科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对高性能MapReduce集群速率不高、自适应控制能力不好的问题,提出基于GPU加速的高性能MapReduce集群设计方法。构建高性能MapReduce集群控制的网络结构模型,采用并行计算框架方法构建高性能MapReduce集群云平台,结合GPU加速方法进行数据同态管理以及并行计算的优化控制,在多层次多粒度并行计算框架下实现GPU的整体存储容量扩展融合处理;设计GPU加速并行计算的自适应算法,构建优化的GPU计算交替执行模式,通过多核CPU的Hadoop并行计算体系实现高性能MapReduce集群设计和自适应参数融合调节,采用大数据挖掘和空间状态特征匹配的方法,提高高性能MapReduce集群控制和动态响应的能力。仿真结果表明,采用该方法进行设计的高性能MapReduce集群输出稳定性较高、计算速率较好,且提高了GPU动态响应和并行计算能力。
- 单位
