on）两种。DSS常用于分布式存储的并行计算环境,每个处.PDFVIP

浙江大学博士研究生学位论文 SpaceSubdivision)两种。DSS常用于分布式存储的并行计算环境，每个处 理器分得体数据的一个子集，在这个子集上重采样:而ISS常用于共享内存 的并行计算环境，每个处理器负责处理整个结果图像的一部分。AnyGL系 统结构属于分布式存储并行环境，结合实时处理技术和快速体绘制方法的特 点，综合采用DSS和ISS数据分割方法，进行如下划分: ① 整个体数据集合按照切片进行划分。 ② 近景部分的深度对应的切片数据集由Host单独划分出来，以便采用 基于边界体素的光线投射技术实现计算。 ③ 近景对应的切片数据集，按ISS再细分m块。 ④ 对远景部分的深度对应的切片数据集由Host单独划分出来，以便采 用基于边界体素的Shear-WarpSplatting技术实现计算。 ⑤ 远景对应的切片数据集，按DSS再细分n块。 ⑥ 为了减少任务之间的通信，把每个任务所需要的数据全部分配给它。 5.4.4负载平衡 有效的任务分配和负载平衡是减少处理机资源浪费和提高并行算法效 率的重要途径。负载平衡策略分为静态负载平衡策略和动态负载平衡策略。 为了获得好的负载平衡，算法需要满足: ① 隐藏延迟时间，可通过操作流水或并发处理使通信的建立与数据 的传输重叠。 ② 通信在程序执行期间分布良好，尽量避免集中通信，以减少因网 络竞争而引起的进程等待。 ③ 尽可能的减少处理机的空闲时间。 5.4.4.1静态负载平衡 静态负载平衡策略的关键是正确评估任务的工作量，由于每个计算节点 将独立完成本机子数据场的计算任务，数据场分块规模的大小，即体元数的 多少，基本上同计算工作量成正比，代表了任务工作量的大小。假设数据场 的每一层切片作为任务分配的基本单位，P为计算节点的数目，c，为分布于 节点P的‘体元数目，负载平衡的目的就是寻求一种任务分配的方法X=(CI, CZ,…，今)，使得如下的函数F(X)取得最小值: F (X)= m ax }c， c，}， (i,j=0,1,2,p) ix j 浙江大学博士研究生学位论文 体绘制算法往往是利用数据场的相关性提高绘制效率的。在任务分配 时，为提高算法的效率，应保持相邻的层分配在同一节点上。设数据场共划 分为 n层，b‘为第 i层的体元数，需要求解一组索引对 (k，,k:z)， (k孟，k罗)，… (k ，kp2) 使得如下的函数F (X)取得最小值: F (X)=mIa*xjJ艺bm (ij=0,1,2,p) ，二日 。二码 另一个问题是如何求得一个任务划分，使得F(X)取得最小值。一种可 能的方法是采用枚举法，但在计算节点较多时，会导致较大的计算量，这显 然是不可取的。可以利用贪心法进行任务划分，使得任务的分配量与平均分 配量之间的差的平方最小。 5.4.4.2动态负载平衡 在分布式计算环境下，由于各节点的进程加载情况不断变化，仅用静态 负载平衡往往是不够的，需要动态负载平衡来解决。任务池技术是动态负载 平衡的常用方法，其基本流程如图5-20所示。设有p台处理机把整个计算 任务划分为n个子任务 (n-p，通常n=彻，k=1,2，二，)，称为n个元素 的任务池。主进程初启子进程时，给每个子进程分配一个任务 (数据块)， Ti,T2，二，TP，各子进程独立完成局部计算，并将结果返回给主进程。当 一个子进程返回结果时，若任务池不为空，则把下一个任务分配给它，否则 结束其运行。 对于体绘制，直接按顺序分配任务会带来以下的问题: (1)由于数据空间的连续性，相邻数据块运算量相近，分到相邻任务的两 个子进程，很有可能在较多的时间间隔内完成.由此造成总线竞争和空闲， 如图5-21所示。 (2)子进程返回结果与主进程接受、发送下一个任务是一个串行过程，子 进程在这段时间内处于空闲状态。 (3)各子进程返回结果的顺序无法预测，因而主进程必须为每一个结果保 留一个图像缓冲区，所有的结果都收集到以后才能合成，不仅增加了