高性能計算云環(huán)境下GPU并行計算技術及應用研究.pdf

1、近年來，GPU（Graphics Processing Unit）并行計算技術已成為高性能計算（High Performance Computing，HPC）領域的研究熱點。GPU硬件具有強大的浮點計算能力，為大型科學計算和工程計算問題提供了良好的支撐。目前，除了傳統(tǒng)高性能計算應用以外，新興高性能計算應用的需求也在增長。在用戶服務方面，高性能計算面臨著諸多問題：如何向用戶提供靈活的服務模式，使用戶能夠自主管理計算資源；如何向用戶提供可動

2、態(tài)伸縮的計算資源，提升高性能計算設備的利用率。作為一種基于云計算的高性能計算資源管理和服務模式，高性能計算云能夠解決傳統(tǒng)高性能計算中所面臨的用戶服務方面的問題。
　　高性能計算云和GPU并行計算是當前計算機應用技術的兩個熱點研究領域。這兩個研究熱點的結合部分是關于高性能計算云環(huán)境下GPU并行計算技術研究以及相關應用，但該部分的研究還處于起步階段。云環(huán)境下GPU計算資源的調度管理，以及GPU計算通信的性能損失對高性能計算云中GPU并

3、行計算技術的研究提出了極大的挑戰(zhàn)。因此需要針對該類高性能計算云，開展GPU計算技術研究，從而為未來搭建基于GPU的大型高性能計算云平臺以及為平臺上GPU并行應用開發(fā)提供支持。
　　針對高性能計算云環(huán)境下GPU并行計算技術，本文圍繞高性能計算云環(huán)境下多GPU計算資源調度以及GPU計算通信展開深入的分析和研究，并在此基礎上進行相關GPU并行計算技術的應用研究。本文研究工作以及研究成果主要有：
　　1）提出一種在高性能計算云環(huán)境下

4、多GPU計算資源調度機制。資源調度是云計算中的關鍵問題之一，GPU作為高性能云計算系統(tǒng)中的特殊計算資源，對GPU計算資源的調度有其特殊性。所提出的調度機制綜合考慮計算任務在節(jié)點間以及節(jié)點內部的數(shù)據(jù)傳輸延遲，以充分利用系統(tǒng)GPU計算資源、掩藏傳輸延遲為目標，建立GPU計算資源模型。該模型有效地描述了高性能計算云環(huán)境下多GPU的“傳輸&傳輸&執(zhí)行”三段調度過程。此外，該調度機制中還提出了一種樹型結構的GPU資源分布式檢索算法，以減輕中心節(jié)點

5、的任務處理壓力。實驗結果表明該調度機制對均衡GPU資源，提高系統(tǒng)資源利用率和服務質量具有優(yōu)勢。
　　2）提出一種在高性能計算云環(huán)境下GPU計算低延遲通信機制。配備GPU的高性能計算云需要滿足支持多用戶在線計算處理的需求的同時，減少因虛擬化帶來的性能損失，實現(xiàn)GPU計算資源高效率的計算通信。所提出的通信機制采用數(shù)據(jù)保持的方法，將用戶的GPU計算任務映射到主機端來計算，以減少虛擬機端與主機端的I/O數(shù)據(jù)通信，在一定程度上減少虛擬化所帶

6、來的性能損失，為用戶提供高可擴展的計算服務。在此基礎上，還提出一種數(shù)據(jù)復用策略來應對實時數(shù)據(jù)的處理需求，采用數(shù)據(jù)流傳輸?shù)姆绞竭M一步降低實時數(shù)據(jù)的通信開銷。實驗結果表明了本章所提出的低延遲通信策略以及數(shù)據(jù)高復用策略的有效性，以及采用低延遲通信機制的高性能計算云平臺具有可擴展性。
　　3）作為高性能計算云環(huán)境下I/O密集型計算的應用，研究使用具有單指令多線程計算特性的GPU來對量子搜索算法仿真。提出了量子搜索算法在GPU高性能計算云平

7、臺上的仿真方法。其中一種方法針對量子搜索算法中的存儲進行壓縮，提高GPU內存的利用率，擴大了算法仿真的位數(shù)；另一種方法針對量子搜索算法的通用性仿真，解決了計算仿真時量子中間變量的運算、提取問題，使算法仿真更具有通用性。通過實驗對比仿真效率以及分析所提出仿真方法的優(yōu)缺點。
　　4）作為高性能計算云環(huán)境下計算密集型的應用，研究原子級別分辨率的三維斷層成像重構，并在GPU高性能計算云平臺上高效實現(xiàn)。提出一種基于圓柱形傅立葉變換的三維重構

8、算法。并在此基礎上，提出基于GPU的非對稱空間下的傅里葉變換高精度并行計算方法，優(yōu)化非對稱傅里葉變換中卷積步驟。采用輸入驅動的方法有效地利用了GPU片上共享存儲器，通過利用壓縮數(shù)據(jù)集記錄線程與輸出數(shù)據(jù)對應關系避免數(shù)據(jù)寫沖突。實驗中結合已有關鍵步驟的計算方法，對比所提出的策略在單、雙精度情況下的執(zhí)行效率。最后，通過美國伊利諾伊大學香檳分校提供的實驗數(shù)據(jù)，進行重構金原子納米晶體三維結構，測試了重構方案在GPU高性能計算云平臺上實現(xiàn)的可用性。