传统CPU多核处理器和CPU集群有时无法满足应用程序对大规模和超大规模计算的需求,图形处理器GPU正在以其特有的高性能浮点计算、并行计算的优势得到广泛应用。以“传统CPU处理器+GPU加速协处理器”为特征的CPU/GPU异构集群因其同时具有逻辑控制能力以及计算密集性优势而逐渐成为大数据和大规模计算的研究热点。异构并行体系架构内传统核CPU与计算核GPU协同工作,与数据流编程模型中数据通信与计算任务分离的特征相符合,能够充分暴露出数据流程序中能够并行化处理的功能模块,合理分配硬件资源。但是,传统CPU集群平台下的任务划分调度、软件流水线构造及数据通信等处理方式并不能简单复制到异构集群平台。针对异构集群硬件平台的多级并行结构,以数据流应用程序及CPU/GPU异构特性为基础,设计并实现了一个面向多核CPU/众核GPU异构集群的数据流编程模型。该数据流编程模型主要包括二级任务划分调度实现任务单元映射、层次性阶段赋值构造软件流水线、MPI/OpenCL混合编程模型以分布式存储和共享存储相结合的模式完成数据通信以及C++与OpenCL混合目标代码生成四个模块。该模型具有两个方面的优势:最大化挖掘多媒体领域数据流应用程序大规模运算的特点以及其潜在的并行性;充分发挥异构集群架构的硬件配置使得CPU与GPU协同工作,并通过层次性划分调度构造两级任务流水线提高程序整体执行性能。实验采用X86多核处理器和Amax混合架构处理器搭建异构集群平台,测试程序源于数字媒体领域应用相对广泛的典型算法,从多个角度分析验证了该CPU/GPU异构集群数据流编程模型的有效性。