CN102521791A - 智能图形加速方法及系统 - Google Patents
智能图形加速方法及系统 Download PDFInfo
- Publication number
- CN102521791A CN102521791A CN2011104326340A CN201110432634A CN102521791A CN 102521791 A CN102521791 A CN 102521791A CN 2011104326340 A CN2011104326340 A CN 2011104326340A CN 201110432634 A CN201110432634 A CN 201110432634A CN 102521791 A CN102521791 A CN 102521791A
- Authority
- CN
- China
- Prior art keywords
- thread
- ncpu
- intelligent graphic
- module
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种智能图形加速方法及系统,该方法包括:智能获取CPU的核的个数为Ncpu;根据用户处理需求,分割得到Ncpu个块单元;开启Ncpu个线程,把Ncpu个块单元分配给线程;每个线程根据自己的块单元生成的球形空间,遍历最优设备空间树,若当前设备和线程的球形空间包含或相交且满足相应的用户处理需求,则进行相应的智能图形加速处理,该系统包括:获取模块;分割模块;线程分配模块;智能图形加速处理模块,本发明由于充分利用了多核CPU,使大容量的图形能快速读取和显示且能快速查找到所需图形设备,提高了图形处理的效率,作为一种智能图形加速方法及系统广泛运用于智能配电网技术领域中。
Description
技术领域
本发明涉及智能配电网技术领域,特别是涉及一种智能图形加速方法及系统。
背景技术
智能配电网(Smart Distribution Grid)是智能电网(Smart Grid) 中配电网部分的内容。目前的智能配电网具有以下特征:一、具有自愈能力;二、具有更高的安全性;三、提供更高质量的电能;四、支持分布式电源的大量接入;五、可对配电网及其设备进行可视化管理;六、具有更高的资产利用率。
智能配电网中的配电主站构建在标准、通用的软硬件基础平台上,具备可靠性、实用性、安全性和可扩展性,其中包含的基本功能涉及到了2D、3D图形的显示技术,现有的图形显示技术在数据量非常大的时候会运行的比较缓慢,同时对于图形设备的查找和统计也是慢的,而且该技术是采用C、C++语言开发的,实现跨平台运用的难度也很大。对比,本发明实现了在数据量非常大的情况下,加快图形的显示和图形设备的查找和统计,基于java+opengl的开发也方便于跨平台显示。
发明内容
本发明的目的是提供一种高效的智能图形加速方法。
本发明的另一个目的是提供一种智能图形加速系统。
本发明解决其技术问题所采用的技术方案是:
智能图形加速方法,包括以下步骤:
A、智能获取CPU的核的个数为Ncpu;
B、根据用户处理需求,分割得到Ncpu个块单元;
C、开启Ncpu个线程,把Ncpu个块单元分配给线程;
D、每个线程根据自己的块单元生成的球形空间,遍历最优设备空间树,若当前设备和线程的球形空间包含或相交且满足相应的用户处理需求,则进行相应的智能图形加速处理。
进一步,所述步骤D中智能图形加速处理包括:
若当前设备和线程的球形空间包含或相交,则就把该设备绘制到显示卡中或内存中,然后采用双缓冲的技术显示到屏幕上;
若当前设备和线程的球形空间包含或相交,且该设备满足查询和统计的条件,则就把该设备保存到一个结果的数组中,合并所有的线程查找出来的设备到一个数组中,这个数组就是要查找的结果。
进一步,所述用户处理需求包括分割当前用户的屏幕的矩形范围或者分割所有设备图形的立方体范围。
进一步,所述块单元分为块矩形和块立方体。
进一步,所述最优设备空间树用于构建设备3D立体空间,最优设备空间树的树枝信息存放到内存中,树叶数据块保存到文件中。
进一步,所述最优设备空间树采用文件内存映射分块读取和显示。
智能图形加速系统,包括:
获取模块,用于智能获取CPU的核的个数为Ncpu;
分割模块,用于根据用户处理需求,分割得到Ncpu个块单元;
线程分配模块,用于开启Ncpu个线程,把Ncpu个块单元分配给线程;
智能图形加速处理模块,用于每个线程根据自己的块单元生成的球形空间,遍历最优设备空间树,若当前设备和线程的球形空间包含或相交且满足相应的用户处理需求,则进行相应的智能图形加速处理。
本发明的有益效果:本发明智能图形加速方法,采用最优设备空间树,根据当前用户的处理需求进行了智能图形的加速处理,由于充分利用了多核CPU,可以并行地绘制图形和查找图形设备,使大容量的图形能快速读取和显示且能快速查找到所需图形设备,提高了图形处理的效率。
本发明的另一个有益效果:本发明智能图形加速系统,包括获取模块,分割模块,线程分配模块和智能图形加速处理模块,由于充分利用了多核CPU,可以并行地绘制图形和查找图形设备,使大容量的图形能快速读取和显示且能快速查找到所需图形设备,提高了图形处理的效率。
附图说明
下面结合附图对本发明的具体实施方式作进一步说明:
图1是本发明智能图形加速方法步骤流程图;
图2是本发明智能图形加速系统模块结构图。
具体实施方式
参照图1,智能图形加速方法,包括以下步骤:
A、智能获取CPU的核的个数为Ncpu;
B、根据用户处理需求,分割得到Ncpu个块单元;
C、开启Ncpu个线程,把Ncpu个块单元分配给线程;
D、每个线程根据自己的块单元生成的球形空间,遍历最优设备空间树,若当前设备和线程的球形空间包含或相交且满足相应的用户处理需求,则进行相应的智能图形加速处理。
进一步作为优选的实施方式,所述步骤D中智能图形加速处理包括:
若当前设备和线程的球形空间包含或相交,则就把该设备绘制到显示卡中或内存中,然后采用双缓冲的技术显示到屏幕上;
若当前设备和线程的球形空间包含或相交,且该设备满足查询和统计的条件,则就把该设备保存到一个结果的数组中,合并所有的线程查找出来的设备到一个数组中,这个数组就是要查找的结果。
进一步作为优选的实施方式,所述用户处理需求包括分割当前用户的屏幕的矩形范围或者分割所有设备图形的立方体范围。
进一步作为优选的实施方式,所述块单元分为块矩形和块立方体。
进一步作为优选的实施方式,所述最优设备空间树用于构建设备3D立体空间,最优设备空间树的树枝信息存放到内存中,树叶数据块保存到文件中。
进一步作为优选的实施方式,所述最优设备空间树采用文件内存映射分块读取和显示。
参照图2,智能图形加速系统,包括:
获取模块,用于智能获取CPU的核的个数为Ncpu;
分割模块,用于根据用户处理需求,分割得到Ncpu个块单元;
线程分配模块,用于开启Ncpu个线程,把Ncpu个块单元分配给线程;
智能图形加速处理模块,用于每个线程根据自己的块单元生成的球形空间,遍历最优设备空间树,若当前设备和线程的球形空间包含或相交且满足相应的用户处理需求,则进行相应的智能图形加速处理。
该智能图形加速方法及系统采用java+opengl开发,比较方便跨平台显示,且最大可以支持1024个核的CPU,和1024个显示卡。由于充分利用了多核CPU,可以并行绘制图形和查找设备,比单线程的速度快很多倍。
当然,本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (7)
1.智能图形加速方法,其特征在于:包括以下步骤:
A、智能获取CPU的核的个数为Ncpu;
B、根据用户处理需求,分割得到Ncpu个块单元;
C、开启Ncpu个线程,把Ncpu个块单元分配给线程;
D、每个线程根据自己的块单元生成的球形空间,遍历最优设备空间树,若当前设备和线程的球形空间包含或相交且满足相应的用户处理需求,则进行相应的智能图形加速处理。
2.根据权利要求1所述的智能图形加速方法,其特征在于:所述步骤D中智能图形加速处理包括:
若当前设备和线程的球形空间包含或相交,则就把该设备绘制到显示卡中或内存中,然后采用双缓冲的技术显示到屏幕上;
若当前设备和线程的球形空间包含或相交,且该设备满足查询和统计的条件,则就把该设备保存到一个结果的数组中,合并所有的线程查找出来的设备到一个数组中,这个数组就是要查找的结果。
3.根据权利要求1所述的智能图形加速方法,其特征在于:所述用户处理需求包括分割当前用户的屏幕的矩形范围或者分割所有设备图形的立方体范围。
4.根据权利要求1所述的智能图形加速方法,其特征在于:所述块单元分为块矩形和块立方体。
5.根据权利要求1所述的智能图形加速方法,其特征在于:所述最优设备空间树用于构建设备3D立体空间,最优设备空间树的树枝信息存放到内存中,树叶数据块保存到文件中。
6.根据权利要求1或5所述的智能图形加速方法,其特征在于:所述最优设备空间树采用文件内存映射分块读取和显示。
7.智能图形加速系统,其特征在于:包括:
获取模块,用于智能获取CPU的核的个数为Ncpu;
分割模块,用于根据用户处理需求,分割得到Ncpu个块单元;
线程分配模块,用于开启Ncpu个线程,把Ncpu个块单元分配给线程;
智能图形加速处理模块,用于每个线程根据自己的块单元生成的球形空间,遍历最优设备空间树,若当前设备和线程的球形空间包含或相交且满足相应的用户处理需求,则进行相应的智能图形加速处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104326340A CN102521791A (zh) | 2011-12-21 | 2011-12-21 | 智能图形加速方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104326340A CN102521791A (zh) | 2011-12-21 | 2011-12-21 | 智能图形加速方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102521791A true CN102521791A (zh) | 2012-06-27 |
Family
ID=46292696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104326340A Pending CN102521791A (zh) | 2011-12-21 | 2011-12-21 | 智能图形加速方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102521791A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101686388A (zh) * | 2008-09-24 | 2010-03-31 | 国际商业机器公司 | 视频流编码装置及其方法 |
CN101908202A (zh) * | 2010-07-09 | 2010-12-08 | 哈尔滨工程大学 | 一种电子海图的快速显示方法 |
CN102043572A (zh) * | 2009-10-14 | 2011-05-04 | 三竹资讯股份有限公司 | 行动设备屏幕显示与操作的装置与方法 |
CN102143386A (zh) * | 2010-01-28 | 2011-08-03 | 复旦大学 | 一种基于图形处理器的的流媒体服务器加速方法 |
CN102238232A (zh) * | 2010-05-04 | 2011-11-09 | 微软公司 | 使用双缓冲来进行屏幕共享 |
-
2011
- 2011-12-21 CN CN2011104326340A patent/CN102521791A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101686388A (zh) * | 2008-09-24 | 2010-03-31 | 国际商业机器公司 | 视频流编码装置及其方法 |
CN102043572A (zh) * | 2009-10-14 | 2011-05-04 | 三竹资讯股份有限公司 | 行动设备屏幕显示与操作的装置与方法 |
CN102143386A (zh) * | 2010-01-28 | 2011-08-03 | 复旦大学 | 一种基于图形处理器的的流媒体服务器加速方法 |
CN102238232A (zh) * | 2010-05-04 | 2011-11-09 | 微软公司 | 使用双缓冲来进行屏幕共享 |
CN101908202A (zh) * | 2010-07-09 | 2010-12-08 | 哈尔滨工程大学 | 一种电子海图的快速显示方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lawrence et al. | AIFdb: Infrastructure for the argument web | |
Le-Phuoc et al. | Rdf on the go: An rdf storage and query processor for mobile devices | |
Neelakandan et al. | Large scale optimization to minimize network traffic using MapReduce in big data applications | |
CN103093499B (zh) | 一种适用于网络传输的城市三维模型数据组织方法 | |
CN103197979B (zh) | 一种用于实现在进程间进行数据交互访问的方法及其装置 | |
CN103246749B (zh) | 面向分布式计算的矩阵数据库系统及其查询方法 | |
CN103324763A (zh) | 一种手机端树形数据结构的展现方法 | |
CN103699656A (zh) | 一种基于GPU的面向海量多媒体数据的MapReduce平台 | |
CN104217023A (zh) | 一种利用打包技术解决地图瓦片存储的方法 | |
CN106453618A (zh) | 基于G‑Cloud云计算的遥感图像处理服务云平台系统 | |
CN105068769A (zh) | 一种基于消息中间件的消息管理方法及装置 | |
CN103077074A (zh) | 一种三维空间数据并行调度方法和系统 | |
CN105406999A (zh) | 一对多数据分发方法和分发设备 | |
Kumar et al. | Efficient data restructuring and aggregation for I/O acceleration in PIDX | |
CN103984528A (zh) | 基于飞腾处理器平台的多线程并发数据压缩方法 | |
Nicolae et al. | Towards memory-optimized data shuffling patterns for big data analytics | |
Sawyer et al. | Understanding query performance in Accumulo | |
CN102685222B (zh) | 一种用于电力系统的云存储资源管理装置 | |
CN106453611A (zh) | 一种多存储节点负载均衡的方法及装置 | |
CN202094998U (zh) | 移动终端视频信号实时动态处理装置 | |
CA2846717A1 (en) | Systems and methods for managing large volumes of data in a digital earth environment | |
CN102567508A (zh) | 基于抽象数据模型的海量栅格数据格式转换并行方法 | |
CN103167023B (zh) | 基于云计算与地理位置服务的建筑专业学习移动平台 | |
CN102521791A (zh) | 智能图形加速方法及系统 | |
CN107590260A (zh) | 点云数据实时检索方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120627 |