| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 注释表 | 第12-13页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| ·研究背景 | 第14-17页 |
| ·高性能计算概述 | 第14-15页 |
| ·大数据研究概述 | 第15-17页 |
| ·研究内容与意义 | 第17-18页 |
| ·本文的内容安排 | 第18-20页 |
| 第二章 高性能计算相关技术研究 | 第20-32页 |
| ·相关技术研究现状 | 第20-21页 |
| ·GPU通用计算技术 | 第21-27页 |
| ·CUDA软硬件体系 | 第21-25页 |
| ·CUDA编程模型 | 第25-27页 |
| ·Map Reduce分布式计算技术 | 第27-31页 |
| ·Map Reduce模型架构 | 第27-29页 |
| ·Map Reduce实例 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于Map Reduce的GPU并行计算模型设计与实现 | 第32-56页 |
| ·相关研究工作 | 第32-35页 |
| ·Mars架构 | 第33-35页 |
| ·GSMR模型设计 | 第35-46页 |
| ·设计目标 | 第35-37页 |
| ·工作流程 | 第37-42页 |
| ·缓冲区管理 | 第42-44页 |
| ·可扩展性 | 第44-46页 |
| ·GSMR模型实现方法 | 第46-52页 |
| ·用户接口 | 第46-50页 |
| ·实验配置 | 第50-51页 |
| ·实验应用程序 | 第51-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·与Mars对比实验 | 第52-54页 |
| ·可扩展性实验 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 GPU高性能计算技术应用研究 | 第56-74页 |
| ·基于GPU的并行报文分类方法 | 第56-65页 |
| ·问题描述 | 第56-57页 |
| ·报文分类算法及其并行化方法 | 第57-60页 |
| ·并行报文分类算法的优化 | 第60-62页 |
| ·实验结果与分析 | 第62-65页 |
| ·基于RPC的GPU虚拟化方法 | 第65-73页 |
| ·问题描述 | 第65-66页 |
| ·GPU远程调用方法 | 第66-68页 |
| ·基于RPC的GPU虚拟化方法 | 第68-70页 |
| ·实验结果与分析 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| ·全文小结 | 第74-75页 |
| ·未来工作 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 在学期间的研究成果及发表的学术论文 | 第83页 |