CN108345030A - 基于逆时偏移算法的异构节点自适应调用系统及方法 - Google Patents
基于逆时偏移算法的异构节点自适应调用系统及方法 Download PDFInfo
- Publication number
- CN108345030A CN108345030A CN201711457638.8A CN201711457638A CN108345030A CN 108345030 A CN108345030 A CN 108345030A CN 201711457638 A CN201711457638 A CN 201711457638A CN 108345030 A CN108345030 A CN 108345030A
- Authority
- CN
- China
- Prior art keywords
- operational capability
- arithmetic element
- threshold value
- call
- demand
- 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
- 238000013508 migration Methods 0.000 title claims abstract description 41
- 230000005012 migration Effects 0.000 title claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 60
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000003384 imaging method Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000015654 memory Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 108010001267 Protein Subunits Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002498 deadly effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及基于逆时偏移算法的CPU与GPU异构节点自适应调用技术，尤其涉及一种基于逆时偏移算法的异构节点自适应调用系统及方法；包括：多个运算单元，用于接收计算命令，进行逆时偏移算法计算并将计算结果发送给数据收发模块；调用检测模块，用于接收计算需求、检测各所述运算单元的运算能力并与计算需求对比，向运算能力满足计算需求的所述运算单元发送计算命令；数据收发模块，用于接收所述运算单元的计算结果并将结果发送给成像模块；通过所述调用检测模块以解决现有计算资源必须人为划分，计算效率低下，实现动态分配计算资源，节省了运行时间和机时费，提高勘探效率的有效方法。
Description
技术领域
本发明涉及人工地震反射波成像新技术，可应用于石油勘探、矿产勘探等地质勘测领域技术领域，具体涉及一种基于逆时偏移算法的异构节点自适应调用系统及方法。
背景技术
目前地震波成像方法以逆时偏移为精度最高的算法，但其存在计算量大、存储量大、内存需求大等特性，这些特性瓶颈制约了逆时偏移算法的应用范围。目前解决这些瓶颈的现有技术要点概括起来包括：多节点并行提高计算效率、GPU实现波场有限差分延拓提高部分代码的计算效率、优化检查点方法减少存储量、利用压缩算法减少内存需求等。尽管现有技术已经可以应用于实际资料，但是其依然是应用周期最长的一种算法，需要进一步提高效率。
逆时偏移算法采用CPU处理器加配高性能GPU协处理器是近年来的研究热点，2013年刘守伟、唐祥功等在文献[1、2]中，利用波场重构的方式进行了GPU-RTM在大规模集群环境下的算法设计，其核心思想是利用波场传播的可逆性把震源波场进行两轮模拟，对比于常规的CPU上的算法该方法不需要波场存储，解决了RTM存储量大的问题，但是多了一次震源波场的模拟，因此计算量增大了30％，GPU的内存需求量同样增加了一倍，通行量也增加了一倍。在实际应用中可以预见，GPU内存远远不能满足这类算法的需求，当规模增大扩大一定程度后依然存在诸多计算与通信效率的问题。另外，波场重构的方式若采用PML吸收边界时需要大量的分支计算，会大幅度降低GPU的计算效率。2013年刘守伟在文献[1]中提到利用统一波动方程的方式避免边界条件的判断，但是边界统一波动方程相比于常规的波动方程计算量增大不止一倍，内存量需求也同样增加一倍以上，这也是波场重构的致命弱点。从上述的文献中不难看出，逆时偏移算法是一个并行度较高的算法，可以用地震的单炮数据作为处理单元分配给一个节点，然后处理这一单炮的逆时偏移结果，处理完毕后再处理下一炮，直到所有的单炮数据都处理完毕即可结束主控模块，然后退出总体任务。现有技术的基本思路可归纳为图1所示的流程：首先确定计算设备和节点名称；再人工检查节点是否可用；提交主控模块任务开始，不断给计算节点发送单炮任务进行逆时偏移计算，每个节点一炮，计算节点完成后通知主控模块申请新的任务，直到所有单炮数据全部完成。
从文献[1、2、3]中也可看出现有技术中GPU本身的计算算法优化已经基本成熟，研究方向大多放在如何解决GPU内存不足的问题，如何多GPU通信的问题。但是若想投入大规模应用经常仍面临资源利用率不足的问题。这个问题的产生在于一个生产单位的高性能计算机通常包含了CPU/GPU计算节点和纯CPU计算节点，目前所有的RTM方法只能适应一种节点结构，即仅仅使用GPU节点或CPU节点。这样必然造成硬件资源的浪费，通常需要人工分配任务实现，资源的利用，但是人工无法确定任务分配是否合理，从而仍然出现节点计算周期不统一的问题。产生这些问题的原因归结为常规算法流程中存在三方面的缺陷：
(1)计算资源(或运算单元)定义仅仅是资源名称而无详细信息；
(2)检测模块仅仅检测节点是否通信正常，不能动态获得节点状态信息；
(3)主控模块在任务发送前需确定所需要的资源，启动后不能更改，并且只能提前确定采用CPU或GPU计算，过程中不能切换。这些缺陷将导致计算资源必须人为划分，并且等待所有任务完成后才能进行新任务的提交。
因此，为了适应异构计算节点的机器，实现节点的动态分配和计算资源的充分利用，本发明就提供一种新的基于逆时偏移算法的异构节点自适应调用系统及方法。
文献[1]刘守伟、王华忠、陈生昌等.三维逆时偏移GPU/CPU机群实现方案研究.地球物理学报，2013，56(10)：3487-3496。
文献[2]唐祥功、匡斌、杜继修等.多GPU协同三维叠前逆时偏移方法研究与应用.石油地球物理勘探，2013，48(6)：910-914。
文献[3]刘红伟、李博、刘洪等.地震叠前逆时偏移高阶有限差分算法及GPU实现.地球物理学报，2010，53(7)：1725-1733。
发明内容
本发明的目的是提供一种基于逆时偏移算法的异构节点自适应调用系统及方法，针对CPU/GPU节点和纯CPU节点的硬件配置环境提出全新的实现流程，设计了CPU与GPU的自适应调度算法，提高了GPU与CPU处理器的利用率，达到所有资源统一调度的目的。
本发明的目的是通过以下技术方案实现的：
一种基于逆时偏移算法的异构节点自适应调用系统，包括：
多个运算单元，用于接收调用命令，对各单炮数据进行逆时偏移计算，并将算得的成像剖面数据发送给数据收发模块；
调用检测模块，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值；再根据检测到的各所述运算单元的剩余运算能力与需求运算能力阈值进行对比，并向符合需求运算能力阈值的所述运算单元发送调用命令；
数据收发模块，用于接收计算完成后得出的所述成像剖面数据并发送给成像模块。
优选地，所述调用检测模块包括：
调用单元，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值后将该需求运算能力阈值发送给检测单元，再根据所述检测单元反馈的所述运算单元信息向该运算单元发送调用命令；
所述检测单元，用于检测各所述运算单元的剩余运算能力并与所述需求运算能力阈值进行对比，将符合所述需求运算能力阈值的所述运算单元的信息发送至所述调用单元。
优选地，所述数据收发模块还用于接收因硬件故障等导致未完成计算的单炮数据并重新发送至所述调用单元。
本发明还提供一种应用如上所述基于逆时偏移算法的异构节点自适应调用系统的方法，包括以下步骤：
用调用检测模块在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值；再根据检测到的各运算单元的剩余运算能力与需求运算能力阈值进行对比，并向符合需求运算能力阈值的所述运算单元发送调用命令；
用所述运算单元接收调用命令，对各单炮数据进行逆时偏移计算，并将算得的成像剖面数据发送给数据收发模块；
用所述数据收发模块接收计算完成后得出的所述成像剖面数据并发送给成像模块或接收因硬件故障等导致未完成计算的单炮数据并重新发送至所述调用单元。
优选地，所述调用检测模块包括调用单元和检测单元：
所述调用单元，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值后将该需求运算能力阈值发送给检测单元，再根据所述检测单元反馈的所述运算单元信息向该运算单元发送调用命令；
所述检测单元，用于检测各所述运算单元的剩余运算能力并与所述需求运算能力阈值进行对比，将符合所述需求运算能力阈值的所述运算单元的信息发送至所述调用单元。
优选地，所述检测单元检测到第一个符合所述需求运算能力阈值的所述运算单元，即将该运算单元信息发送至所述调用单元。
优选地，所述运算单元包括：CPU处理器和/或GPU处理器。
优选地，所述检测单元包括剩余运算能力判断子单元，所述剩余运算能力判断子单元用于对应检测各个所述运算单元的运算能力得到所述剩余运算能力；所述剩余运算能力判断子单元与所述运算单元电连接。
优选地，所述剩余运算能力不为0的各所述运算单元组成一个资源池；完成单次计算的所述运算单元进入所述资源池等待分配任务。
优选地，所述调用单元向所述运算单元发送调用命令后，所述调用单元向所述检测单元发送该运算单元被占用的信号。
本发明与现有技术相比具有以下的优点：
(1)资源池是全局一次定义，动态分配资源，每次任务无需提前指定设备；
(2)任务提交无需指定CPU或GPU，可适应于异构节点的并行处理。
利用本发明的实施方案可以充分整合利用不同类型的硬件设备。计算的结果与常规方法比较计算结果完全一样。若应用于石油勘探领域的实际资料的地震波成像，常规方法通常完成整个逆时偏移需要按月来估算，本发明可以充分利用已有资源从而节省大量的时间，是减少服务成本，提高勘探效率的有利方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为现有技术逆时偏移计算的流程图；
图2为本发明中所述基于逆时偏移算法的异构节点自适应调用系统的结构框图；
图3为本发明中所述方法的步骤框图；
图4为本发明中所述调用检测模块的步骤框图；
图5为本发明模拟模型速度场的剖面图；
图6为常规模拟的逆时偏移成像剖面图；
图7为本发明模拟的逆时偏移成像剖面。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
参见图2所示，本发明提供的一种基于逆时偏移算法的异构节点自适应调用系统，包括：
多个运算单元，用于接收调用命令，对各单炮数据进行逆时偏移计算，并将算得的成像剖面数据发送给数据收发模块；
调用检测模块，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值；再根据检测到的各所述运算单元的剩余运算能力与需求运算能力阈值进行对比，并向符合需求运算能力阈值的所述运算单元发送调用命令；
数据收发模块，用于接收计算完成后得出的所述成像剖面数据并发送给成像模块或接收因硬件故障等导致未完成计算的单炮数据并重新发送至所述调用单元；
所述调用检测模块和所述数据收发模块分别与所述运算单元电连接；所述数据收发模块与下一程序的所述成像模块电连接。本发明中所述运算单元包括既包含CPU处理器又包含GPU处理器的混合运算节点也包括只包含CPU处理器的纯CPU处理器运算节点。
本发明提供的系统采用包括：多个所述运算单元，用于接收调用命令，对各单炮数据进行逆时偏移计算，并将算得的所述成像剖面数据发送给所述数据收发模块；所述调用检测模块，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成所述需求运算能力阈值；再根据检测到的各所述运算单元的剩余运算能力与所述需求运算能力阈值进行对比，并向符合所述需求运算能力阈值的所述运算单元发送调用命令；所述数据收发模块，用于接收计算完成后得出的所述成像剖面数据并发送给成像模块的设计；所述调用检测模块实时检测各所述运算单元的剩余运算能力，将所述运算单元的剩余运算能力与需求运算能力阈值对比向符合所述需求运算能力的所述运算单元分配计算任务；所述调用检测模块计算所述运算单元的剩余运算能力，对各所述运算单元中的多个CPU处理器和GPU处理器分别分配计算任务，只含有CPU处理器的运算单元和既含有CPU处理器又含有GPU处理器的运算单元都可以进行逆时偏移计算，增加了运算资源；且对各单炮数据的运算不局限于某一运算节点，具有CPU处理器和GPU处理器两种处理器的运算单元的CPU处理器和GPU处理器可以同时进行两种类型的计算，增加了计算资源的利用率，避免了资源的浪费且加快了计算速度。
本实施例中所述调用检测模块包括：调用单元和检测单元；
所述调用单元，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值后将该需求运算能力阈值发送给检测单元，再根据所述检测单元反馈的所述运算单元信息向该运算单元发送调用命令；
所述检测单元，用于检测各所述运算单元的剩余运算能力并与所述需求运算能力阈值进行对比，将符合所述需求运算能力阈值的所述运算单元的信息发送至所述调用单元；
各所述运算单元均分别与所述调用单元、所述检测单元和所述数据收发模块均电连接，所述检测单元与所述调用单元电连接。
本发明提供的系统采用所述调用检测模块包括：所述调用单元和所述检测单元的设计；所述检测单元实时检测各所述运算单元的连通情况和各所述运算单元的剩余运算能力，并将所述运算能力与所述需求运算能力阈值对比，查找符合所述需求运算能力阈值的所述运算单元，可对所述剩余运算能力不同的所述运算单元分别分配其能够计算的任务，增加了对剩余运算能力不同的所述运算单元的利用，有利于提高计算速度。
本实施例中所述数据收发模块还用于接收因硬件故障等导致未完成计算的单炮数据并重新发送至所述调用单元；所述数据收发模块与所述调用单元电连接。
本发明提供的系统采用所述数据收发模块还用于接收因硬件故障等导致未完成计算的单炮数据并重新发送至所述调用单元的设计；由所述调用单元继续分配剩余的计算任务；使各待计算单炮数据均被计算完全。
参见图3所示，本发明还提供一种应用如上所述基于逆时偏移算法的异构节点自适应调用系统的方法，包括以下步骤：
S1：用调用检测模块在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值；再根据检测到的各运算单元的剩余运算能力与需求运算能力阈值进行对比，并向符合需求运算能力阈值的所述运算单元发送调用命令；
S2：用所述运算单元接收调用命令，对各单炮数据进行逆时偏移计算，并将算得的成像剖面数据发送给数据收发模块；
S3：用所述数据收发模块接收计算完成后得出的所述成像剖面数据并发送给成像模块或接收未完成计算的单炮数据并发送至所述调用单元。
本实施例中所述调用检测模块包括调用单元和检测单元：
所述调用单元，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值后将该需求运算能力阈值发送给检测单元，再根据所述检测单元反馈的所述运算单元信息向该运算单元发送调用命令；
所述检测单元，用于检测各所述运算单元的剩余运算能力并与所述需求运算能力阈值进行对比，将符合所述需求运算能力阈值的所述运算单元的信息发送至所述调用单元。
参见图4所示，本发明中所述调用检测模块的工作过程为：
S11：所述调用单元在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值后将该需求运算能力阈值发送给检测单元；
S12：所述检测单元检测各所述运算单元的剩余运算能力并与所述需求运算能力阈值进行对比，将符合所述需求运算能力阈值的所述运算单元的信息发送至所述调用单元；
S13：所述调用单元根据所述检测单元反馈的所述运算单元信息向该运算单元发送调用命令。
本实施例中所述检测单元检测到第一个符合所述需求运算能力阈值的所述运算单元即将该运算单元信息发送至所述调用单元。
本实施例中所述检测单元包括剩余运算能力判断子单元，所述剩余运算能力判断子单元用于对应检测各个所述运算单元的运算能力得到所述剩余运算能力；所述剩余运算能力判断子单元与所述运算单元电连接。
本实施例中所述剩余运算能力不为0的各所述运算单元组成一个资源池；完成单次计算的所述运算单元进入所述资源池等待分配任务。
本实施例中所述调用单元向所述运算单元发送调用命令后，所述调用单元向所述检测单元发送该运算单元被占用的信号。
下面举例说明应用本发明提供的基于逆时偏移算法的异构节点自适应调用系统及方法进行地震反射波成像：
例如测试一个国际模型数据如图5所示的速度模型，观测系统为地表宽方位采集整个网格同时接收反射地震波，网格维度为(901，901，501)，网格面元(15m，15m，10m)的三维采集方式，单炮的设计为(300m，300m)的网格点加入人工震源，可以计算出单炮数为45x45＝2025炮数据，总数据体为300GB。计算设备配置情况为：CPU/GPU节点60个，每个节点包含2块GPU协处理器型号为Nvidia M2090GPU卡和纯CPU节点60个。
利用逆时偏移算法对其进行偏移成像，计算结果如图6所示为常规方法成像，如图7所示为利用本系统进行逆时偏移计算的成像情况；常规方法的计算结果与本发明的计算结果完全一致，证明本发明的并行算法满足计算精度。计算效率方面常规算法应用60个包含CPU处理器的运算单元节点进行计算耗时84小时，若应用60个包含CPU处理器和GPU处理器的运算单元节点进行计算耗时16小时，利用本发明的方法同时应用60个包含CPU处理器的运算单元和GPU处理器的运算单元节点的异构节点仅消耗10小时，相比于纯CPU节点提高7.25倍，相比于CPU/GPU节点效率提升37.5％。本实施例中的图5、图6、图7均为图像生成器直接生成的，仅为说明本发明的技术效果，并不用于解释本发明的权利要求的保护范围。
因为本发明的实施例仅使用了人工模型数据测试，规模较小，若应用于石油勘探领域的实际资料的地震波成像，常规方法通常完成整个逆时偏移需要按月来估算，本发明可以充分利用已有的硬件资源，从而节省大量的时间和机时费，是减少服务成本，提高勘探效率的有利方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于逆时偏移算法的异构节点自适应调用系统，其特征在于，包括：
多个运算单元，用于接收调用命令，对各单炮数据进行逆时偏移计算，并将算得的成像剖面数据发送给数据收发模块；
调用检测模块，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值；再根据检测到的各所述运算单元的剩余运算能力与需求运算能力阈值进行对比，并向符合需求运算能力阈值的所述运算单元发送调用命令；
数据收发模块，用于接收计算完成后得出的所述成像剖面数据并发送给成像模块。
2.根据权利要求1所述基于逆时偏移算法的异构节点自适应调用系统，其特征在于，所述调用检测模块包括：
调用单元，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值后将该需求运算能力阈值发送给检测单元，再根据所述检测单元反馈的所述运算单元信息向该运算单元发送调用命令；
所述检测单元，用于检测各所述运算单元的剩余运算能力并与所述需求运算能力阈值进行对比，将符合所述需求运算能力阈值的所述运算单元的信息发送至所述调用单元。
3.根据权利要求2所述基于逆时偏移算法的异构节点自适应调用系统，其特征在于，所述数据收发模块还用于接收因硬件故障等导致未完成计算的单炮数据并重新发送至所述调用单元。
4.一种应用权利要求1所述基于逆时偏移算法的异构节点自适应调用系统的方法，其特征在于，包括以下步骤：
用调用检测模块在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值；再根据检测到的各运算单元的剩余运算能力与需求运算能力阈值进行对比，并向符合需求运算能力阈值的所述运算单元发送调用命令；
用所述运算单元接收调用命令，对各单炮数据进行逆时偏移计算，并将算得的成像剖面数据发送给数据收发模块；
用所述数据收发模块接收计算完成后得出的所述成像剖面数据并发送给成像模块或接收未能完成计算的单炮数据并发送至所述调用单元。
5.根据权利要求4所述方法，其特征在于，所述调用检测模块包括调用单元和检测单元：
所述调用单元，用于在分配计算任务时，分析各个单炮数据所需运算能力，并对应生成需求运算能力阈值后将该需求运算能力阈值发送给检测单元，再根据所述检测单元反馈的所述运算单元信息向该运算单元发送调用命令；
所述检测单元，用于检测各所述运算单元的剩余运算能力并与所述需求运算能力阈值进行对比，将符合所述需求运算能力阈值的所述运算单元的信息发送至所述调用单元。
6.根据权利要求5所述方法，其特征在于，所述检测单元检测到第一个符合所述需求运算能力阈值的所述运算单元即将该运算单元信息发送至所述调用单元。
7.根据权利要求6所述方法，其特征在于，所述运算单元包括：CPU处理器和/或GPU处理器。
8.根据权利要求7所述方法，其特征在于，所述检测单元包括剩余运算能力判断子单元，所述剩余运算能力判断子单元用于对应检测各个所述运算单元的运算能力得到所述剩余运算能力；所述剩余运算能力判断子单元与所述运算单元电连接。
9.根据权利要求8所述方法，其特征在于，所述剩余运算能力不为0的各所述运算单元组成一个资源池；完成单次计算的所述运算单元进入所述资源池等待分配任务。
10.根据权利要求9所述方法，其特征在于，所述调用单元向所述运算单元发送调用命令后，所述调用单元向所述检测单元发送该运算单元被占用的信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711457638.8A CN108345030A (zh) | 2017-12-28 | 2017-12-28 | 基于逆时偏移算法的异构节点自适应调用系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711457638.8A CN108345030A (zh) | 2017-12-28 | 2017-12-28 | 基于逆时偏移算法的异构节点自适应调用系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108345030A true CN108345030A (zh) | 2018-07-31 |
Family
ID=62963340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711457638.8A Pending CN108345030A (zh) | 2017-12-28 | 2017-12-28 | 基于逆时偏移算法的异构节点自适应调用系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108345030A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114265700A (zh) * | 2022-01-19 | 2022-04-01 | 中国海洋石油集团有限公司 | 一种基于逆时偏移算法的自适应高性能计算调度系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103091710A (zh) * | 2013-01-15 | 2013-05-08 | 中国石油天然气股份有限公司 | 一种逆时偏移成像方法及装置 |
| CN104570080A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油化工股份有限公司 | 一种海量数据叠前逆时偏移多gpu卡协同快速计算方法 |
| CN104635258A (zh) * | 2013-11-06 | 2015-05-20 | 中国石油天然气集团公司 | 一种应用cpu-gpu平台进行地震波逆时偏移成像方法 |
| CN105893157A (zh) * | 2016-04-29 | 2016-08-24 | 国家计算机网络与信息安全管理中心 | 一种开放分布式系统资源管理与任务调度系统与方法 |
-
2017
- 2017-12-28 CN CN201711457638.8A patent/CN108345030A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103091710A (zh) * | 2013-01-15 | 2013-05-08 | 中国石油天然气股份有限公司 | 一种逆时偏移成像方法及装置 |
| CN104570080A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油化工股份有限公司 | 一种海量数据叠前逆时偏移多gpu卡协同快速计算方法 |
| CN104635258A (zh) * | 2013-11-06 | 2015-05-20 | 中国石油天然气集团公司 | 一种应用cpu-gpu平台进行地震波逆时偏移成像方法 |
| CN105893157A (zh) * | 2016-04-29 | 2016-08-24 | 国家计算机网络与信息安全管理中心 | 一种开放分布式系统资源管理与任务调度系统与方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114265700A (zh) * | 2022-01-19 | 2022-04-01 | 中国海洋石油集团有限公司 | 一种基于逆时偏移算法的自适应高性能计算调度系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Peterka et al. | Scalable parallel building blocks for custom data analysis | |
| Balaji et al. | Mapping communication layouts to network hardware characteristics on massive-scale blue gene systems | |
| Camp | GPU Acceleration of Particle AdvectionWorkloads in a Parallel, Distributed Memory Setting | |
| Wang et al. | Unifying data, model and hybrid parallelism in deep learning via tensor tiling | |
| Tsuzuki et al. | Effective dynamic load balance using space-filling curves for large-scale SPH simulations on GPU-rich supercomputers | |
| Bova et al. | Dual-level parallel analysis of harbor wave response using MPI and OpenMP | |
| Wang et al. | Cloud-based parallel power flow calculation using resilient distributed datasets and directed acyclic graph | |
| Villarreal et al. | Distributed three-dimensional finite-difference modeling of wave propagation in acoustic media | |
| Aykanat et al. | Adaptive decomposition and remapping algorithms for object-space-parallel direct volume rendering of unstructured grids | |
| CN108345030A (zh) | 基于逆时偏移算法的异构节点自适应调用系统及方法 | |
| CN113806606A (zh) | 基于三维场景的电力大数据快速可视化分析方法及系统 | |
| Collins et al. | A shared-memory parallel black-oil simulator with a parallel ilu linear solver | |
| Shivashankar et al. | Efficient software for programmable visual analysis using Morse-Smale complexes | |
| Druyor Jr | Advances in parallel overset domain asembly | |
| Rangel et al. | Parallel DTFE surface density field reconstruction | |
| Kaehler | Massively parallel computation of accurate densities for N-body dark matter simulations using the phase-space-element method | |
| Johnson et al. | Reconfigurable Distributed FPGA Cluster Design for Deep Learning Accelerators | |
| Hsu et al. | A job scheduling design for visualization services using GPU clusters | |
| Gidra et al. | Parallelizing TUNAMI-N1 Using GPGPU | |
| Diamantopoulos et al. | A shared memory parallel multi-mesh fast marching method for re-distancing | |
| Yalçın et al. | GPU algorithms for diamond-based multiresolution terrain processing | |
| Zhu et al. | Parallel optimization of underwater acoustic models: A survey | |
| Khaled et al. | Parallel study of 3-D oil reservoir data visualization tool using hybrid distributed/shared-memory models | |
| He et al. | Parallel Partial Reduction for Large-Scale Data Analysis and Visualization | |
| CN112444851B (zh) | 基于MapReduce并行框架的逆时偏移成像方法及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180731 |
|
| RJ01 | Rejection of invention patent application after publication |