面向通用计算GPU集群的任务自动分配系统
| 目录 | 第3-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 本文创新点 | 第12-13页 |
| 1.5 全文组织与安排 | 第13-14页 |
| 第二章 GPU集群体系结构 | 第14-22页 |
| 2.1 分布式计算集群 | 第14-15页 |
| 2.2 面向通用计算GPU | 第15-18页 |
| 2.2.1 GPU架构特点 | 第15-17页 |
| 2.2.2 GPU编程考虑 | 第17页 |
| 2.2.3 Intel MIC架构 | 第17-18页 |
| 2.3 GPU集群软硬件体系结构 | 第18-21页 |
| 2.3.1 hybrid CPU/GPU架构 | 第19-20页 |
| 2.3.2 单芯片融合CPU/GPU架构 | 第20-21页 |
| 2.4 GPU集群DISPAR-1部署 | 第21-22页 |
| 第三章 GPU集群编程模型 | 第22-32页 |
| 3.1 MPI+CUDA编程模型 | 第22-24页 |
| 3.1.1 GPU编程模型 | 第22-23页 |
| 3.1.2 传统集群编程模型 | 第23页 |
| 3.1.3 hybrid MPI/CUDA | 第23-24页 |
| 3.2 数据流模型 | 第24-26页 |
| 3.2.1 发展历史 | 第24-25页 |
| 3.2.2 特点 | 第25-26页 |
| 3.3 DISPAR编程模型 | 第26-32页 |
| 3.3.1 基本思想 | 第26页 |
| 3.3.2 系统模型 | 第26-28页 |
| 3.3.3 编程语言与通信 | 第28-29页 |
| 3.3.4 DISPAR模型实现 | 第29-30页 |
| 3.3.5 示例程序 | 第30-32页 |
| 第四章 DISPAR运行时系统 | 第32-40页 |
| 4.1 数据流模型运行时系统特点 | 第32页 |
| 4.2 集群应用任务模型 | 第32-34页 |
| 4.2.1 任务资源需求 | 第32-33页 |
| 4.2.2 通信拓扑 | 第33页 |
| 4.2.3 任务模型 | 第33-34页 |
| 4.3 GPU集群资源模型 | 第34-36页 |
| 4.3.1 资源发现系统 | 第34-35页 |
| 4.3.2 资源模型 | 第35-36页 |
| 4.3.3 节点资源表 | 第36页 |
| 4.4 任务分配 | 第36-40页 |
| 4.4.1 介绍 | 第37页 |
| 4.4.2 任务分配策略 | 第37-38页 |
| 4.4.3 算法示例 | 第38-40页 |
| 第五章 任务自动分配系统 | 第40-50页 |
| 5.1 设计方案 | 第40-42页 |
| 5.1.1 系统结构 | 第40-42页 |
| 5.1.2 设计目标 | 第42页 |
| 5.2 系统实现方案 | 第42-45页 |
| 5.2.1 任务分析 | 第42-43页 |
| 5.2.2 系统监控 | 第43-44页 |
| 5.2.3 自动分配 | 第44-45页 |
| 5.3 实验 | 第45-50页 |
| 5.3.1 实验环境 | 第45-46页 |
| 5.3.2 实验结果 | 第46-48页 |
| 5.3.3 性能分析 | 第48-50页 |
| 第六章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 读硕士期间公开发表的论文 | 第54-55页 |
| 致谢 | 第55-56页 |
