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

【摘要】：云計算平臺借助平臺優(yōu)勢,通過虛擬化技術將資源整合,實現(xiàn)中心化管理,為用戶提供計算服務。高性能的云計算平臺需要高性能的計算資源。在高性能的云計算平臺中,GPU作為高性能的計算資源,如何將其池化,并將虛擬化資源與高性能的用戶應用進行對接,同時對平臺資源進行有效地調度與管理,成為近來業(yè)界研究的熱點與難點。本文針對上述問題進行了以下研究和嘗試:(1)在研究計算虛擬化、內存虛擬化、網絡虛擬化等現(xiàn)有虛擬化技術實現(xiàn)原理的基礎上,分析和探討了GPU設備在云計算平臺上進行虛擬化的實現(xiàn)方式和架構。以微軟的Azure云為基礎,設計了GPU虛擬化在云計算平臺上實現(xiàn)的方案。(2)在研究現(xiàn)有云計算平臺規(guī)范架構和實現(xiàn)機制的基礎上,設計了云計算平臺與GPU資源整合后的架構和運行機制,用PBS的方法實現(xiàn)了計算資源的虛擬化,并通過vCPU管理vGPU,使vGPU與vCPU協(xié)同工作。(3)為了使vGPU具備通用并行計算的應用功能,設計了vCUDA在云計算平臺虛擬機上的實現(xiàn)方式,采用客戶虛擬機調用特權虛擬機的方法滿足了不同用戶對GPU資源的時分復用,在虛擬機上實現(xiàn)了通用并行計算。通過實驗對比分析,證明了方案的可行性。(4)針對云計算平臺上虛擬機的CPU資源和GPU資源協(xié)同管理和調度問題,設計了包括資源最小化策略、CPU預留策略、GPU作業(yè)優(yōu)先策略在內的協(xié)同調度策略,并通過實驗說明使用該調度策略對平臺計算資源的利用率有明顯的提高。
【關鍵詞】：GPU虛擬化 云計算平臺 PBS 通用并行計算 協(xié)同調度
【學位授予單位】：江蘇科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：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 國內外研究現(xiàn)狀12-19
• 1.2.1 云平臺國內外發(fā)展及研究現(xiàn)狀12-14
• 1.2.2 虛擬化技術的發(fā)展及研究現(xiàn)狀14-18
• 1.2.3 GPU的通用計算的發(fā)展及研究現(xiàn)狀18-19
• 1.3 本文的主要工作19-20
• 1.4 本文的組織結構20-21
• 1.5 本章小結21-23
• 第2章 設計目標及相關理論基礎23-33
• 2.1 本文的設計目標23
• 2.2 云平臺技術23-26
• 2.3 GPU及其通用計算26-29
• 2.3.1 GPU并行結構26-28
• 2.3.2 GPU通信模式28
• 2.3.3 GPU存儲模型28-29
• 2.4 虛擬化實現(xiàn)架構29-31
• 2.4.1 Xen架構29-30
• 2.4.2 KVM架構30-31
• 2.5 本章小結31-33
• 第3章 面向云平臺的GPU虛擬化的方法33-47
• 3.1 現(xiàn)有的云平臺技術分析33-35
• 3.1.1 現(xiàn)有的云平臺體系架構33-34
• 3.1.2 現(xiàn)有的云平臺的實現(xiàn)機制34-35
• 3.2 面向云平臺的GPU虛擬化方法的設計35-40
• 3.2.1 體系架構設計35-36
• 3.2.2 作業(yè)實現(xiàn)機制設計36-40
• 3.3 云平臺搭建實驗40-45
• 3.3.1 域名部署40-41
• 3.3.2 Azure Pack部署41-44
• 3.3.3 虛擬機服務部署44-45
• 3.4 本章小結45-47
• 第4章 基于GPU虛擬化的通用并行計算方法的實現(xiàn)47-57
• 4.1 實現(xiàn)原理47-48
• 4.2 實現(xiàn)模型48-53
• 4.2.1 vCUDA庫模塊48-49
• 4.2.2 vGPU模塊49-50
• 4.2.3 vCUDA服務器模塊50-51
• 4.2.4 CUDA狀態(tài)的攔截與追蹤51-52
• 4.2.5 傳輸機制設計與實現(xiàn)52-53
• 4.3 實驗與分析53-56
• 4.3.1 實驗環(huán)境53-54
• 4.3.2 實驗過程54-55
• 4.3.3 實驗結果與分析55-56
• 4.4 本章小結56-57
• 第5章 虛擬化GPU集群的資源調度模型57-67
• 5.1 研究目標57
• 5.2 虛擬機集群中的GPU發(fā)現(xiàn)機制57-59
• 5.3 虛擬化GPU的資源調度策略59-63
• 5.3.1 資源最小化策略59-61
• 5.3.2 CPU預留策略61-62
• 5.3.3 GPU作業(yè)優(yōu)先策略62-63
• 5.4 調度策略的綜合應用63-64
• 5.5 實驗與分析64-66
• 5.5.1 實驗環(huán)境64-66
• 5.5.2 實驗結果分析66
• 5.6 本章小結66-67
• 總結與展望67-69
• 參考文獻69-73
• 攻讀碩士學位期間發(fā)表論文73-75
• 致謝75-76
• 詳細摘要76-81

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

本文編號：463432