随着大数据时代的来临，在各种计算机研究领域都需要进行大规模数据实时处理，如社会计算中的实时数据分析、网络安全中的异常流与内容检测、图像处理中的海量视频分析等。由于图形处理器GPU通用计算的大力发展，并且GPU非常适合处理数据密集型的计算任务，因此GPU或GPU集群已经成为大规模数据实时处理的重要解决方案。在实时处理大规模数据时，能量成为一种需要关注的计算资源，对计算可靠性和系统扩展性起约束作用。因此有效的能耗管理和优化成为GPU通用计算中函待解决的问题，也是绿色节能计算的要求。本文主要围绕GPU通用计算中能耗管理及优化这一中心目标，从GPU计算能耗测量、功耗预测、单节点并行处理策略的能耗分析到GPU集群能耗的实时控制，层次分明地研究GPU通用计算中的能耗问题。GPU能耗测量和预测是能耗管理与优化的基础，能耗优化和实时控制是整个研究的重点，在能耗优化的过程中保证计算性能和可靠性的损失最小是课题的难点。综合分析图形处理器通用计算中的关键技术，以GPU体系结构的发展趋势为线索，详细讨论通用计算编程模型、存储模型、通信模型、负载均衡等重要方面的研究内容、方法、工具，为GPU及GPU集群能耗优化和可靠性研究奠定基础。在此基础上进行了下列创新工作：1.提出两种GPU通用计算程序能耗预测方案，第一种方法分析中间语言PTX指令的能耗特征，根据通用计算程序的结构特点展开循环指令并统计PTX指令数，由此预估应用程序的计算能耗，这是一种简单可行、普适性强的预测方案。第二种方法则从源代码层次分析，用程序切片法分解程序并以非线性回归和小波神经网络的方法建立预测模型。该方法创新点是进一步区分应用程序的结构，分别为分支稀疏和分支稠密的应用程序建立预测模型，提高了应用程序的预测准确性。2.以处理大规模实时数据为背景，针对单GPU节点的计算提出一种通用性较好的并行处理策略，可以应用到各种实际算法中，文中以复杂网络聚类算法作为一种典型应用来验证并行策略的有效性。对这两种并行处理策略进行计算能耗分析，并提供了各种适合的应用场景。此外，提出解决单GPU节点计算的故障检测及容错机制，在保证计算可靠性的前提下优化能耗。3.提出一种针对GPU集群能耗优化控制系统，该控制系统以模型预测为核心控制策略，能够适应动态计算负载的变化，实时调整GPU能耗状态来消减计算过程中的冗余能耗。构建网络诱骗系统获得实际的网络入侵数据，并以此作为实际工程数据对能耗控制系统进行应用验证。4.以最大熵函数产生了组合计算性能、可靠性及能耗的综合控制指标，以此改进能耗优化控制系统，改善能耗状态调整机制对计算可靠性造成的损失。该方法突破了传统的多目标转化为单目标方法的局限性，能够正确辩识候选解的优劣，动态调整GPU集群的工作状态，使其达到计算性能最优、稳定性最好、能耗最低的目标。