[發(fā)明專利]一種自動(dòng)配置GPU擴(kuò)展箱的方法

在審

• 申請?zhí)枺?/td>: 202110020022.4
• 申請日: 2021-01-07
• 公開（公告）號: CN112651162A
• 公開（公告）日: 2021-04-13
• 發(fā)明（設(shè)計(jì)）人: 黃永
• 申請（專利權(quán)）人: 中天恒星（上海）科技有限公司
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F16/2455;G06F9/50
• 代理公司: 深圳知幫辦專利代理有限公司 44682
• 代理人: 顏為華

本發(fā)明涉及配置GPU擴(kuò)展箱技術(shù)領(lǐng)域，具體地說，涉及一種自動(dòng)配置GPU擴(kuò)展箱的方法。其方法步驟如下：數(shù)據(jù)流挖掘：采用CUDA計(jì)算模型對數(shù)據(jù)流進(jìn)行挖掘，拓?fù)鋬?yōu)化：采用BESO算法軟刪除的方式實(shí)現(xiàn)單元的增減，并行計(jì)算：在預(yù)處理階段進(jìn)行顯存空間分配，并將計(jì)算模型信息從主機(jī)復(fù)制到設(shè)備，然后采用異步執(zhí)行的方式進(jìn)行數(shù)據(jù)傳輸，數(shù)值檢測：采用二維和三維結(jié)構(gòu)優(yōu)化檢測試精度和計(jì)算效率，本發(fā)明可以在對GPU擴(kuò)展箱與CPU之間配置時(shí)，可以在保證計(jì)算精度的前提下，極大的提高二維和三維拓?fù)鋬?yōu)化問題的計(jì)算效率，配置的準(zhǔn)確性和配置效率高。

技術(shù)領(lǐng)域

本發(fā)明涉及配置GPU擴(kuò)展箱技術(shù)領(lǐng)域，具體地說，涉及一種自動(dòng)配置GPU擴(kuò)展箱的方法。

背景技術(shù)

將多個(gè)GPU集成到一個(gè)擴(kuò)展箱內(nèi)，形成GPU擴(kuò)展箱，從而實(shí)現(xiàn)GPU資源的池化，便于GPU資源的調(diào)度，GPU和CPU之間通過PCIE接口連接的方式就是GPU擴(kuò)展箱的連接拓?fù)洌瑢?shí)際應(yīng)用中，在進(jìn)行GPU配置時(shí)，多GPU設(shè)計(jì)就是會(huì)使服務(wù)器變得比較龐大，而且和其他標(biāo)卡設(shè)計(jì)兼容性不好，同樣這樣PCIE結(jié)構(gòu)就會(huì)成為GPU之間數(shù)據(jù)交換處理的瓶頸，嚴(yán)重影響多GPU架構(gòu)下多GPU的性能發(fā)揮，但是，傳統(tǒng)的并行計(jì)算方法的硬件昂貴，編程和軟件操作也需要專業(yè)化的技能，不利于推廣使用，同時(shí)配置容易出現(xiàn)GPU擴(kuò)展箱配置誤差，配置的準(zhǔn)確性和配置效率不夠高，從而影響計(jì)算機(jī)的性能，隨著圖形處理器( GPU)技術(shù)的快速發(fā)展，當(dāng)前GPU已經(jīng)發(fā)展成為具有極高并行計(jì)算能力的通用并行處理器，這使得基于GPU的通用計(jì)算技術(shù)( GPGPU)硬件成本且實(shí)現(xiàn)容易，逐步成為了近幾年的一個(gè)研究熱點(diǎn)，但是這導(dǎo)致大規(guī)模的拓?fù)鋬?yōu)化問題會(huì)產(chǎn)生龐大的計(jì)算量，常規(guī)的計(jì)算將十分耗時(shí)，極大的限制了拓?fù)鋬?yōu)化方法，鑒于此，我們提出一種自動(dòng)配置GPU擴(kuò)展箱的方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種自動(dòng)配置GPU擴(kuò)展箱的方法，以解決上述背景技術(shù)中提出的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種自動(dòng)配置GPU擴(kuò)展箱的方法，其方法步驟如下：

S1、數(shù)據(jù)流挖掘：采用CUDA計(jì)算模型對數(shù)據(jù)流進(jìn)行挖掘；

S2、拓?fù)鋬?yōu)化：采用BESO算法軟刪除的方式實(shí)現(xiàn)單元的增減，不會(huì)真正的刪除單元，保證了迭代過程中有限元模型的統(tǒng)一性，具有很好的并行性；

S3、并行計(jì)算：在預(yù)處理階段進(jìn)行顯存空間分配，并將計(jì)算模型信息從主機(jī)復(fù)制到設(shè)備，然后采用異步執(zhí)行的方式進(jìn)行數(shù)據(jù)傳輸配置，有利于減少中間結(jié)果數(shù)據(jù)輸出對程序執(zhí)行效率的影響；

S4、數(shù)值檢測：采用二維和三維結(jié)構(gòu)優(yōu)化檢測試精度和計(jì)算效率。

作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述S1中的CUDA計(jì)算模型采用數(shù)據(jù)流分位數(shù)并行算法。

作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述數(shù)據(jù)流分位數(shù)并行算法包括以下步驟：

①、初始化，分配主機(jī)緩沖區(qū)和設(shè)備內(nèi)存；

②、從數(shù)據(jù)流源中獲取并向設(shè)備交換一塊數(shù)據(jù)；

③、啟動(dòng)設(shè)備內(nèi)核，執(zhí)行數(shù)據(jù)流分位數(shù)并行計(jì)算子算法GPUQuantilesHistogram；

代碼如下：FOR elements in block B

IFB[i]maxorB[i]min

Normalize B[ i]into [ min, max] ENDIF

intj = GpuHash( B[ i])

SynopsisHist[j] ++;

④、更新基本窗口、刪除過期基本窗口；

⑤、如果接到On-time查詢請求，執(zhí)行數(shù)據(jù)流分位數(shù)并行查詢子算法GPUQuantilesQuery；

代碼如下：sharedMem[ tid] = source[ index]

int tid = threadldx. x//對于塊內(nèi)每個(gè)線程

for(len1; len0;len =1){ //b len次迭代完成求和