基于GPU的图计算研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第12-22页 |
1.1 课题背景与意义 | 第12-13页 |
1.2 GPU体系结构 | 第13-17页 |
1.2.1 GPU线程调度 | 第15-16页 |
1.2.2 GPU性能优化方式 | 第16-17页 |
1.3 相关研究现状 | 第17-20页 |
1.3.1 分布式图计算 | 第17-19页 |
1.3.2 多核图计算 | 第19页 |
1.3.3 GPU图计算 | 第19-20页 |
1.4 本文研究内容 | 第20-21页 |
1.5 本文结构 | 第21-22页 |
第2章 图计算系统研究 | 第22-36页 |
2.1 Pregel概述 | 第22-30页 |
2.1.1 Pregel执行模型 | 第22-23页 |
2.1.2 Pregel编程模型 | 第23-25页 |
2.1.3 PregelAPI | 第25-29页 |
2.1.4 Pregel系统架构 | 第29-30页 |
2.1.5 Pregel性能瓶颈 | 第30页 |
2.2 Medusa系统概述 | 第30-35页 |
2.2.1 Medusa编程模型及API | 第30-33页 |
2.2.2 Medusa消息缓存机制 | 第33-34页 |
2.2.3 Medusa的缺陷和性能瓶颈 | 第34-35页 |
2.3 小结 | 第35-36页 |
第3章 PregelGPU系统设计 | 第36-42页 |
3.1 Edge-Vertex编程模型 | 第36-37页 |
3.2 系统执行流程 | 第37-38页 |
3.2.1 预处理阶段 | 第37-38页 |
3.2.2 EdgeCompute阶段 | 第38页 |
3.2.3 VertexCompute阶段 | 第38页 |
3.3 PregelGPUAPI | 第38-39页 |
3.4 样例 | 第39-40页 |
3.5 性能瓶颈分析 | 第40-41页 |
3.6 小结 | 第41-42页 |
第4章 PregelGPU系统性能优化 | 第42-53页 |
4.1 基于GPU的近似排序算法 | 第42-47页 |
4.1.1 GPU精确排序 | 第42页 |
4.1.2 背景 | 第42-43页 |
4.1.3 近似排序核心思想 | 第43-44页 |
4.1.4 算法实现 | 第44-47页 |
4.2 数据重映射算法 | 第47-52页 |
4.2.1 背景 | 第48页 |
4.2.2 基于GPU的数据重映射算法 | 第48-52页 |
4.3 小结 | 第52-53页 |
第5章 实验结果与分析 | 第53-61页 |
5.1 实验准备工作 | 第53-54页 |
5.2 总体性能评估 | 第54-56页 |
5.3 预处理性能分析 | 第56-57页 |
5.4 近似排序测试与分析 | 第57-58页 |
5.5 数据重映射算法性能分析 | 第58-60页 |
5.6 小结 | 第60-61页 |
结论 | 第61-63页 |
参考文献 | 第63-67页 |
附录A 攻读学位期间所发表的学术论文 | 第67-68页 |
附录B 攻读学位期间所参与的科研活动 | 第68-69页 |
致谢 | 第69页 |