基于GPU/CPU的流程序多粒度劃分與調(diào)度

　　數(shù)據(jù)流編程語言簡化了相關(guān)領(lǐng)域的編程，很好地把任務(wù)計算和數(shù)據(jù)通信分開，從而使應(yīng)用程序分別在任務(wù)級和數(shù)據(jù)級均具有可并行性。針對GPU/CPU混合架構(gòu)中存在的大量數(shù)據(jù)并行、任務(wù)并行和流水線并行等問題，提出并實現(xiàn)了面向GPU/CPU混合架構(gòu)的數(shù)據(jù)流程序任務(wù)劃分方法和多粒度調(diào)度策略，包括任務(wù)的分類處理、GPU端任務(wù)的水平分裂和CPU端離散任務(wù)的均衡化，構(gòu)造了軟件流水調(diào)度，經(jīng)過編譯優(yōu)化生成OpenCI。的目標(biāo)代碼。任務(wù)的分類處理根據(jù)數(shù)據(jù)流程序各個任務(wù)的計算特點和任務(wù)間的通信量大小，將各任務(wù)分配到合適的計算平臺上；GPU端任務(wù)的水平分裂利用GPU端任務(wù)的并行性將其均衡分裂到各個GPU，以避免GPU間高額的通信開銷影響程序整體的執(zhí)行性能；CPU端離散任務(wù)的均衡化通過選擇合適CPU核，將CPU端各任務(wù)均衡分配給各CPU核，以保證負(fù)載均衡并提高各CPU核的利用率。實驗以多塊NVIDIA Tesla C2050、多核CPU為混合架構(gòu)平臺，選取多媒體領(lǐng)域典型的算法作為測試程序，實驗結(jié)果表明了劃分方法和調(diào)度策略的有效性。
?