摘要：随着硬件功能的不断丰富和软件开发环境的逐渐成熟,GPU在通用计算领域的应用越来越广泛,使用GPU集群来进行海量数据计算的例子不胜枚举。但是,相对于CPU,GPU的功耗较大,如果每个节点都配备GPU,则将大大增加集群的功耗。虚拟化技术的引入使得在虚拟机中利用GPU资源进行通用计算成为可能。为高效、充分地利用GPU,针对GPU的特点,提出了一种面向多任务的可动态调度、支持多用户并发的GPU虚拟化解决方案。在已有的GPU虚拟化方案的基础上,综合考虑虚拟机域间通信的通用性以及任务的周转时间,建立了CUDA管理端来对GPU资源进行统一管理。通过设置综合负载评价值实现负载均衡并降低任务的平均周转时间。在设计的系统上进行大规模矩阵运算实验,结果说明了GPU虚拟化方案在计算系统中的可行性和高效性。

摘要：资源调度是云计算中的关键问题之一,它的调度机制与算法直接影响到云计算系统的性能及成本.GPU(graphics processing unit)正越来越多地被应用到通用计算领域,作为高性能云计算系统中的特殊计算资源,对GPU计算资源的调度有其特殊性.综合考虑计算任务在节点间以及节点内部的数据传输延迟,以充分利用系统GPU计算资源、掩藏传输延迟为目标,研究了云环境下多GPU的"传输&传输&执行"三段调度问题.提出一种云环境下GPU计算资源调度机制MGSC(Multi-GPU resource Scheduling scheme in Cloud environment):考虑了GPU计算中传输与计算的因素,讨论了在GPU计算中出现的四种资源需求情况,建立GPU计算资源模型;为了减轻中心节点的任务处理压力,设计了基于树型结构的GPU资源分布式检索算法.实验结果说明,MGSC在满足多用户共享GPU计算资源的同时,能够较好地提高云计算系统中GPU计算资源利用率,获得较高的服务质量,有效地减少资源闲置,降低服务提供者的服务成本.