使用GPU技术的数据流分位数并行计算方法

计算机应用 ›› 2010, Vol. 30 ›› Issue (2): 543-546.

使用GPU技术的数据流分位数并行计算方法

周勇¹,王皓²,程春田³

1. 大连理工大学
2. 大连理工大学软件学院
3.

收稿日期:2009-08-02 修回日期:2009-09-13 发布日期:2010-02-10 出版日期:2010-02-01
通讯作者: 王皓
基金资助:
电力市场环境下省级电网水火电协调竞争优化及风险分析方法

Parallel computing method of data stream quantiles with GPU

Received:2009-08-02 Revised:2009-09-13 Online:2010-02-10 Published:2010-02-01
Contact: Hao Wang

摘要/Abstract

摘要： 数据流实时、连续、快速到达的特点决定了数据流的实时处理能力。在处理低维数据流时经常使用分位数信息来描述数据流的统计信息，利用图形处理器（GPU）的强大计算能力和高内存带宽的特性计算数据流分位数信息，提出了基于统一计算设备架构（CUDA）的数据流处理模型和基于该模型的数据流分位数并行计算方法。实验证明，该方法在提供不低于纯CPU分位数算法相同精度的条件下，使数据流分位数的实时计算带宽得到了显著的提高。

关键词: 统一计算设备架构, 通用图形处理器, 数据流, 分位数, 并行计算

Abstract: The real-time, continuous and rapid arrival properties of data streams decide the real-time processing capability of data stream. Quantiles are commonly used for describing data stream with low dimension distribution. The research focused on mining powerful computing capacity and high memory bandwidth of Graphics Processing Unit (GPU) to compute data stream quantiles, and presented a GPU cooperated parallel processing model of data stream based on Computing Unified Device Architecture (CUDA) as well as parallel computing method of data stream quantiles which increased data stream processing bandwidth remarkably with precision no less than pure CPU algorithm.

Key words: Computing Unified Device Architecture (CUDA), general-purpose computing on graphics processing unit, data stream, quantile, parallel computing

周勇王皓程春田. 使用GPU技术的数据流分位数并行计算方法[J]. 计算机应用, 2010, 30(2): 543-546.

[1]	尹春勇, 张帼杰. 面向分布式漂移数据流的集成分类模型[J]. 计算机应用, 2021, 41(7): 1947-1955.
[2]	郭帅, 苏旸. 基于数据流的加密流量分类方法[J]. 计算机应用, 2021, 41(5): 1386-1391.
[3]	解文博, 韦永壮, 刘争红. 基于CUDA的SKINNY加密算法并行实现与分析[J]. 计算机应用, 2021, 41(4): 1136-1141.
[4]	杨先凤, 贵红军, 傅春常. 统一计算设备架构下的F-X域预测滤波并行算法[J]. 计算机应用, 2021, 41(2): 486-491.
[5]	樊仲欣. 基于数据流的聚类趋势分析算法[J]. 计算机应用, 2020, 40(8): 2248-2254.
[6]	曾志阳, 陈燕, 王珂. 圆片下料并行遗传算法的设计与实现[J]. 计算机应用, 2020, 40(2): 392-397.
[7]	崔艺馨, 陈晓东. Spark框架优化的大规模谱聚类并行算法[J]. 计算机应用, 2020, 40(1): 168-172.
[8]	苏振宇, 宋桂香, 刘雁鸣, 赵媛. 服务器管理控制系统威胁建模与应用[J]. 计算机应用, 2019, 39(7): 1991-1996.
[9]	何希, 吴炎桃, 邸臻炜, 陈佳. 基于图形处理器的形态学重建系统[J]. 计算机应用, 2019, 39(7): 2008-2013.
[10]	龚鸣清, 叶煌, 张鉴, 卢兴敬, 陈伟. 基于ARMv8架构的面向机器翻译的单精度浮点通用矩阵乘法优化[J]. 计算机应用, 2019, 39(6): 1557-1562.
[11]	孙小涓, 石涛, 胡玉新, 佟继周, 李冰, 宋峣. 基于流式计算的空间科学卫星数据实时处理[J]. 计算机应用, 2019, 39(6): 1563-1568.
[12]	张译天, 于炯, 鲁亮, 李梓杨. 大数据流式计算框架Heron环境下的流分类任务调度策略[J]. 计算机应用, 2019, 39(4): 1106-1116.
[13]	韩萌, 丁剑. 数据流频繁模式挖掘综述[J]. 计算机应用, 2019, 39(3): 719-727.
[14]	沙宗轩, 薛菲, 朱杰. 基于并行强化学习的云机器人任务调度策略[J]. 计算机应用, 2019, 39(2): 501-508.
[15]	冯凯, 李婧. k元n方体的可靠性评估[J]. 计算机应用, 2019, 39(11): 3323-3327.