检索结果-内蒙古大学图书馆

作者：李浩洋合肥工业大学

学位级别：硕士

以图形图像、科学计算、大数据分析等应用为代表的高密度计算应用领域,具有数据吞吐量大、实时性要求高的特点,对微处理器的处理能力、数据吞吐率以及处理并行度等均提出了更高的要求。多核技术将处理器的发展方向从单一的纵向发展扩充... 详细信息

以图形图像、科学计算、大数据分析等应用为代表的高密度计算应用领域,具有数据吞吐量大、实时性要求高的特点,对微处理器的处理能力、数据吞吐率以及处理并行度等均提出了更高的要求。多核技术将处理器的发展方向从单一的纵向发展扩充了横向发展,大大降低了达到同种计算能力时处理器的设计难度,也缓解了功耗等因素对处理器设计的制约,在近十余年中迅速发展为处理器设计的主流方向;可重构计算兼顾了定制计算的高效性与通用计算的灵活性,是解决高密度计算领域计算需求的一种优秀的计算体系结构;动态调度技术,作为当代处理器设计中的一种重要技术,能够消除任务间的数据伪相关,提高处理器的发射效率,从而显著提升处理器的工作能力。在计算中,有两种典型的数据计算结构:存储计算方式和流计算方式。存储计算方式便于实现数据的重用,却需要占用大量时间来完成数据搬运;流计算方式能够隐藏数据搬运时间,大大提高计算吞吐率,却会对数据存储和交换带来较高的带宽压力。基于以上背景,论文对支持混合计算模式的异构多核系统的关键技术进行了讨论与研究,主要工作如下:首先,论文对原有基于多重片上网络的异构多核计算系统架构进行了介绍与分析,用两级计算架构思想对目标系统进行了改造,并规范化了多核计算系统的工作机制,设计了顶层任务指令的指令集;其次,论文设计了一种用于多核计算系统任务调度的主控制单元,引入了动态调度和寄存器重命名技术,实现了任务指令级的乱序多发射,并进一步探索了线程级并行的实现方案,提高了目标系统的任务发射效率;再次,论文设计了一种粗粒度可重构计算单元,采用可重构技术设计,支持多种计算模式,并对高密度计算领域中常见的算法进行了定向优化,在有限资源条件下达到了较高的计算能力;最后,本文对设计和改进后的单元进行了测试和性能评估,验证了设计的正确性,并讨论了算法映射中需要注意的问题,提出了系统进一步优化的方向。

关键词：可重构计算异构多核动态调度线程级并行混合计算模式

来源：评论

学校读者我要写书评

暂无评论

一种基于混合计算模式的学生信息管理系统的设计方案

一种基于混合计算模式的学生信息管理系统的设计方案

引用

第15届全国计算机新科技与计算机继续教育学术会议

作者：王虹包琼李祥王文剑朱庆李红艳湖北经济学院武汉430077

本文讨论了一种混合计算模式的学生信息管理系统的设计方案,此方案对于类似环境的系统应用有一定的参考价值。

关键词：混合计算模式学生信息管理管理信息系统设计方案

来源：评论

学校读者我要写书评

暂无评论

基于Spark的大数据混合计算模型

引用

计算机系统应用 2015年第4期24卷 214-218页

作者：胡俊胡贤德程家兴安徽新华学院信息工程学院合肥230088 安徽大学计算机科学与技术学院合肥230031

现实世界大数据应用复杂多样,可能会同时包含不同特征的数据和计算,在这种情况下单一的计算模式多半难以满足整个应用的需求,因此需要考虑不同计算模式的混搭使用.混合计算模式之集大成者当属UCBerkeley AMPLab的Spark系统,其涵盖了几... 详细信息

现实世界大数据应用复杂多样,可能会同时包含不同特征的数据和计算,在这种情况下单一的计算模式多半难以满足整个应用的需求,因此需要考虑不同计算模式的混搭使用.混合计算模式之集大成者当属UCBerkeley AMPLab的Spark系统,其涵盖了几乎所有典型的大数据计算模式,包括迭代计算、批处理计算、内存计算、流式计算(Spark Streaming)、数据查询分析计算(Shark)、以及图计算(Graph X).Spark提供了一个强大的内存计算引擎,实现了优异的计算性能,同时还保持与Hadoop平台的兼容性.因此,随着系统的不断稳定和成熟,Spark有望成为与Hadoop共存的新一代大数据处理系统和平台.本文详细研究和分析了Spark生态系统,建立了基于Spark平台的混合计算模型架构,并说明通过spark生态系统可以有效地满足大数据混合计算模式的应用.

关键词：大数据混合计算模式 spark 弹性分布数据集

来源：评论

学校读者我要写书评

暂无评论

基于车牌流数据的监测点车流量服务的生成与优化

基于车牌流数据的监测点车流量服务的生成与优化

引用

第六届中国计算机学会服务计算学术会议

作者：肖丙贤王桂玲曹波北方工业大学大规模流数据集成与分析技术北京市重点实验室北京100144 山东科技大学信息科学与工程学院山东省青岛266590

随着感知类数据的大规模爆发,各类应用领域对流数据集成和处理提出了更高的要求,挑战性问题包括如何支持服务使用模式、如何降低服务响应延迟等.为了支持服务使用模式,本文基于车牌流数据,定义了监测点车流量服务.同时为了降低服务响应... 详细信息

随着感知类数据的大规模爆发,各类应用领域对流数据集成和处理提出了更高的要求,挑战性问题包括如何支持服务使用模式、如何降低服务响应延迟等.为了支持服务使用模式,本文基于车牌流数据,定义了监测点车流量服务.同时为了降低服务响应延迟,介绍了一种基于混合计算模式的监测点车流量服务优化方法.该方法可由预测模型选择合适的计算模式及相应的逻辑处理方法,并基于推送技术将更新的监测点车流量及时推送给服务消费者.在模拟的车牌流数据上进行了实验测试与分析,实验结果表明,上述监测点车流量服务及优化方法可以实现监测点车流量推送并有效降低服务响应延迟.

关键词：交通监测车流量推送服务混合计算模式车牌流数据

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：