基于GPU/CPU的流程序多粒度劃分與調度

　　數(shù)據(jù)流編程語言簡化了相關領域的編程，很好地把任務計算和數(shù)據(jù)通信分開，從而使應用程序分別在任務級和數(shù)據(jù)級均具有可并行性。針對GPU/CPU混合架構中存在的大量數(shù)據(jù)并行、任務并行和流水線并行等問題，提出并實現(xiàn)了面向GPU/CPU混合架構的數(shù)據(jù)流程序任務劃分方法和多粒度調度策略，包括任務的分類處理、GPU端任務的水平分裂和CPU端離散任務的均衡化，構造了軟件流水調度，經(jīng)過編譯優(yōu)化生成OpenCI。的目標代碼。任務的分類處理根據(jù)數(shù)據(jù)流程序各個任務的計算特點和任務間的通信量大小，將各任務分配到合適的計算平臺上；GPU端任務的水平分裂利用GPU端任務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端離散任務的均衡化通過選擇合適CPU核，將CPU端各任務均衡分配給各CPU核，以保證負載均衡并提高各CPU核的利用率。實驗以多塊NVIDIA Tesla C2050、多核CPU為混合架構平臺，選取多媒體領域典型的算法作為測試程序，實驗結果表明了劃分方法和調度策略的有效性。
?