异构机群系统上序列比对并行处理研究的中期报告.docxVIP

异构机群系统上序列比对并行处理研究的中期报告

一、研究背景

序列比对是生物信息学中一个重要的任务，可以用于分析基因组序列、蛋白质序列等信息。在序列比对中，基于动态规划的Smith-Waterman算法和基于快速查找的BLAST算法是最常用的方法，它们可以找到两个序列之间的相似性和差异性。

然而，随着生物序列数据量的不断增加，单机序列比对已经无法满足对海量数据进行高效处理的需求。因此，分布式系统和并行计算成为了解决序列比对的瓶颈问题的重要解决手段之一。

在异构机群系统上并行处理序列比对问题的研究，可以有助于提高序列比对的计算效率和准确性，促进生物信息学领域的研究和发展。

二、研究进展

1.异构机群系统的搭建

我们采用了深度学习云平台提供的异构机群系统，该系统由CPU、GPU和FPGA构成，可以同时处理不同类型的任务。我们已经成功搭建了这个系统，并且可以通过远程登录和操作控制系统的运行。

2.任务并行模型的设计

我们采用了任务并行的方法来处理序列比对问题，即将不同的序列比对任务分配到不同的计算节点上处理。在设计任务并行模型时，需要考虑到不同的计算节点之间的通信和数据传输问题，避免因为数据传输而导致系统的瓶颈问题。

我们将序列比对任务根据不同的计算节点分配到CPU、GPU和FPGA上处理。在处理过程中，我们使用MPI和OpenMP等并行计算框架来实现任务并行处理。

3.系统性能测试