基于大型机的面向银行柜员的账户管理系统—外文翻译.docVIP

大 连 理 工 大 学 本 科 外 文 翻 译 可视化服务中基于GPU群集的作业调度设计 A Job Scheduling Design for Visualization Services using GPU Clusters? 学 部（院）： 软件学院 专 业： 网络安全 学 生 姓 名： 陈倩东 学 号： 200992264 指 导 教 师： 陈鑫 完 成 日 期： 2013-04-02 大连理工大学 Dalian University of Technology 可视化服务中基于GPU群集的作业调度设计 Wei-Hsien Hsu Chun-Fu Wang Hongfeng Yu Kwan-Liu Ma Jacqueline H.Chen 加利福尼亚大学计算机科学系 桑迪亚国家实验室 利用像基于云计算的规模庞大的集群系统的能力，现如今用户可以以一种可伸缩的、划算的方式来处理和分析大规模数据。在基于网页的商业应用和科学应用领域中，稳步提升的云计算的部署能力已经充分证明了大规模系统的成功。为了进一步提高运算能力，同时降低大规模系统的耗能，最近的趋势倾向于使用多样的处理单元，例如图形处理器（GPU），与中央处理器（CPU）协同工作。例如，群集GPU实例近期已经被应用到亚马逊EC2芯片上用以在云端传递多样的处理能力。这种新系统与原始的云端构造相比，更能达到可观的性能上的提高。 利用这些多样的、专业的系统处理器能够以交互式方式运行传统的运算敏感型任务。由此产生的结果是，抛开传统的像网页索引之类的批处理作业不谈，对这些大规模系统支持交互式作业的需求已经迫在眉睫。在这样的用例中，多个用户能够共享计算资源，能够在一个大规模数据集上交互地运行处理任务。这样的集中式的样式繁杂的工具能够确保用户在极短的转换时间内完成任务，同时能够充分利用大规模的系统。 在用户之间共享这种高效的大规模系统并不是一个微不足道的任务。即使许多复杂的作业调度技术已经被用来提高系统效率，以保证对多用户的支持，但大多数当前技术都没有成能够在大规模多样性系统上运行的能力。与传统的单一系统相比，多样性系统以多内存层级和高水平的并发性为典型特色，这样导致了数据传输速度与计算机运算速度之间的不一致性越来越大。进而导致数据的本地性对系统性能来说越来越重要。我们提出一种高效的作业调度策略，使处理运算紧贴输入数据。我们选择并行的可视化的，尤其是并行的立体图像的数据，作为我们的目标应用。通过开发多GPU系统，有希望达到对大规模立体图像数据的交互式处理的帧速率。这种能力对大多数科学应用来说是非常需要的。我们的工作将使很大一类领域应用受益，本文将证明这一点。 许多研究已经开始探讨提高交互性，通用性和平行立体图像数据加载平衡技术的问题。然而，大多数传统的方法忽视了发生在处理立体图像数据之前，从硬盘获取数据到内存，尤其是到主存和图像存储器中的数据的本地性问题。在单用户的应用场景中，这种一次性的初始化过程可以被省略，因为用户在整个会话期间通常一次只研究一个数据集。然而，这个问题在多用户场景会变得很复杂：许多用户可能同时交互地使用多个不同的数据集，并且一些用户可能会提交渲染数据批处理作业以产生动画或可视的时变的数据。如此一来，系统可能会由于大数量的输入/输出（I/O）操作和内存交换操作而出现超负荷运转现象。而这种数据获取步骤是不能被忽视的，因为它已经不再是一个一次性的作业，并且其时间支出能够严重影响客户端和服务器端系统的全局性能。 在这篇文章中，我们针对同时向多用户提供平行可视化服务的服务器提出一种高效的作业调度机制。尽管作业调度机制已经被广泛研究来支持多作业和多用户系统，但据我们所知，还没有研究成果能够在并行的可视化渲染服务中应用大量的调度算法以同时支持批处理操作和交互式操作。 同时我们提出一种代价模型来评价处理平行可视化渲染数据算法的运算代价。利用这个模型，可视化系统中的渲染代价能够量化和预测。我们已经设计了一种启发式算法来达到最优化调度渲染作业的目的，这样数据的本地性和加载收支能都能够被考虑在内。我们将通过实验来把我们提出的算法与已有的多种调度机制做对比。我们的算法比其他算法的表现都要好，并且成功地优化了可视化服务，这样就能够向多个用户提供服务来提高机器使用率，同时还能维护令人满意的反应速率。基于我们的设计的实验研究结果充分证明了共享