CN104615413A - 一种流水线任务自适应并行方法 - Google Patents
一种流水线任务自适应并行方法 Download PDFInfo
- Publication number
- CN104615413A CN104615413A CN201510079574.7A CN201510079574A CN104615413A CN 104615413 A CN104615413 A CN 104615413A CN 201510079574 A CN201510079574 A CN 201510079574A CN 104615413 A CN104615413 A CN 104615413A
- Authority
- CN
- China
- Prior art keywords
- task
- tasks
- current
- self
- previous
- 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
Landscapes
- Devices For Executing Special Programs (AREA)
Abstract
本发明涉及一种流水线任务自适应并行方法,其包括:流水线的初始化设置步骤和任务的自适应分解步骤。本发明方法针对每个任务的执行时间,将执行时间长的任务自适应地分解为小任务;并使用配置文件配置流水线从开始到结束的各个任务,每个任务可以有多个前置任务以及后续任务,不同的任务之间通过消息来控制任务的内容以及任务完成的进度。本发明的以上设计均采用并行化分布处理算法来实现,而且采用自适应的任务分解以便有效提升软件整体执行速度,减少用户的等待时间。
Description
技术领域
本发明涉及主要应用于CT重建软件平台的任务自适应并行方法,其他类似的数据需要顺序经过多个步骤处理得到最终数据的软件设计均可以采用这个设计方式。
背景技术
在软件的数据处理中,常用的方法之一就是将输入的数据顺序经过若干算法依次处理,也即将所输入的数据进行流水线处理。如果每个算法依次处理完所有数据再让下一个算法处理,那么整个数据处理过程是比较慢的。一种在每个算法处理一部分数据后,交由后续算法进行处理,这样在同一时间段内各个算法都在同时进行数据处理,这样,就数据处理的整体而言处理速度得到提升,软件的运行速度也有所提高。这种软件架构设计称为流水线架构设计。
Intel公司的Thread Building Blocks库(简称TBB)通过内置Filter模式来实现典型的现有商业化流水线架构。TBB实现了基本的流水线,但是TBB流水线架构设计没有对任务线程进行动态调整和任务运行时间的数据统计,一旦任务发生变化时,为了达到最优的运行效率,只能按照需要重新进行任务分配与任务处理的数据量的调整。
发明内容
鉴于现有技术的上述不足,本发明提供一种流水线任务自适应并行方法,其针对每个任务的执行时间,对执行时间长的任务自适应地分解为小任务,采用并行化分布处理的算法提升运行速度。为了实现上述目的,本发明采用如下技术方案:
一种流水线任务自适应并行方法,其包括:流水线的初始化设置步骤和任务的自适应分解步骤,其中,所述流水线的初始化步骤包括:
步骤11生成配置文件,设置流水线的任务以及任务并行数量等信息,使用配置文件配置流水线从开始到结束的各个任务;
步骤12定义各任务之间传递的消息类型,所述消息类型包括:任务运行和任务终止,不同的任务之间通过消息传递来控制任务的内容以及任务完成的进度,从而进行数据处理;
步骤13读取流水线的配置,生成流水线;
步骤14由第一个流水线任务开始运行,并向后触发任务开始消息,流水线开始运行。
进一步地,步骤11还包括:使用配置文件配置流水线上的各个任务,任务内容包括:任务名称,该任务处理的数据类型、该任务的前置任务名称、该任务的后继任务名称,以及对该任务进行并行执行的线程数量的最小值,默认为1;对于并行的任务,线程数量或者大于1,或者为1。
进一步地,步骤12还包括:任务运行的消息中包括的内容有:输出的数据格式、数据的总数量、数据的任务编号,以及数据处理是否已经结束的标志。
所述任务的自适应分解步骤包括:
步骤21流水线第一次运行,每个任务单线程地执行,统计每个任务的执行时间,
步骤22使用配置文件配置流水线从开始到结束的各个任务,每个任务可以有多个前置任务以及后续任务;不同的任务之间通过消息来控制任务的内容以及任务完成的进度;
步骤23计算前置任务与当前任务的运行时间比,以及后置任务与当前任务的运行时间比,并以此为据进行任务分解及任务并行分配;
步骤24保存当前的任务消息配置,更新任务的执行的消息设置,按照步骤23计算的结果更新任务的输入、输出数量。
进一步地,步骤23还包括:如果当前任务执行速度快,则提高当前任务每次输入的数据量的大小,也即增加前置任务的输出,将前置任务分解成与当前任务并行的小任务;反之则减少当前任务每次输入的数据量的大小,前置任务不能分解成小任务;后置任务的自适应分解亦然。
步骤23中所述前置任务与当前任务的运行时间比为PrevRatio。
若PrevRatio大于1,则判断前置任务可以并行吗?如果不可以并行,则增大数据缓冲区为原来的PrevRatio倍;如果前置任务可以并行,则根据PrevRatio设置前置任务并行数量,每个任务取得数据量为原来的1/PrevRatio。
若PrevRatio小于等于1,此时当前任务执行时间长,则判断当前任务是否可以分解并行吗?如果可以并行,则根据1/PrevRatio上取整设置该任务并行数量,每个任务取得数据量为原来的1/PrevRatio;如果当前任务不可以并行,则根据1/PrevRatio上取整来增大数据缓冲区。
步骤23中所述后置任务与当前任务的运行时间比为NextRatio,
若NextRatio大于1,表示后置任务执行时间长,则判断后置任务可以并发吗?如果可以并发,则根据1/NextRatio上取整设置后置任务并行数量,每个任务取得数据量为原来的1/NextRatio;如果不可以并发,则后置任务增大数据缓冲区为原来的NextRatio倍。
如果NextRatio小于等于1,表示当前任务执行时间长,则判断当前任务可以并行吗?如果可以并行,则根据NextRatio上取整设置该任务并行数量,每个任务取得数据量为原来的1/NextRatio;如果当前任务不可以并行,则根据NextRatio上取整来增大数据缓冲值。
所述流水线任务实现采用线程池来完成,并根据处理器的核心数量来设置运行时间的最大的整数比以及每个任务最多的线程数量。
当任务只能以单线程的方式运行且该任务执行较慢时,扩大该任务的内存缓冲区,以使得该任务的缓冲区大小与其前置任务的缓冲区相比是运行时间的整数比,以保证运行速度与多线程运作相匹配;若遇到不是整数的情况四舍五入处理。
设定任务更新迭代的迭代次数为5次;统计5次迭代的结果后选取最佳的运行消息设置作为默认设置来执行流水线操作。
本发明的有益效果:本发明构通过统计每个任务的执行时间,对执行时间长的任务自适应地分解为小任务来提升执行速度;使用配置文件配置流水线从开始到结束的各个任务,每个任务可以有多个前置任务以及后续任务,不同的任务之间通过消息来控制任务的内容以及任务完成的进度。本发明的以上设计均采用并行化分布处理算法来实现,而且自适应的任务分解能够有效提升软件整体执行速度,减少用户的等待时间。
附图说明
图1示出了根据本发明的流水线的初始化设置步骤流程图;
图2示出了根据本发明的任务的自适应分解步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明揭示了一种流水线任务自适应并行方法,其针对每个任务的执行时间,对执行时间长的任务自适应地分解为小任务,采用并行化分布处理的算法提升运行速度。同时,本发明还使用配置文件配置流水线从开始到结束的各个任务,每个任务可以有多个前置任务以及后续任务;不同的任务之间通过消息来控制任务的内容以及任务完成的进度。
根据本发明的一种流水线任务自适应并行方法,结合图1来看,流水线的初始化设置步骤如下:
步骤11生成配置文件,设置流水线的任务以及任务并行数量等信息。具体地,根据任务内容生成配置文件,任务内容包括:任务名称,该任务处理的数据类型、该任务的前置任务名称、该任务的后继任务名称,以及对该任务进行并行执行的线程数量的最小值,默认为1;对于并行的任务,线程数量或者大于1,或者为1。
步骤12定义各任务之间传递的消息类型,所述消息类型包括:任务运行和任务终止。不同的任务之间通过消息传递来控制任务的内容以及任务完成的进度,从而进行数据处理。任务运行的消息中包括的内容有:输出的数据格式、数据的总数量、数据的任务编号,以及数据处理是否已经结束的标志。
步骤13读取流水线上各个任务的配置,生成流水线的任务链。
步骤14由第一个流水线任务开始运行,并向后触发后继“任务开始”这一消息,流水线开始运行。
较佳地,对于每个独立的任务而言,可以使用多线程来进一步加速。
上述流水线任务实现采用线程池来完成。
为了实现任务的自适应分解,需要统计流水线上每个任务的执行时间,对执行时间长的任务自适应地分解为小任务来提升执行速度。任务自适应分解的具体实现步骤如下:
步骤21流水线第一次运行,每个任务单线程地执行,统计每个任务的执行时间,
步骤22使用配置文件配置流水线从开始到结束的各个任务,每个任务可以有多个前置任务以及后续任务;不同的任务之间通过消息来控制任务的内容以及任务完成的进度;
步骤23计算前置任务与当前任务的时间比,以及后置任务与当前任务的时间比,并以此为据进行任务分解及任务并行分配;如果当前任务执行速度快,则提高当前任务每次输入的数据量的大小,也即增加前置任务的输出,将前置任务分解成与当前任务并行的小任务;反之则减少当前任务每次输入的数据量的大小,前置任务不能分解成小任务;后置任务的自适应分解亦然。
例如,可以设定任务A是任务B的前置任务,任务A的执行时间是2s,任务B的执行时间是1s。则将A任务的输出数据量需要提高为原来的二倍,即A任务使用两个线程处理原来一半的数据,从而保证A与B的处理速度基本一致。对于运行时间比不是整数的情形,进行四舍五入处理。
由于目前处理器的核心一般不超过8个,所以可以根据处理器的核心数量来设置运行时间比的最大整数比以及每个任务最多的线程数量。
由于有线程池的存在,所以只需生成多个任务加入线程池的消息处理队列即可。这样,通过增加线程的数量,让每个线程只处理一小部分数据,从而加快处理速度。而对于某些不适合分解的较大的任务,只能单线程进行处理,就需要扩大任务的内存缓冲区,以保证任务运行速度与多线程运作相匹配。通常是使得该任务的缓冲区大小与其前置任务的缓冲区相比是运行时间的整数比,若遇到不是整数的情况四舍五入处理。
步骤24保存当前的任务消息配置,更新任务执行的消息设置,按照步骤23的计算结果更新任务的输入、输出数量。
在具体实施过程中,该更新的过程不是无限制的,需要设定迭代的上限,优选地,此迭代次数为5次,统计5次迭代的结果后选取最佳的运行消息设置作为默认设置来执行流水线操作。
在任务的自适应分解的一个具体实施例中,例如在图2的具体实施例中,设定流水线循环运行次数为5,统计各个任务的运行时间,任务的自适应分解过程具体实施如下:
计算前置任务与当前任务的运行时间比PrevRatio,和后置任务与当前任务的运行时间比NextRatio;
判断计算出的PrevRatio的值:若PrevRatio大于1,则判断前置任务可以并行吗?如果不可以并行,则增大数据缓冲区为原来的PrevRatio倍;如果前置任务可以并行,则根据PrevRatio设置前置任务并行数量,每个任务取得数据量为原来的1/PrevRatio;;
若PrevRatio大于1不成立,此时当前任务执行时间比较长,则判断当前任务是否可以分解来并行吗?如果可以并行,则根据1/PrevRatio上取整设置该任务并行数量,每个任务取得数据量为原来的1/PrevRatio;如果当前任务不可以并行,则根据1/PrevRatio上取整来增大数据缓冲区;
根据上述结果,重新设置流水线参数,以后流水线的运行就使用上述配置。
判断计算出的NextRatio的值:若NextRatio大于1,表示后置任务执行时间长,则判断后置任务可以并发吗?如果可以并发,则根据1/NextRatio上取整设置后置任务并行数量,每个任务取得数据量为原来的1/NextRatio;如果不可以并发,则后置任务增大数据缓冲区为原来的NextRatio倍。
如果NextRatio大于1不成立,表示当前任务执行时间长,则判断当前任务可以并行吗?如果可以并行,则根据NextRatio上取整设置该任务并行数量,每个任务取得数据量为原来的1/NextRatio;如果当前任务不可以并行,则根据NextRatio上取整来增大数据缓冲值;
根据上述结果,重新设置流水线的参数,以后流水线的运行就使用上述配置。
以上是对本发明的描述,在不脱离本发明设计精神的前提下,本领域普通工程技术人员对本发明的技术方案作出的各种变形和替换,均应落入本发明的权利要求确定的保护范围内。
Claims (10)
1.一种流水线任务自适应并行方法,其特征在于,包括:流水线的初始化设置步骤和任务的自适应分解步骤,其中,所述流水线的初始化步骤包括:
步骤11生成配置文件,设置流水线的任务以及任务并行数量等信息,使用配置文件配置流水线从开始到结束的各个任务;
步骤12定义各任务之间传递的消息类型,所述消息类型包括:任务运行和任务终止,不同的任务之间通过消息传递来控制任务的内容以及任务完成的进度,从而进行数据处理;
步骤13读取流水线的配置,生成流水线;
步骤14由第一个流水线任务开始运行,并向后触发任务开始消息,流水线开始运行。
2.根据权利要求1所述的一种流水线任务自适应并行方法,其特征在于,步骤11还包括:使用配置文件配置流水线上的各个任务,任务内容包括:任务名称,该任务处理的数据类型、该任务的前置任务名称、该任务的后继任务名称,以及对该任务进行并行执行的线程数量的最小值,默认为1;对于并行的任务,线程数量或者大于1,或者为1。
3.根据权利要求1所述的一种流水线任务自适应并行方法,其特征在于,步骤12还包括:任务运行的消息中包括的内容有:输出的数据格式、数据的总数量、数据的任务编号,以及数据处理是否已经结束的标志。
4.根据权利要求1所述的一种流水线任务自适应并行方法,其特征在于,所述任务的自适应分解步骤包括:
步骤21流水线第一次运行,每个任务单线程地执行,统计每个任务的执行时间;
步骤22使用配置文件配置流水线从开始到结束的各个任务,每个任务可以有多个前置任务以及后续任务;不同的任务之间通过消息来控制任务的内容以及任务完成的进度;
步骤23计算前置任务与当前任务的运行时间比,以及后置任务与当前任务的运行时间比,并以此为据进行任务分解及任务并行分配;
步骤24保存当前的任务消息配置,更新任务的执行的消息设置,按照步骤23计算的结果更新任务的输入、输出数量。
5.根据权利要求1所述的一种流水线任务自适应并行方法,其特征在于,步骤23进一步包括:如果当前任务执行速度快,则提高当前任务每次输入的数据量的大小,也即增加前置任务的输出,将前置任务分解成与当前任务并行的小任务;反之则减少当前任务每次输入的数据量的大小,前置任务不能分解成小任务;后置任务的自适应分解亦然。
6.根据权利要求4或5所述的一种流水线任务自适应并行方法,其特征在于,步骤23中所述前置任务与当前任务的运行时间比为PrevRatio;
若PrevRatio大于1,则判断前置任务可以并行吗?如果不可以并行,则增大数据缓冲区为原来的PrevRatio倍;如果前置任务可以并行,则根据PrevRatio设置前置任务并行数量,每个任务取得数据量为原来的1/PrevRatio;
若PrevRatio小于等于1,此时当前任务执行时间长,则判断当前任务是否可以分解并行吗?如果可以并行,则根据1/PrevRatio上取整设置该任务并行数量,每个任务取得数据量为原来的1/PrevRatio;如果当前任务不可以并行,则根据1/PrevRatio上取整来增大数据缓冲区。
7.根据权利要求4或5所述的一种流水线任务自适应并行方法,其特征在于,步骤23中所述后置任务与当前任务的运行时间比为NextRatio;
若NextRatio大于1,表示后置任务执行时间长,则判断后置任务可以并发吗?如果可以并发,则根据1/NextRatio上取整设置后置任务并行数量,每个任务取得数据量为原来的1/NextRatio;如果不可以并发,则后置任务增大数据缓冲区为原来的NextRatio倍;
如果NextRatio小于等于1,表示当前任务执行时间长,则判断当前任务可以并行吗?如果可以并行,则根据NextRatio上取整设置该任务并行数量,每个任务取得数据量为原来的1/NextRatio;如果当前任务不可以并行,则根据NextRatio上取整来增大数据缓冲值。
8.根据权利要求1或4所述的一种流水线任务自适应并行方法,其特征在于,所述流水线任务实现采用线程池来完成,并根据处理器的核心数量来设置运行时间的最大的整数比以及每个任务最多的线程数量。
9.根据权利要求1所述的一种流水线任务自适应并行方法,其特征在于,当任务只能以单线程的方式运行且该任务执行较慢时,扩大该任务的内存缓冲区,以使得该任务的缓冲区大小与其前置任务的缓冲区相比是运行时间的整数比,以保证运行速度与多线程运作相匹配;若遇到不是整数的情况四舍五入处理。
10.根据权利要求4所述的一种流水线任务自适应并行方法,其特征在于,设定任务更新迭代的迭代次数为5次;统计5次迭代的结果后选取最佳的运行消息设置作为默认设置来执行流水线操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510079574.7A CN104615413A (zh) | 2015-02-13 | 2015-02-13 | 一种流水线任务自适应并行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510079574.7A CN104615413A (zh) | 2015-02-13 | 2015-02-13 | 一种流水线任务自适应并行方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104615413A true CN104615413A (zh) | 2015-05-13 |
Family
ID=53149876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510079574.7A Pending CN104615413A (zh) | 2015-02-13 | 2015-02-13 | 一种流水线任务自适应并行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104615413A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068861A (zh) * | 2015-07-09 | 2015-11-18 | 合肥君正科技有限公司 | 一种事务执行方法及装置 |
CN108733480A (zh) * | 2017-09-23 | 2018-11-02 | 沈阳晟诺科技有限公司 | 一种ct重建架构设计方法 |
CN109213529A (zh) * | 2017-07-07 | 2019-01-15 | 龙芯中科技术有限公司 | 流水线处理器调度指令的方法、装置及流水线处理器 |
CN110718922A (zh) * | 2019-09-12 | 2020-01-21 | 广州供电局有限公司 | 设备运行控制方法 |
CN112181662A (zh) * | 2020-10-13 | 2021-01-05 | 深圳壹账通智能科技有限公司 | 任务调度方法、装置、电子设备及存储介质 |
WO2021097962A1 (zh) * | 2019-11-20 | 2021-05-27 | 深圳先进技术研究院 | 一种异构芯片的任务处理方法、任务处理装置及电子设备 |
CN116501499A (zh) * | 2023-05-17 | 2023-07-28 | 建信金融科技有限责任公司 | 数据跑批方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100057863A1 (en) * | 2008-09-03 | 2010-03-04 | Microsoft Corporation | Composing message processing pipelines |
CN102929725A (zh) * | 2012-11-12 | 2013-02-13 | 中国人民解放军海军工程大学 | 信号处理并行计算软件的动态重配置方法 |
WO2013158968A1 (en) * | 2012-04-19 | 2013-10-24 | Siemens Corporation | Time slack application pipeline balancing for multi/many-core plcs |
CN103605498A (zh) * | 2013-12-05 | 2014-02-26 | 用友软件股份有限公司 | 单线程任务的多线程执行方法及系统 |
CN103838552A (zh) * | 2014-03-18 | 2014-06-04 | 北京邮电大学 | 4g宽带通信系统多核并行流水线信号的处理系统和方法 |
CN103870248A (zh) * | 2014-03-06 | 2014-06-18 | 北京神舟航天软件科技有限公司 | 一种指令集仿真缓冲区动态自适应技术 |
-
2015
- 2015-02-13 CN CN201510079574.7A patent/CN104615413A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100057863A1 (en) * | 2008-09-03 | 2010-03-04 | Microsoft Corporation | Composing message processing pipelines |
WO2013158968A1 (en) * | 2012-04-19 | 2013-10-24 | Siemens Corporation | Time slack application pipeline balancing for multi/many-core plcs |
CN102929725A (zh) * | 2012-11-12 | 2013-02-13 | 中国人民解放军海军工程大学 | 信号处理并行计算软件的动态重配置方法 |
CN103605498A (zh) * | 2013-12-05 | 2014-02-26 | 用友软件股份有限公司 | 单线程任务的多线程执行方法及系统 |
CN103870248A (zh) * | 2014-03-06 | 2014-06-18 | 北京神舟航天软件科技有限公司 | 一种指令集仿真缓冲区动态自适应技术 |
CN103838552A (zh) * | 2014-03-18 | 2014-06-04 | 北京邮电大学 | 4g宽带通信系统多核并行流水线信号的处理系统和方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068861A (zh) * | 2015-07-09 | 2015-11-18 | 合肥君正科技有限公司 | 一种事务执行方法及装置 |
CN109213529A (zh) * | 2017-07-07 | 2019-01-15 | 龙芯中科技术有限公司 | 流水线处理器调度指令的方法、装置及流水线处理器 |
CN109213529B (zh) * | 2017-07-07 | 2021-09-28 | 龙芯中科技术股份有限公司 | 流水线处理器调度指令的方法、装置及流水线处理器 |
CN108733480A (zh) * | 2017-09-23 | 2018-11-02 | 沈阳晟诺科技有限公司 | 一种ct重建架构设计方法 |
CN108733480B (zh) * | 2017-09-23 | 2022-04-05 | 沈阳晟诺科技有限公司 | 一种ct重建架构设计方法 |
CN110718922A (zh) * | 2019-09-12 | 2020-01-21 | 广州供电局有限公司 | 设备运行控制方法 |
CN110718922B (zh) * | 2019-09-12 | 2021-06-22 | 广东电网有限责任公司广州供电局 | 设备运行控制方法 |
WO2021097962A1 (zh) * | 2019-11-20 | 2021-05-27 | 深圳先进技术研究院 | 一种异构芯片的任务处理方法、任务处理装置及电子设备 |
CN112181662A (zh) * | 2020-10-13 | 2021-01-05 | 深圳壹账通智能科技有限公司 | 任务调度方法、装置、电子设备及存储介质 |
CN116501499A (zh) * | 2023-05-17 | 2023-07-28 | 建信金融科技有限责任公司 | 数据跑批方法、装置、电子设备及存储介质 |
CN116501499B (zh) * | 2023-05-17 | 2023-09-19 | 建信金融科技有限责任公司 | 数据跑批方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104615413A (zh) | 一种流水线任务自适应并行方法 | |
Lei et al. | Variable neighborhood search for the second type of two-sided assembly line balancing problem | |
CN111142938B (zh) | 一种异构芯片的任务处理方法、任务处理装置及电子设备 | |
US11062201B2 (en) | Chip and chip-based data processing method | |
CN105487838A (zh) | 一种动态可重构处理器的任务级并行调度方法与系统 | |
Damavandpeyma et al. | Modeling static-order schedules in synchronous dataflow graphs | |
KR20090006147A (ko) | 병렬 프로그램 생성 방법 | |
CN104536937A (zh) | 基于cpu-gpu异构集群的大数据一体机实现方法 | |
CN106547522B (zh) | 一种流应用优化的方法及装置 | |
CN109389212A (zh) | 一种面向低位宽卷积神经网络的可重构激活量化池化系统 | |
CN101655783B (zh) | 前瞻多线程划分方法 | |
CN101840329B (zh) | 一种基于图拓扑结构的数据并行处理方法 | |
TW200703142A (en) | Methods and apparatus for improving processing performance by controlling latch points | |
CN104036141A (zh) | 一种基于OpenCL的红黑树加速算法 | |
CN104182208A (zh) | 利用破解规则破解密码的方法及系统 | |
Zhang et al. | Task scheduling of cloud computing based on Improved CHC algorithm | |
Haaß et al. | Automatic custom instruction identification in memory streaming algorithms | |
US20140223439A1 (en) | Superscalar control for a probability computer | |
CN103942195A (zh) | 一种数据处理系统以及数据处理方法 | |
CN105045646B (zh) | 一种分簇结构的部分谓词实现及编译优化方法 | |
Garibotti et al. | Efficient embedded software migration towards clusterized distributed-memory architectures | |
CN110675088B (zh) | 一种数字孪生系统复杂任务高效划分方法 | |
Yokota et al. | One-instruction set computer-based multicore processors for energy-efficient streaming data processing | |
WO2019080091A1 (zh) | 代码处理方法和设备 | |
US20170330303A1 (en) | Analysis system and method for reducing the control flow divergence in the Graphics Processing Units (GPUs) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150513 |
|
WD01 | Invention patent application deemed withdrawn after publication |