虚拟化环境下的GPU通用计算关键技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题研究背景及意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第二章 相关理论基础 | 第19-31页 |
| 2.1 基于 GPU 的通用计算 | 第19-23页 |
| 2.1.1 经典 GPGPU 技术 | 第20-21页 |
| 2.1.2 独立 GPGPU 技术 | 第21-23页 |
| 2.2 GPU 虚拟化 | 第23-28页 |
| 2.2.1 虚拟化技术 | 第23-24页 |
| 2.2.2 GPU 虚拟化 | 第24-28页 |
| 2.3 并行计算框架 | 第28-30页 |
| 2.3.1 MPI | 第28页 |
| 2.3.2 OpenMP | 第28页 |
| 2.3.3 CUDA | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 虚拟化环境下多 GPU 协同计算方法 | 第31-48页 |
| 3.1 研究基础 | 第31-32页 |
| 3.2 研究目标 | 第32页 |
| 3.3 面向多任务的 GPU 调度算法改进 | 第32-38页 |
| 3.3.1 总体架构 | 第32-35页 |
| 3.3.2 基础元素 | 第35-36页 |
| 3.3.3 算法流程 | 第36-38页 |
| 3.4 面向单任务的多 GPU 协同计算方法 | 第38-41页 |
| 3.4.1 数据分解 | 第39页 |
| 3.4.2 数据计算与合并 | 第39-41页 |
| 3.5 实验结果及性能分析 | 第41-47页 |
| 3.5.1 实验环境 | 第41页 |
| 3.5.2 影响因子的获得 | 第41-42页 |
| 3.5.3 基本性能 | 第42-44页 |
| 3.5.4 矩阵运算与 DFT 示例 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 GPU 虚拟化环境下的数据通信策略研究 | 第48-62页 |
| 4.1 研究基础 | 第48-50页 |
| 4.1.1 CUDA 存储器 | 第48-49页 |
| 4.1.2 CUDA 计算模式 | 第49-50页 |
| 4.2 研究目的 | 第50-51页 |
| 4.3 虚拟机域间通信策略 | 第51-55页 |
| 4.3.1 Xen | 第51-54页 |
| 4.3.2 VMware | 第54-55页 |
| 4.4 GPU 内部数据传输 | 第55-58页 |
| 4.4.1 统一虚拟地址空间 | 第56页 |
| 4.4.2 CPU 中转传输 | 第56-57页 |
| 4.4.3 GPU 点对点传输 | 第57页 |
| 4.4.4 结果预测 | 第57-58页 |
| 4.5 实验结果与性能分析 | 第58-61页 |
| 4.5.1 实验环境 | 第58页 |
| 4.5.2 域间通信方式选择 | 第58-59页 |
| 4.5.3 GPU 内部数据传输 | 第59-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文研究工作总结 | 第62-63页 |
| 5.2 进一步的工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |
