MPI并行计算应用

介绍了MPI并行计算的基本概念和搭建并行计算集群的方法,使用计算值的算法对系统的性能进行了验证,结果表明系统可以实现高性能计算的并行处理。     

并行计算与MPI研究

并行计算作为现代科学计算的一种重要方法,常用于解决复杂和计算量大的问题。MPI程序包含了并行计算的思想,文章对并行计算与MPI进行了研究,了解了MPI程序思想,对并行计算意义较大。     

基于OpenMP的短波射线追踪并行计算

在基于分布共享存储结构的高性能计算机上,研究三维短波射线追踪的并行化计算。通过对三维射线追踪串行程序的分析,给出了程序在并行计算时需要考虑的因素,最后采用OpenMP的并行计算技术,对短波射线追踪算法进行了仿真计算。仿真结果表明运行速度得到了大幅度的提高,证明了该算法的有效性。     

基于混合并行模型的热传导问题研究及测试

MPI+OpenMP的混合并行是在单一的并行方法上提出改进的模型,本文研究的热传导方程问题是流体力学领域较为常见的应用之一,在较为耗时的流体模拟如实验网格数量较大时中对单一及混合并行方法进行比较,分析混合并行方法在实际工程计算中的效率。     

基于MPI＋OpenMP混合编程模型的水声传播并行算法

声波是目前唯一能够在海水介质中进行远距离传播的有效载体,因此水下声传播成为海洋声学研究的主要内容之一,对现代声纳的设计和使用具有重要意义.宽带声传播、浅海地声反演、匹配场定位、水下环境仿真等技术的发展对水声传播提出了越来越高的要求,如何充分利用声传播模型和现代计算机技术实现声传播的快速计算已成为水声技术的一个重要研究方向.针对曙光TC4000L高性能机群系统计算节点多核处理器的组成特点,采用MPI＋OpenMP并行混合编程模型实现了射线-简正波-抛物方程模型并行算法.测试分析结果表明,设计的并行算法具有较高的并行计算效率.     

基于微机集群系统的MPI并行计算

计算机集群系统具有性能高、扩展性强等特点,能够充分发挥并行计算能力。在现有的微机条件上建立了基于Windows和MPI的集群计算环境,并在此平台上通过MPI并行程序设计思想,提出了利用蒙特卡罗积分法的PI值求解算法。通过对大量的PI值计算实验结果分析,发现基于MPI的并行计算能大幅度提高运算效率。     

MPI+OpenMP混合编程在三维电磁辐射计算中的应用

在多核CPU集群环境下,采用MPI+OpenMP混合算法,实现了FDTD算法电磁场点源辐射数值模拟计算,有效解决了传统的FDTD算法在大数据电磁辐射计算中空间和时间上的不足的问题,并运用区域分割、子区域数据通讯、合并嵌套等方法提高程序的并行性,最后对计算结果进行正确性验证.通过在上海大学高性能集群上与MPI算法进行性能对比,结果表明,利用MPI+OpenMP获得了较高的加速比,并有效地节省计算资源,加快计算速度.     

高效率FDTD 网络并行计算研究

目前,时域有限差分方法（Finite Difference Time Domain,FDTD）在电磁数值计算中已获得了广泛应用。对许多复杂电磁问题,FDTD 算法需要耗费巨大的计算机计算时间和存储空间,这成为FDTD 方法亟待解决的难题。本文提出了应用基于消息传递(Message Passing)方式实现FDTD 的并行算法。并对基于MPI 不同通信方式的并行FDTD 进行了效 率比较。采用MPI2.0 单边通信方式中的put 操作和主动对象同步(PSCW)方式,在一套16 个节点的Beowulf 型网络并行计算机系统上,实现了三维FDTD 并行程序,获得了较高的加速比和并行效率。     

多核处理器并行计算模型研究

针对并行计算机体系结构中没有通用的计算模型这一问题,分析了一些现有的典型计算模型,在同步性、通信方式、参数方面进行比较,以LogGP模型为基础提出一种改进的mzLogGP模型.利用MPI并行算法对满足节点计算资源非独占、网络存在拥塞条件下的并行程序进行分析与测试,通过增加memory层次化层数和网络拥塞指数这两个参数,...     

基于并行运算的Mesh结构P/G网快速验证方法

提出了一个基于网络划分和分布式并行运算的P/G网快速验证方法。对于各子网运算,采用带加速子网运算策略的Cholesky分解法;并根据各子网运算相互独立的特点,采用基于MPI的并行结构对子网络运算进行分布式并行运算。实验证明,该快速验证方法在运算时间和内存占用上效果十分显著。     

实时云计算数据库——数据立方

基于快速发展的并行数据库技术、云计算MapReduce技术及其混合技术,分析了这些技术的优缺点,对并行计算架构、分布式存储系统之上的索引以及其他方面进行了研究,提出了一种被称为数据立方的大数据处理系统。通过与大数据处理系统Hive和HadoopDB的对比实验表明,数据立方的大数据处理系统在入库、查询、并发、扩展等多方面有明显的优势。     

云计算中MapReduce技术研究

云计算是由并行计算、分布式计算和网格计算发展而来,MapReduce是云计算的核心技术之一,它为并行系统的数据处理提供了一个简单、优雅的解决方案,其主要目的是为了大型集群的系统能在大数据集上进行并行工作,并用于大规模数据的并行运算.首先介绍了云计算与MapReduce的相关知识,然后对目前MapReduce的国内外研究状况进行了介绍与评析,并总结了目前MapReduce模型的相关研究问题,最后进行总结并展望了未来发展的趋势.     

浅析R语言并行计算在大数据分析中的应用

介绍了当今最流行的统计编程语言R语言,描述了R语言向量化计算思想以及其并行计算的软件包的使用过程,探讨了R语言在大数据分析中的应用.     

并行计算环境下的快速傅立叶变换算法分析

为了提高并行环境下的傅立叶算法的运行速度,深入研究在不同并行计算模型下的傅立叶算法性能特点,分析输出结果序列关系和递归层数的确定方法,对SIMD-MCC模型、SIMD-BF模型、SIMD-CC模型下的傅立叶算法计算步骤和算法复杂度进行研究。结果表明,SIMD-CC模型更适合傅立叶算法的运算,其计算时间复杂度可达到O(lbn),并且使用的处理器个数也较SIMD-MCC模型少。     

Analysis of Hot Topics in Cloud Computing

In the field of cloud computing, topics such as computing resource virtualization, differences between grid and cloud computing, relationship between high-performance computers and cloud computing centers, and cloud security and standards have attracted much research interest. This paper analyzes these topics and highlights that resource virtualization allows information services to be scalable, intensive, and specialized; grid computing involves using many computers for large-scale computing tasks, while cloud computing uses one platform for multiple services; high-performance computers may not be suitable for a cloud computing; security in cloud computing focuses on trust management between service suppliers and users; and based on the existing standards,standardization of cloud computing should focus on interoperability between services.     

分布式并行计算在超分辨率图像增强中的应用

主要介绍了分布式并行计算在超分辨率图像增强领域中的应用,超分辨率图像增强是指在不升级现有采集设备、不增加传输带宽的情况下,对现有1080P的视频内容通过软件方法提高图像分辨率,从而使图像达到4K的画面质量.由于超分辨率图像增强技术需要强大的计算能力支持,研究了分布式并行计算环境下的超分辨率图像增强系统的搭建以及性能对比测试,得出了分布式并行计算技术可以成百倍地提升超分辨率图像增强处理能力的结论,在实际应用中可大幅提升4K内容的生产能力.     

云计算模式下的继电保护定值优化算法

由于电力系统网络规模的不断扩大,继电保护整定对计算机计算及存储能力的要求也随之升高。为此,将云计算引入到电力系统继电保护整定计算中来,论述了云计算在电力系统数据中心中的应用,并提出了基于云计算的整定计算平台架构;接着,对云计算模式下的继电保护定值优化方法进行研究,建立了继电保护定值优化模型,基于并行遗传算法对其进行优化;最后,通过算例分析证明了所提算法可以有效满足保护定值中的灵敏度和选择性要求,充分证明该方法的优越性与合理性。     

云计算热点问题分析

在云计算的研究和应用中一些热点问题比较突出,如：如何理解计算资源及其虚拟化、云计算与网格计算的差异、云计算中心与高性能计算机的关系、云安全和云标准等。文章对此给出了一些见解：计算资源的虚拟化促使信息服务走向规模化、集约化和专业化;网格计算是＂多为一＂,而云计算是＂一为多＂;部署于高性能计算中心的高性能计算机未必适合云计算;云安全已经将传统安全问题发展为服务方和被服务方之间的信任和信任管理问题;在现有标准的基础上,云计算标准将需更加关注服务的互操作等。     

云计算与网格计算

分布式处理、并行处理和网格计算的发展推动了计算机产业的发展,云计算运动随之产生。介绍了云计算服务类型,云计算和网格计算的相似与不同,同时探讨了云计算优于网格计算的地方,两者面临的共同问题以及一些安全方面的问题。