高性能云中的GPU虚拟化方法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 云平台国内外发展及研究现状 | 第12-14页 |
| 1.2.2 虚拟化技术的发展及研究现状 | 第14-18页 |
| 1.2.3 GPU的通用计算的发展及研究现状 | 第18-19页 |
| 1.3 本文的主要工作 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-21页 |
| 1.5 本章小结 | 第21-23页 |
| 第2章 设计目标及相关理论基础 | 第23-33页 |
| 2.1 本文的设计目标 | 第23页 |
| 2.2 云平台技术 | 第23-26页 |
| 2.3 GPU及其通用计算 | 第26-29页 |
| 2.3.1 GPU并行结构 | 第26-28页 |
| 2.3.2 GPU通信模式 | 第28页 |
| 2.3.3 GPU存储模型 | 第28-29页 |
| 2.4 虚拟化实现架构 | 第29-31页 |
| 2.4.1 Xen架构 | 第29-30页 |
| 2.4.2 KVM架构 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 面向云平台的GPU虚拟化的方法 | 第33-47页 |
| 3.1 现有的云平台技术分析 | 第33-35页 |
| 3.1.1 现有的云平台体系架构 | 第33-34页 |
| 3.1.2 现有的云平台的实现机制 | 第34-35页 |
| 3.2 面向云平台的GPU虚拟化方法的设计 | 第35-40页 |
| 3.2.1 体系架构设计 | 第35-36页 |
| 3.2.2 作业实现机制设计 | 第36-40页 |
| 3.3 云平台搭建实验 | 第40-45页 |
| 3.3.1 域名部署 | 第40-41页 |
| 3.3.2 Azure Pack部署 | 第41-44页 |
| 3.3.3 虚拟机服务部署 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 基于GPU虚拟化的通用并行计算方法的实现 | 第47-57页 |
| 4.1 实现原理 | 第47-48页 |
| 4.2 实现模型 | 第48-53页 |
| 4.2.1 vCUDA库模块 | 第48-49页 |
| 4.2.2 vGPU模块 | 第49-50页 |
| 4.2.3 vCUDA服务器模块 | 第50-51页 |
| 4.2.4 CUDA状态的拦截与追踪 | 第51-52页 |
| 4.2.5 传输机制设计与实现 | 第52-53页 |
| 4.3 实验与分析 | 第53-56页 |
| 4.3.1 实验环境 | 第53-54页 |
| 4.3.2 实验过程 | 第54-55页 |
| 4.3.3 实验结果与分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 虚拟化GPU集群的资源调度模型 | 第57-67页 |
| 5.1 研究目标 | 第57页 |
| 5.2 虚拟机集群中的GPU发现机制 | 第57-59页 |
| 5.3 虚拟化GPU的资源调度策略 | 第59-63页 |
| 5.3.1 资源最小化策略 | 第59-61页 |
| 5.3.2 CPU预留策略 | 第61-62页 |
| 5.3.3 GPU作业优先策略 | 第62-63页 |
| 5.4 调度策略的综合应用 | 第63-64页 |
| 5.5 实验与分析 | 第64-66页 |
| 5.5.1 实验环境 | 第64-66页 |
| 5.5.2 实验结果分析 | 第66页 |
| 5.6 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表论文 | 第73-75页 |
| 致谢 | 第75-76页 |
| 详细摘要 | 第76-81页 |
