困扰并行计算的三大问题

上期,本刊对高性能计算的未来以及处理器的发展进行了报道,本期将继续上一期的专题,将侧重报道并行计算的发展与问题,以及高校高性能计算中心的现状等。     

CUDA在教学软件开发中的应用

可编程图形处理器GPU已经演化成高并行度、多线程、拥有强大计算能力和极高存储器带宽的多核处理器,图形处理器通用计算技术GPGPU把个人计算机上的显卡用于通用计算,代替CPU完成计算工作,可以大大提升计算效率。采用CUDA技术编程,利用GPU运行教学软件,效果良好,较大地提高了软件的计算能力和运行效率,在CPU价格昂贵,大规模并行计算需求旺盛的今天,CUDA技术可以提高软件运行效率,提高计算能力,同时可减少硬件购置成本,为学校或科研单位节约预算。     

基于多核处理器的程序性能优化方法

多核处理器即在一个处理器芯片上集成多个处理器核心,可同时执行多个线程。虽然多核处理器中每个核的时钟频率没有增加,但多个核的并行处理提供了远比单核强大的计算能力,同时,也大大提高了CPU的设计复杂性,基于现代处理器的设计技术,结合程序的实现过程,探讨优化程序性能的几种方法,提升程序编写质量,提高执行效率。     

应用GPU加速结合压缩传感技术解宽角度电磁散射问题

本文基于矩量法（MOM）中阻抗矩阵与入射角度的不相关性,提出将压缩传感（CS）技术引入电磁散射问题的方法,以达到在不降低计算精度的前提下减少计算时间的目的.该方法结合了压缩感知和计算统一设备架构（CUDA）技术,通过利用图形处理器（GPU）的并行计算解决了宽角度的电磁散射问题.数值计算结果表明,该方法与传统计算方法相比,在保持精度的同时,大大降低了计算所需的时间.     

XtremWeb:一个轻量级网格系统

网格计算在计算机领域掀起了很大热潮,而XtremWeb是一个轻量级的P2P网格中间件,为高性能计算提供多参数的分布式计算平台,不同任务的执行由一个中心控制节点管理,提供透明容错和安全机制。文章介绍了包含三种节点的XtremWeb系统体系结构和运行机制、透明容错功能和安全机制,最后使用该系统来实现一个矩阵分割的并行计算。     

基于任务属性组合的工作流调度时间优化算法(英文)

为了缩短工作流调度完工时间,提出3种列表调度算法:分级和出度最早完成时间算法(LOEFT)、分级异构选择值算法(LHSV)和异构优先最早完成时间算法(HPEFT).主要思想是利用任务深度,融合任务出度来准确分析任务优先级,精确分配处理器,实现时间优化.算法均分为3个阶段:任务分级、任务排序和处理器分配.任务分级阶段,依据任务深度将工作流划分为若干独立的任务集;任务排序阶段,利用任务出度计算出任务的异构优先排序值(HPRV),并据其降序生成任务队列;处理器分配阶段,将排序排列任务逐一分配至使其完工时间最小的处理器,完成任务-处理器的映射.通过实际应用和随机工作流仿真,证实3种算法可以有效地缩短工作流的完工时间,且LOEFT表现最好.任务深度结合出度是缩短工作流调度完工时间的有效手段.     

移动平台GPU通用计算研究综述

近年来,由于ARM、高通和三星等公司的大力推动,嵌入式平台使用的图形处理器（Graphic Processing Unit,GPU）也日趋具有强大的计算能力,越来越多的研究者将其应用于图像处理和数据挖掘等通用计算领域。对国内外在嵌入式和移动平台上的GPU通用计算进行了总结和归纳,发现GPU加速能力和低功耗特性是目前研究的重点。最后以Android操作系统为例,给出了基于开放计算语言（Open Computing Language,OpenCL）的并行计算环境构建思路。     

FSM软件系统中MATLAB并行计算的应用

FSM(Field Signature Method)即电指纹法,是一种以欧姆定律为理论基础,敏感非介入式通过感应电流来监测金属腐蚀的方法。阐述了FSM管道腐蚀监测法以及多核平台下MATLAB中并行计算的原理,同时将MATLAB并行计算通过动态链接库(DLL)的形式,运用在基于VB的FSM软件系统中,解决了VB环境下矩阵运算耗时的问题。这对于提升应用程序执行效率,加快大数据处理速度,具有较高的应用价值和参考意义。     

合取范式化为析取范式的DNA表面计算

合取范式化为析取范式的计算复杂度是指数级别的,为了降低它的计算复杂度,提出了合取范式化为析取范式的DNA表面计算．因为DNA中碱基对的配对可以同时进行,所以DNA表面计算具有并行计算能力,它实现了将合取范式化为析取范式的计算复杂度降低到多项式级别．     

我们该教什么？

优化各种软件在多核处理器下的性能首先需要弥合处理器和软件能力之间的鸿沟,业内人士称,长远的重点应放在寻找编写并行计算程序的合适方法。     

基于MPI的网络并行计算实验系统构建

随着网络的普及和应用,网络并行计算已成为并行计算的一个重要发展方向.利用PC构建的网络并行计算系统价格低廉,具有较高的性价比.介绍了在现有的实验室条件下,利用16台PC构建小型网络并行计算实验系统的详细过程,同时对矩阵乘法进行了算法测试.测试结果表明系统的构建是成功的,是低成本获得高效计算性能的有效途径.     

地球系统模型（CESM）移植到ARM高性能计算集群的实证研究

气候模拟非常具有挑战性，涉及大量相互作用的物理过程。地球系统模型（CESM）是一个开源的耦合气候系统，广泛应用于区域和全球气候预测。CESM应用运行需要做大量的数值计算，超高分辨率气候模拟则需要更大规模的并行计算能力。近年来，基于ARM的高性能计算集群的出现为这些需要大量计算的物理系统的运行提供了一种新的选择。可扩展性和能效是传统HPC平台的两个关键问题。与传统的X86高性能计算平台相比，基于ARM的处理器提供了更高的内存带宽和每芯片更多的内核，有利于应用程序的可扩展性。在该文的工作中，以CESM为研究对象，并将其成功移植到了基于ARM架构的华为鲲鹏处理器上。根据CESM的运行时数据，提出了一个定制的C/Fortran编译器并改进了进程调度算法。在华为鲲鹏处理器和英特尔至强处理器上进行了大量的对比实验，结果表明：在华为鲲鹏处理器上优化后的CESM实例虽然单核性能相对较低，但整体性能提升了31.78%～42.93%，并具有更好的可扩展性。     

Spark平台中任务执行时间预测方法研究

Spark是一种新型分布式海量数据处理平台,在应用执行过程中,Spark以任务作为最小执行单元。因此,任务执行时间预测是指导Spark进行性能分析、优化资源调度以及故障监控的基础。在Spark平台中,由于计算数据分布不均及网络资源的共享,导致同样计算逻辑的任务在不同计算节点上执行的时间可能产生很大差异,需根据实时运行环境进行动态预测。通过结合任务在不同节点所需数据量以及集群网络状况,对任务在不同节点的执行时间进行预测。实验表明,该方法对任务进行预估,误差可保证在19%以内,任务执行时间预估算法对Spark调优有一定的指导作用。     

动态电压调节策略的应用研究

基于电路功耗、电路延迟与工作电压之间的基本关系式,提出并证明了与DVS策略应用相关的4个定理.首先,针对单任务证明了最优工作电压的存在特性,即只需在一维电压的范畴内为单任务选择某个最优工作电压,且该电压所对应的任务结束时间必须与任务的截止期限保持一致.然后指出在同等条件下,DVS策略执行单任务所能达到的最小能耗必低于DPM策略或者DVS和DPM结合策略所对应的最小能耗.最后,针对多任务组提出了能耗最小化定理,指出在满足所有任务截止期限的前提下,处理器能耗最小化的必要条件是处理器必须在整个任务段期间一直处于执行任务的状态.     

Rocks高性能计算集群的建立和管理

论述了用Rocks集群操作系统来搭建和管理具有高性能计算能力的PC集群的方法和过程,并以目前流行的几种支持并行计算的第一性原理软件包ABINIT及VASP为例,详细说明了Sun Grid Engine(SGE)对用户计算任务管理的方法和因此而显示出的优越性,同时还探讨了各种软件在集群上的加速比问题。     

预算约束下关联式云任务调度算法

关联式云任务是科学工作流的典型应用模式,其调度不同于传统的独立任务形式。为了解决这种云工作流任务的调度优化问题,提出了一种满足预算约束的工作流调度算法。算法将任务与实例间的最优映射方案求解划分为4个阶段进行:工作流结构划分、预算分割、任务选择和实例选择。工作流结构划分旨在以工作流结构特征为基础将各个任务划分为不同的层次,预算分割旨在将用户定义的工作流执行预算在每个工作流层次间进行重新分配,任务选择旨在以升秩/降秩之和赋予任务优先级,形成就绪任务列表,实例选择旨在选择满足可用子预算的最佳实例执行任务。通过仿真实验,测试了算法在不同类型工作流结构和不同约束严格程度下的性能。结果表明,算法的执行效率与调度成功率要优于同类型算法,具有较好的可行性。     

云环境中期限分割下工作流调度代价优化仿真

为了优化云环境中期限约束的工作流调度代价优化问题,提出一种期限分割的工作流调度代价优化算法(Workflow Scheduling Cost Optimization under Deadline Distribution,WSCO-DD)。算法将工作流任务的调度过程划分为4个阶段:工作流分层、期限分割、任务选择和实例选择。工作流分层通过升秩值方法将所有工作流任务进行层次划分,提高并行执行程度;期限分割实现全局期限在不同工作流层次上的子分割;任务选择基于最早开始时间原则赋予任务优先级,得到任务调度序列;实例选择旨在选择执行代价最小的最优实例。通过科学工作流结构的仿真实验,证明WSCO-DD算法在满足期限约束的同时,在降低工作流执行代价和提高调度成功率性能上均优于其他算法。     

基于MPI技术的FDTD网络并行计算研究

随着并行计算的发展,MPI作为一种重要的消息传递方式标准,被广泛地应用到科学计算中。将MPI技术与电磁场时域有限差分法结合,构建了用于高性能并行计算的PC集群环境,通过算例验证了这套系统具有强大的计算功能、准确的计算精度和很高的计算效率。     

云计算架构在银行批处理流程优化中的应用研究

银行业在实现业务和数据集中处理的信息化架构后,随着业务的发展,面对数量越来越多、规模越来越大的批处理需求,如何提高计算资源的使用效率和灵活配置资源是银行信息中心不断面对的挑战。以资源和应用虚拟化为核心的云计算架构和技术正在不断发展和成熟,它可以有效地提高信息中心的资源使用,为批处理业务动态配置有效资源。针对以批处理中按照业务类型和处理流程进行资源配置的传统方法,提出了一种将业务流程进行优化分解成为可以进行独立并行处理任务的方法,可以在云计算环境下分组处理具有共同特征的计算和操作任务,实现优化资源调配。通过HadoopMapReduce并行计算架构进行模拟验证,初步实验结果表明了该方法在批处理执行效率、资源使用和灵活性方面的优势,在大量批处理业务领域(金融、证券、电子商务)具有一定的应用和研究价值。     

面向云雾计算的实时任务调度算法的设计及分析

相比于云计算,雾计算通过将计算、存储和网络服务靠近物联网设备,满足了时延和响应时间要求。为此,提出基于模糊逻辑的实时任务调度（fuzzy logic-based real-time task scheduling,FLTS）算法。先利用模糊逻辑算法合理地给云层和雾层分配任务,当雾层执行任务时,就依据任务对计算、存储和带宽要求以及任务的截止日期、数据尺寸,选择最适宜的虚拟机处理任务。仿真结果表明,相比于同类算法,提出的FLTS算法提升了执行任务的成功率、完成时间以及平均周转时间等性能。