制,用PBS的方法實(shí)現(xiàn)了計(jì)算資源的虛擬化,并通過(guò)vCPU管理vGPU,使vGPU與vCPU協(xié)同工作。(3)為了使vGPU具備通用并行計(jì)算的應(yīng)用功能,設(shè)計(jì)了vCUDA在云計(jì)算平臺(tái)虛擬機(jī)上的實(shí)現(xiàn)方式,采用客戶虛擬機(jī)調(diào)用特權(quán)虛擬機(jī)的方法滿足了不同用戶對(duì)GPU資源的時(shí)分復(fù)用,在虛擬機(jī)上實(shí)現(xiàn)了通用并行計(jì)算。通過(guò)實(shí)驗(yàn)對(duì)比分析,證明了方案的可行性。(4)針對(duì)云計(jì)算平臺(tái)上虛擬機(jī)的CPU資源和GPU資源協(xié)同管理和調(diào)度問題,設(shè)計(jì)了包括資源最小化策略、CPU預(yù)留策略、GPU作業(yè)優(yōu)先策略在內(nèi)的協(xié)同調(diào)度策略,并通過(guò)實(shí)驗(yàn)說(shuō)明使用該調(diào)度策略對(duì)平臺(tái)計(jì)算資源的利用率有明顯的提高。
【關(guān)鍵詞】：GPU虛擬化 云計(jì)算平臺(tái) PBS 通用并行計(jì)算 協(xié)同調(diào)度
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.9;TP332
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-23
• 1.1 課題研究的背景和意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-19
• 1.2.1 云平臺(tái)國(guó)內(nèi)外發(fā)展及研究現(xiàn)狀12-14
• 1.2.2 虛擬化技術(shù)的發(fā)展及研究現(xiàn)狀14-18
• 1.2.3 GPU的通用計(jì)算的發(fā)展及研究現(xiàn)狀18-19
• 1.3 本文的主要工作19-20
• 1.4 本文的組織結(jié)構(gòu)20-21
• 1.5 本章小結(jié)21-23
• 第2章 設(shè)計(jì)目標(biāo)及相關(guān)理論基礎(chǔ)23-33
• 2.1 本文的設(shè)計(jì)目標(biāo)23
• 2.2 云平臺(tái)技術(shù)23-26
• 2.3 GPU及其通用計(jì)算26-29
• 2.3.1 GPU并行結(jié)構(gòu)26-28
• 2.3.2 GPU通信模式28
• 2.3.3 GPU存儲(chǔ)模型28-29
• 2.4 虛擬化實(shí)現(xiàn)架構(gòu)29-31
• 2.4.1 Xen架構(gòu)29-30
• 2.4.2 KVM架構(gòu)30-31
• 2.5 本章小結(jié)31-33
• 第3章 面向云平臺(tái)的GPU虛擬化的方法33-47
• 3.1 現(xiàn)有的云平臺(tái)技術(shù)分析33-35
• 3.1.1 現(xiàn)有的云平臺(tái)體系架構(gòu)33-34
• 3.1.2 現(xiàn)有的云平臺(tái)的實(shí)現(xiàn)機(jī)制34-35
• 3.2 面向云平臺(tái)的GPU虛擬化方法的設(shè)計(jì)35-40
• 3.2.1 體系架構(gòu)設(shè)計(jì)35-36
• 3.2.2 作業(yè)實(shí)現(xiàn)機(jī)制設(shè)計(jì)36-40
• 3.3 云平臺(tái)搭建實(shí)驗(yàn)40-45
• 3.3.1 域名部署40-41
• 3.3.2 Azure Pack部署41-44
• 3.3.3 虛擬機(jī)服務(wù)部署44-45
• 3.4 本章小結(jié)45-47
• 第4章 基于GPU虛擬化的通用并行計(jì)算方法的實(shí)現(xiàn)47-57
• 4.1 實(shí)現(xiàn)原理47-48
• 4.2 實(shí)現(xiàn)模型48-53
• 4.2.1 vCUDA庫(kù)模塊48-49
• 4.2.2 vGPU模塊49-50
• 4.2.3 vCUDA服務(wù)器模塊50-51
• 4.2.4 CUDA狀態(tài)的攔截與追蹤51-52
• 4.2.5 傳輸機(jī)制設(shè)計(jì)與實(shí)現(xiàn)52-53
• 4.3 實(shí)驗(yàn)與分析53-56
• 4.3.1 實(shí)驗(yàn)環(huán)境53-54
• 4.3.2 實(shí)驗(yàn)過(guò)程54-55
• 4.3.3 實(shí)驗(yàn)結(jié)果與分析55-56
• 4.4 本章小結(jié)56-57
• 第5章 虛擬化GPU集群的資源調(diào)度模型57-67
• 5.1 研究目標(biāo)57
• 5.2 虛擬機(jī)集群中的GPU發(fā)現(xiàn)機(jī)制57-59
• 5.3 虛擬化GPU的資源調(diào)度策略59-63
• 5.3.1 資源最小化策略59-61
• 5.3.2 CPU預(yù)留策略61-62
• 5.3.3 GPU作業(yè)優(yōu)先策略62-63
• 5.4 調(diào)度策略的綜合應(yīng)用63-64
• 5.5 實(shí)驗(yàn)與分析64-66
• 5.5.1 實(shí)驗(yàn)環(huán)境64-66
• 5.5.2 實(shí)驗(yàn)結(jié)果分析66
• 5.6 本章小結(jié)66-67
• 總結(jié)與展望67-69
• 參考文獻(xiàn)69-73
• 攻讀碩士學(xué)位期間發(fā)表論文73-75
• 致謝75-76
• 詳細(xì)摘要76-81

  本文關(guān)鍵詞：高性能云中的GPU虛擬化方法的研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：463432