论文部分内容阅读
当前GPU集群的主流编程模型是MPI与CUDA的松散耦合，采用这种编程模型进行编程，存在编程复杂度大、程序的可移植性差、执行效率低等问题。为此，提出一种面向通用计算GPU集群的任务自动分配系统StreamMAP。对编译器进行改造，以编译制导的方式提供集群任务的计算资源需求，通过运行时系统动态地发现、建立并维护系统资源拓扑，设计一种较为契合GPU集群应用特征的任务分配策略。实验结果表明，StreamMAP系统能降低集群应用程序的编程复杂度，使之较为高效地利用GPU集群的计算资源，且程序的可移植性和可扩展性也