- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于GPU_Hadoop的并行计算框架研究与实现_张凯
31 8 Vol. 31 No. 8
第 卷第 期 计 算 机 应 用 研 究
2014 8 Application Research of Computers Aug. 2014
年 月
*
基于 GPU-Hadoop 的并行计算框架研究与实现
1 1 2
, , 其成
张 凯 秦 勃 刘
(1. 中国海洋大学 , 266100 ;2. , 264005)
信息科学与工程学院 山东青岛 烟台大学计算机学院 山东烟台
: Hadoop , GPU Hadoop
摘 要 针对原生的 云平台处理海洋环境信息可视化效率不高的问题 提出了一种 嵌入 云
。 Hadoop ,GPU MapReduce ,
平台的并行计算框架 该框架以原生 为基础 并行计算与 相结合 实现了高效的海洋流
。 ,
场可视化和特征可视化 实验结果表明 提出的并行计算框架在处理数据密集型和计算密集型的海洋数据的效
Hadoop , 6 ~ 8 。 ,
率上优于原生的 云平台 可达到 倍的加速比 因此 提出的云平台框架可以有效提高海洋信息可
, 。
视化的计算效率 对我国海洋事业的信息可视化发展具有重要的推动作用
: ; ; ;Hadoop ; ;MapReduce
关键词 云计算 图形处理器 并行计算 海洋流场可视化
中图分类号:TP391. 72 文献标志码:A 文章编号:1001-3695 (2014)08-2548-03
doi :10. 3969 /j. issn. 1001-3695. 2014. 08. 076
Study of parallel computing framework based on GPU-Hadoop
ZHANG Kai1 ,QIN Bo1 ,LIU Qi-cheng2
(1. College of Information Science & Engineering ,Ocean University of China ,Qingdao Shandong 266100 ,China ;2. School of Computer Scie-
nce ,Yantai University,Ya
文档评论(0)