cpu-gpu异构高性能计算中的负载预测调度算法研究及应用

《cpu-gpu异构高性能计算中的负载预测调度算法研究及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、；ＴＰ３０１．６中图分类号单位代号：１０２８０！密级；学号；０４８２００３０玉淹大學嚇博±学位论文ＳＨＡＮＧＨＡＩＵＮＩＶＥＲＳＩＴＹ，作ＤＯＣＴＯ民ＳＤＩＳＳＥＲＴＡＴＩＯＮＣＰＵ－ＧＰＵ异构高性能计算Ｉ中的负载预测调度算法研究及应用３参作者沈文枫：茄，；：学科专业机械制造及其自动化：ｊｉ：甚’禱诚：／导师徐浦民日期二零一五年十二月！完成：ｉｍ＾．￡少誠麵幽９ＢＨＨＩＩ—－．．ＶＴ：：化！品，ｔｉｌ

2、Ｍ；茅上海大学本论文经答辩委员会全体委员审查，确认符合上海大学博±学位论文质量要求。答辩委员会签名；委员；导师；答辩日期：峡＇Ｕ原创性声明本人声明：所呈交的论文是本人在导师指导下进行的研究工作。除了文中特别加标注和致谢的地方外，论文中不包含其他人己发表或撰写过的研究成果一。参与同工作的其他同志对本研究所做的任何贡献均已在论文中作了明硫的说明并表示了谢意。ｉ签名：旅ｋ韦４日期；）〇６ａ．ｕ本论文使用授权说明本人完全了解上海大学有关保留、使

3、用学位论文的规定，即；学校有权保留论文及送交论文复印件，允许论文被查阅和借阅；学校可公布论文的全部或部分内容。（）保密的论文在解密后应遵定守此规氏；矣签名夫换；才期；片１．导师签名日呼上海大学工学博士学位论文CPU-GPU异构高性能计算中的负载预测调度算法研究及应用*姓名：沈文枫导师：徐炜民学科专业：机械制造及其自动化上海大学计算机工程与科学学院二零一五年十二月*本课题为国家高技术研究发展计划（863）重点项目“新概念高效能计算机体系结构及系统研究开发”项目（2009AA0122

4、01）、上海市科委重大科技攻关项目(08dz501600)和上海市教委第五期重点学科支持(GrantNo.J50103).**本论文参加“中国上海大学-日本会津大学联合培养计划”ADissertationSubmittedtoShanghaiUniversityfortheDegreeofDoctorinEngineeringResearchandapplicationofLoad-PredictionSchedulingonCPU-GPUheterogeneoushighperformanceco

5、mputing*Ph.D．Candidate：ShenWenfengSupervisor：XuWeiminMajor：MechanicalManufacturingandAutomationSchoolofComputerEngineeringandScienceShanghaiUniversityDecember,2015*ThisprojectissupportedbyChineseNationalProgramsforHighTechnologyResearchandDevelopment(8

6、63)keyproject“NewConceptandHighEfficacyComputerArchitectureandSystemResearchandDevelopment(GrantNo.2009AA012201)，KeyProgramsforScienceandTechnologyDevelopmentofShanghaiCommitteeofScienceandTechnology(GrantNo.08dz501600)andtheShanghaiLeadingAcademicDisc

7、iplineProject(GrantNo.J50103).**ThisdissertationissubmittedforthejointdoctoralprogramofShanghaiUniversity(China)andtheUniversityofAizu(Japan)上海大学博士学位论文摘要由于性价比和能效比很高，多核CPU-GPU计算平台得到了广泛应用，这也使系统内同时存在两种异构的计算资源。但是多核CPU和GPU的性能必须通过高效的调度算法才能得到充分发挥。因此如何充分利用异构资源

8、的计算能力，如何实现负载均衡成为研究的热点。传统的调度方法有静态调度和动态调度。静态调度开销非常小,但容易导致负载不均衡，降低计算资源的利用率；动态调度能更好地实现负载均衡，但调度开销比较大。如果将上述两种调度方法结合起来，将大大减少调度开销，并有效地实现负载均衡。CPU-GPU异构计算平台中，基于SIMD结构的GPU适合并行度和计算量大的计算任务，GPU的计算性能远远大于CPU的计算性能，但是现有的调度算法无法根据硬件特点进行任务分配。本文针对上述问题，提出了一种新