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]	张润莲, 张密, 武小年, 舒瑞. 基于GPU的大状态密码S盒差分性质评估方法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2785-2790.
[2]	张明, 付乐, 王海峰. 面向边缘计算的并发数据流接转控制模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3876-3883.
[3]	穆栋梁, 韩萌, 李昂, 刘淑娟, 高智慧. 概念漂移复杂数据流分类方法综述[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1664-1675.
[4]	陈志强, 韩萌, 武红鑫, 李慕航, 张喜龙. 分段加权的概念漂移检测方法[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 776-784.
[5]	陈虎, 周鹏灵. 面向国产高性能众核处理器的编程模型[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3517-3526.
[6]	刘乾, 张洋铭, 万定生. 网格化分布式新安江模型并行计算算法[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3327-3333.
[7]	姜松岩, 廖晓鹃, 陈光柱. 基于可满足性模理论的多处理机通信延迟优化任务调度方法[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 185-191.
[8]	蔡婧雯, 韦永壮, 刘争红. 基于GPU的密码S盒代数性质评估方法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2750-2756.
[9]	王乐, 韩萌, 李小娟, 张妮, 程浩东. 基于动态加权函数的集成分类算法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1137-1147.
[10]	邱鑫源, 叶泽聪, 崔翛龙, 高志强. 联邦学习通信开销研究综述[J]. 《计算机应用》唯一官方网站, 2022, 42(2): 333-342.
[11]	徐启迪, 刘争红, 郑霖. 基于GPU的低密度奇偶校验码译码加速技术[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3841-3846.
[12]	李小娟, 韩萌, 王乐, 张妮, 程浩东. 基于准确率爬坡的动态加权集成分类算法[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 123-131.
[13]	单芝慧, 韩萌, 韩强. 动态数据上的高效用模式挖掘综述[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 94-108.
[14]	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.
[15]	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.