本文關鍵詞：基于多核處理器的自適應異構并行庫的優(yōu)化與實現

  更多相關文章： 并行庫優(yōu)化 自適應選擇 線程分配

【摘要】：串行計算的時代已經結束了。隨著多核處理器的出現，高性能并行計算，現在已經作為主流出現。而本項目中的并行庫，就是為用戶提供高性能計算的TM并行庫，可協(xié)助開發(fā)者，開發(fā)出性能高效的應用程序。 本論文是針對并行庫的優(yōu)化與實現展開的，，與英特爾的并行庫TBB作為參照，找到現TM并行庫存在的瓶頸問題及效率慢的原因，并根據發(fā)現的問題以及多案例提供的數據對比來確定優(yōu)化方案，根據優(yōu)化方案進行具體的編碼實現工作。 從技術難點方面看，涉及到并行子任務劃分技術，由于劃分后的每個子任務在多核處理器下并行運行，因此子任務的劃分大小直接影響運行效率；線程“復用”策略，減少線程被“喚醒”的額外時間；串并行路徑的自適應學習方法，把未經學習的數據通過學習過程找到規(guī)律，即判斷出串行走向和并行走向；在判斷走向時，是根據已知學習點進行的曲線擬合，涉及最小二乘法的數學優(yōu)化技術來進行曲線擬合。優(yōu)化過程中，提高運行效率的關鍵之一就是進行更佳的線程分配策略的過程，優(yōu)化線程分配主要從兩方面入手，一方面是減少線程間的切換，另一方面是充分利用當前線程。 本項目用C++語言開發(fā)，是一套C++模板庫，TM并行庫的功能包括parallel_for并行算法，Pipeline流水線算法，因此提高這兩大功能的效率，就是提高整體TM并行庫的效率，優(yōu)化功能就是以提高parallel_for和pipeline為目標的。parallel_for沿用思路的優(yōu)化與實現，改善了原parallel_for在小數據量或小任務量下運行效率低的問題，并使TM更加具有競爭力。串并行路徑選擇器功能的添加，為后續(xù)運行提供了提示作用，提高小數據量下執(zhí)行串行的效率。 經過多案例下的測試，證明本次優(yōu)化提高并行庫的執(zhí)行性能，且通過功能實現，完成了部分預期優(yōu)化目標，提高TM自身的競爭力，對于用戶具有較高的實用價值。
【關鍵詞】：并行庫優(yōu)化 自適應選擇 線程分配
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP311.1;TP332
【目錄】：

• 摘要4-5
• Abstract5-10
• 縮略詞和專業(yè)術語10-11
• 第1章 緒論11-15
• 1.1 課題來源及研究意義11
• 1.2 與課題相關的國內外研究綜述11-13
• 1.2.1 業(yè)內類似并行庫介紹11-12
• 1.2.2 并行研究領域及任務調度技術12-13
• 1.3 本論文的主要工作內容13-15
• 第2章 并行算法介紹及項目關鍵技術分析15-23
• 2.1 并行算法介紹15-17
• 2.1.1 Parallel_for 算法介紹15-16
• 2.1.2 Pipeline 算法介紹16-17
• 2.2 關鍵技術分析17-22
• 2.2.1 線程分配的“遞歸”策略17-19
• 2.2.2 串并行的自適應學習算法19-20
• 2.2.3 曲線擬合最小二乘法20-21
• 2.2.4 線程分配策略21-22
• 2.3 本章小結22-23
• 第3章 并行庫優(yōu)化的需求分析23-31
• 3.1 調度流程23-24
• 3.2 關鍵接口及任務類型24-26
• 3.3 功能需求26-29
• 3.3.1 明確優(yōu)化方案26-27
• 3.3.2 Parallel_for 算法優(yōu)化27-28
• 3.3.3 串并行路徑選擇器功能28-29
• 3.3.4 Pipeline 算法優(yōu)化29
• 3.4 優(yōu)化需求29-30
• 3.4.1 優(yōu)化目標30
• 3.4.2 優(yōu)化內容30
• 3.5 本章小結30-31
• 第4章 優(yōu)化并行庫的詳細設計及實現31-60
• 4.1 Parallel_for 算法優(yōu)化與實現31-40
• 4.1.1 思路來源31-33
• 4.1.2 Parallel_for 優(yōu)化具體實現33-37
• 4.1.3 Parallel_for 優(yōu)化前后對比37-39
• 4.1.4 Parallel_for 優(yōu)化前后案例數據對比39
• 4.1.5 Parallel_for 優(yōu)化結論39-40
• 4.2 串并行路徑選擇器功能40-56
• 4.2.1 問題提出40-42
• 4.2.2 動態(tài)估算獲取權重方案42-45
• 4.2.3 自適應學習估算曲線擬合策略45
• 4.2.4 自適應學習步長與點數的選取45-47
• 4.2.5 串并行具體實現流程47-48
• 4.2.6 串并行選擇模型48-54
• 4.2.7 串并行選擇優(yōu)化結論54-55
• 4.2.8 串并行路徑選擇器的局限性55-56
• 4.3 Pipeline 主線程沿用實現及展望56-59
• 4.3.1 優(yōu)化方案確定56-57
• 4.3.2 主線程沿用實現57-58
• 4.3.3 展望功能58-59
• 4.4 本章小結59-60
• 第5章 優(yōu)化結果的案例測試和數據分析60-72
• 5.1 測試環(huán)境60-61
• 5.2 測試軟件并行庫的對比61
• 5.3 Parallel_for 優(yōu)化實現測試結果61-67
• 5.3.1 一維子字符串查找案例62-64
• 5.3.2 一維求平均值案例64-66
• 5.3.3 二維 Mandelbrot 和矩陣相乘案例對比66-67
• 5.4 串并行路徑選擇器優(yōu)化實現測試結果67-70
• 5.4.1 串并行矩陣相乘案例68-69
• 5.4.2 串并行矩陣相加案例69-70
• 5.5 Pipeline 主線程沿用優(yōu)化實現測試結果70-71
• 5.6 本章小結71-72
• 結論72-74
• 參考文獻74-79
• 致謝79-80
• 個人簡歷80

【參考文獻】

中國期刊全文數據庫 前9條

1 孫海霞;馬玉鳳;;負載均衡綜述[J];電腦知識與技術;2006年08期

2 ;Linear-regression models and algorithms based on the Total-Least-Squares principle[J];Geodesy and Geodynamics;2012年02期

3 Wang Leyang;;Properties of the total least squares estimation[J];Geodesy and Geodynamics;2012年04期

4 胡斌;袁道華;;TBB多核編程及其混合編程模型的研究[J];計算機技術與發(fā)展;2009年02期

5 劉巧英;喬玉蘭;孫玉強;;并行技術領域中調度算法研究[J];中國科技信息;2009年05期

6 黃伯平;趙蔚;余延冬;;自適應學習系統(tǒng)參考模型比較分析研究[J];中國電化教育;2009年08期

7 ;Multi-loop adaptive internal model control based on a dynamic partial least squares model[J];Journal of Zhejiang University-Science A(Applied Physics & Engineering);2011年03期

8 楊熾夫;鄭淑濤;靳軍;朱思斌;韓俊偉;;Forward kinematics analysis of parallel manipulator using modified global Newton-Raphson method[J];Journal of Central South University of Technology;2010年06期

9 Xiaolong Xu;Jiaxing Wu;Geng Yang;Ruchuan Wang;;Low-power task scheduling algorithm for large-scale cloud data centers[J];Journal of Systems Engineering and Electronics;2013年05期

本文編號：584319