在大數(shù)據(jù)時(shí)代,面向大數(shù)據(jù)、科學(xué)計(jì)算、人工智能的算法和應(yīng)用不僅需要強(qiáng)大的計(jì)算機(jī)算力作為基礎(chǔ),還需要高效且易于使用的編程模型作為硬件資源與編程者交互的媒介。目前,面向大數(shù)據(jù)和科學(xué)計(jì)算等領(lǐng)域的編程框架往往較為復(fù)雜,對(duì)于不具備計(jì)算機(jī)專業(yè)知識(shí)的使用者是難以上手的,不利于交叉學(xué)科的持續(xù)蓬勃發(fā)展。領(lǐng)域特定語(yǔ)言是專注于特定應(yīng)用領(lǐng)域的計(jì)算機(jī)編程語(yǔ)言,具有語(yǔ)法簡(jiǎn)潔、表達(dá)性強(qiáng)等特點(diǎn)。Axle是面向科學(xué)計(jì)算的領(lǐng)域特定語(yǔ)言,提供了大數(shù)據(jù)、科學(xué)計(jì)算的一系列基本功能�；诖髷�(shù)據(jù)時(shí)代對(duì)更優(yōu)編程模型的內(nèi)在需求,本文提出在Axle的基礎(chǔ)上進(jìn)一步擴(kuò)展其功能,研究面向大數(shù)據(jù)和科學(xué)計(jì)算領(lǐng)域的高性能領(lǐng)域特定語(yǔ)言——Paraxle。Paraxle對(duì)Axle進(jìn)行了多方面的擴(kuò)展。針對(duì)Axle中部分可并行化的功能,Paraxle實(shí)現(xiàn)了這些功能的并行化,提高了執(zhí)行效率。由于Axle僅提供了少數(shù)大數(shù)據(jù)方面的算法,Paraxle在回歸、分類、聚類等方面進(jìn)行了擴(kuò)充,增加了多個(gè)算法的實(shí)現(xiàn)。Axle不具備異構(gòu)計(jì)算的功能,然而在大數(shù)據(jù)時(shí)代,異構(gòu)并行計(jì)算有著重要作用,基于此Paraxle將OpenCL與Axle相結(jié)合,實(shí)現(xiàn)了面向異構(gòu)計(jì)算的線性代數(shù)、模擬...

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究方法及內(nèi)容概述
    1.4 論文結(jié)構(gòu)
第二章 相關(guān)背景知識(shí)
    2.1 領(lǐng)域特定語(yǔ)言
    2.2 面向科學(xué)計(jì)算的領(lǐng)域特定語(yǔ)言——Axle
    2.3 異構(gòu)并行計(jì)算、GPGPU和OpenCL
    2.4 Actor模型和Akka actor框架
    2.5 本章小結(jié)
第三章 Paraxle設(shè)計(jì)思想及實(shí)現(xiàn)
    3.1 對(duì)部分Axle功能的優(yōu)化
        3.1.1 部分功能函數(shù)的并行化
        3.1.2 專用于Paraxle的命令行解析器(REPL)
    3.2 對(duì)Axle的橫向擴(kuò)展
    3.3 Axle的縱向擴(kuò)展
        3.3.1 Paraxle的異構(gòu)計(jì)算擴(kuò)展
        3.3.2 基于Akka actor的并行化研究
    3.4 本章小結(jié)
第四章 基于Paraxle的實(shí)際用例與分析
    4.1 高斯過(guò)程回歸簡(jiǎn)介
    4.2 基于Paraxle的高斯過(guò)程回歸的實(shí)現(xiàn)
    4.3 本章小結(jié)
第五章 實(shí)驗(yàn)與分析
    5.1 基于多線程并行化的優(yōu)化功能與原有功能的效率對(duì)比
    5.2 橫向擴(kuò)展方法的正確性和效率
    5.3 GPU優(yōu)化后的方法與原有串行方法效率的對(duì)比
    5.4 基于Akka的并行算法與Axle串行算法的對(duì)比
    5.5 本章小結(jié)
總結(jié)與展望
    論文工作總結(jié)
    展望
參考文獻(xiàn)
附錄
    附錄1
        面向OpenCL的Java版本矩陣加法
        面向OpenCL的Scala版本矩陣加法
    附錄2
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件



本文編號(hào)：3903111