CN110865882B - 数据处理方法、装置、计算机设备和存储介质 - Google Patents
数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110865882B CN110865882B CN201810988672.6A CN201810988672A CN110865882B CN 110865882 B CN110865882 B CN 110865882B CN 201810988672 A CN201810988672 A CN 201810988672A CN 110865882 B CN110865882 B CN 110865882B
- Authority
- CN
- China
- Prior art keywords
- processor
- task
- data
- time
- bit width
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 109
- 230000002093 peripheral effect Effects 0.000 claims abstract description 67
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 24
- 230000004907 flux Effects 0.000 claims description 18
- 238000007667 floating Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 18
- 238000004088 simulation Methods 0.000 description 8
- 238000000638 solvent extraction Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种数据处理方法、装置、计算机设备和存储介质。应用于异构系统，异构系统包括第一处理器和第二处理器，第一处理器将每个待计算区域划分成外围区域和中心区域；采用预设的异构任务划分方法，第一处理器确定第一处理器的第一任务和第二处理器的第二任务；第一任务为处理所述外围区域的数据，第二任务为处理所述中心区域的数据；采用预设的浅水波方法，第一处理器和所述第二处理器分别执行相应的任务。采用不同的处理器处理不同的任务，使得各处理器处理数据的速度变高，进而使得不需要较高的计算机性能就能处理浅水波方法的数据，降低了对计算机性能的要求。
Description
技术领域
本发明涉及高性能计算机领域，特别是涉及一种数据处理方法、装置、计算机设备和存储介质。
背景技术
随着数值计算方法和高性能计算机技术的发展，以及研究全球大气数值模式的热度逐年增加，大气模式是气候模拟程序中的重要模块，其中采用浅水波方程求解器作为大气模拟的算法被越来越广泛的应用。
采用浅水波方程求解器对大气模式进行求解时，通常是通过高性能计算机中的CPU进行通量计算、状态重构、黎曼求解和波源计算，来获取大气模式的求解结果。
然而，采用上述方法，由于计算量巨大，需要占用巨大的硬件资源，对现有的计算机性能要求太高。
发明内容
基于此，有必要针对计算机性能要求太高的问题，提供一种数据处理方法、装置、计算机设备和可读存储介质。
第一方面，一种数据处理方法，所述数据处理方法应用于异构系统，所述异构系统包括第一处理器和第二处理器，所述方法包括：
第一处理器将每个待计算区域划分成外围区域和中心区域；
采用预设的异构任务划分方法，第一处理器确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；
采用预设的浅水波方法，所述第一处理器和所述第二处理器分别执行相应的任务。
上述数据处理方法，应用于异构系统，异构系统包括第一处理器和第二处理器，第一处理器将每个待计算区域划分成外围区域和中心区域；采用预设的异构任务划分方法，第一处理器确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；采用预设的浅水波方法，所述第一处理器和所述第二处理器分别执行相应的任务。通过预设的异构任务划分方法，将处理外围区域的数据划分给第一处理器处理，将中心区域的数据分配给第二处理器处理，使得第一处理器和第二处理器分别处理外围区域和中心区域的数据，由于采用不同的处理器处理不同的任务，使得各处理器处理数据的速度变高，进而使得不需要较高的计算机性能就能处理浅水波方法的数据，降低了对计算机性能的要求。
在其中一个实施例中，所述方法还包括：所述第一处理器根据所述第一处理器执行所述第一任务的第一时间与所述第二处理器执行所述第二任务的第二时间，调整所述外围区域和所述中心区域的面积比例；其中，调整后的外围区域对应的第一时间和调整后的中心区域对应的第二时间之间的差值小于预设阈值。
在其中一个实施例中，若存在多个所述第二处理器，所述采用预设的异构任务划分方法，确定所述第二处理器的第二任务，包括：所述第一处理器根据数据流动的方向和所述第二任务的任务类型，将所述第二任务分配给多个所述第二处理器。
在其中一个实施例中，所述多个所述第二处理器分别为第三处理器、第四处理器和第五处理器，所述第一处理器根据数据流动的方向和所述第二任务的任务类型，将所述第二任务分配给多个所述第二处理器，包括：所述第一处理器将数据流动的方向为上和下、且任务类型为第一任务类型的数据分配给所述第三处理器；所述第一任务类型包括通量计算、状态重构和黎曼求解；所述第一处理器将数据流动的方向为左和右、且任务类型为第一任务类型的数据分配给所述第四处理器；所述第一处理器将任务类型为第二任务类型的数据分配给第五处理器；所述第二任务类型包括波源计算。
在其中一个实施例中，所述采用预设的浅水波方法，所述第二处理器执行相应的任务，包括：所述第二处理器根据相对误差和所述第二处理器的资源占用率，确定所述第二任务对应的数据精度信息；所述相对误差为所述异构系统的输出数据与预设的输出数据之间的误差；所述第二处理器根据所述第二任务对应的数据精度信息执行相应的任务。
在其中一个实施例中，若所述第二任务的任务类型为状态重构，则所述数据精度信息为定点数；所述定点数包括整数位宽度和分数位宽度；若所述第二任务的任务类型为除所述状态重构之外的其它类型，则所述数据精度信息为浮点数，所述浮点数包括指数位宽度和尾数位宽度。
在其中一个实施例中，所述相对误差越小，所述尾数位宽度越大或所述分数位宽度越大；所述相对误差越大，所述尾数位宽度越小或分数位越小；所述资源占用率越大，所述尾数位宽度越大或分数位宽度越大；所述资源占用率越小，所述尾数位宽度越小或分数位宽度越小。
在其中一个实施例中，所述采用预设的浅水波方法，所述第二处理器执行相应的任务，包括：所述第二处理器根据坐标索引表获取所述中心区域对应的部分数据；所述坐标索引表包括所述中心区域的各数据与坐标位置之间的对应关系；所述第二处理器采用所述浅水波方法，对所述中心区域对应的部分数据进行处理。
第二方面，一种数据处理装置，包括：
第一划分模块，用于将每个待计算区域划分成外围区域和中心区域；
第二划分模块，用于采用预设的异构任务划分方法，确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；
执行模块，用于采用预设的浅水波方法，执行相应的任务。
第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
第一处理器将每个待计算区域划分成外围区域和中心区域；
采用预设的异构任务划分方法，第一处理器确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；
采用预设的浅水波方法，所述第一处理器和所述第二处理器分别执行相应的任务。
第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
第一处理器将每个待计算区域划分成外围区域和中心区域；
采用预设的异构任务划分方法，第一处理器确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；
采用预设的浅水波方法，所述第一处理器和所述第二处理器分别执行相应的任务。
上述数据处理方法、装置、计算机设备和可读存储介质，应用于异构系统，异构系统包括第一处理器和第二处理器，第一处理器将每个待计算区域划分成外围区域和中心区域；采用预设的异构任务划分方法，第一处理器确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；采用预设的浅水波方法，所述第一处理器和所述第二处理器分别执行相应的任务。通过预设的异构任务划分方法，将处理外围区域的数据划分给第一处理器处理，将中心区域的数据分配给第二处理器处理，使得第一处理器和第二处理器分别处理外围区域和中心区域的数据，由于采用不同的处理器处理不同的任务，使得各处理器处理数据的速度变高，进而使得不需要较高的计算机性能就能处理浅水波方法的数据，降低了对计算机性能的要求。
附图说明
图1为一个实施例中异构系统的示意图；
图2为一个实施例提供的数据处理方法的流程示意图；
图2a为一个实施例中划分外围区域和中心区域的示意图；
图2b为一个实施例中划分外围区域和中心区域的示意图
图3为一个实施例提供的数据处理方法的流程示意图；
图3a为一个实施例中划分第二处理器任务的示意图；
图4为一个实施例提供的数据处理方法的流程示意图；
图4a为一个实施例中相对误差与资源占用率的对应关系的示意图；
图5为一个实施例提供的数据处理方法的流程示意图；
图6为一个实施例提供的数据处理装置的结构示意图；
图7为一个实施例提供的数据处理装置的结构示意图；
图8为一个实施例提供的数据处理装置的结构示意图；
图9为一个实施例提供的计算结设备的内部结构图。
具体实施方式
随着数值计算方法和高性能计算机技术的发展，以及研究全球大气数值模式的热度逐年增加，大气模式是气候模拟程序中的重要模块，其中采用浅水波方程求解器作为大气模拟的算法被越来越广泛的应用。采用浅水波方程求解器对大气模式进行求解时，通常是通过高性能计算机中的CPU对待求解区域的进行通量计算、状态重构、黎曼求解和波源计算，来获取大气模式的求解结果。然而，采用上述方法，由于计算量巨大，需要占用巨大的硬件资源，对现有的计算机性能要求太高。本申请提供的数据处理方法、装置、计算机设备和可读存储介质旨在解决采用浅水波算法求解大气模型时，对计算机性能要求过高的问题。
为使本发明实施例的目的、技术方案和优点更加清楚，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做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。
本实施例提供的数据处理方法，可以适用于异构系统中。如图1所示，该系统主要包括第一处理器10和第二处理器20等部件，不同部件之间的接连方式以及控制管理，则是由第一处理器来实现。
为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。
图2为一个实施例提供的数据处理方法的流程示意图，本实施例涉及的是计算机设备对待计算区域划分后的边界区域和外围区域中的每一个网格点数据，分别进行浅水波方法计算的具体过程。如图2所示，该方法包括：
S101、第一处理器将每个待计算区域划分成外围区域和中心区域。
具体地，第一处理器可以是中央处理器，也可以是数据流引擎，本申请实施例对此不做限制。外围区域可以是待计算区域中坐标位置靠近边界的区域，在计算外围区域的相关数据时，需要进行更多的运算。例如，在计算外围区域时，除了相关计算通量计算、状态重构、黎曼求解和波源计算，需要进行Halo更新、线性插值等工作等计算。中心区域可以是待计算区域中坐标位置远离边界的区域，在计算中心区域的相关数据时，可以至计算相关的通量计算、状态重构、黎曼求解和波源计算等。
在具体的划分过程中，第一处理器可以根据待计算区域的位置信息，将待计算区域划分为外围区域和中心区域。如图2a和图2b所示，第一处理器可以将待计算区域划分为多个外围区域和多个中心区域，也可以将待计算区域划分为一个外围区域和一个中心区域，本申请实施例对此不做限制。
S102、采用预设的异构任务划分方法，第一处理器确定第一处理器的第一任务和第二处理器的第二任务；其中，第一任务为处理外围区域的数据，第二任务为处理中心区域的数据。
具体的，异构任务划分方法可以用于划分第一处理器和第二处理器处理的数据，其可以根据待处理数据的类型对待处理数据进行划分，也可以是根据待处理数据要进行的运算类型对待处理数据进行划分，还可以是根据待处理数据的精度对其进行划分，本申请实施例对此不做限制。第一处理器可以是中央处理器，第二处理器可以是现场可编程门阵列(Field－Programmable Gate Array,FPGA)，第二处理器可以是一个处理器，也可以是多个处理器，本申请实施例对此不做限制。采用预设的异构任务划分的方法，将处理外围区域的数据的任务划分给第一处理器进行处理，将处理中心区域的数据的的任务划分给第二处理器进行处理。
S103、采用预设的浅水波方法，第一处理器和第二处理器分别执行相应的任务。
具体的，浅水波方法是一个大气模拟的过程，其是将待模拟区域离散化，也就是说将连续区域变成网格点，根据每个网格点的初始状态，根据基于动量守恒、能量守恒、质量守恒推导出的通用的大气模拟公式的浅水波方程，在模拟时间范围内，计算每个网格点对应的一系列变量的变化，进而获得在目标时间点上各个网格点的整体状态。
在上述实施例的基础上，确定了第一处理器和第二处理器分别要处理的外围区域或中心区域上数据时，对各区域中每个网格点的数据进行计算，获得外围区域或中心区域上各个网格点的整体状态。
上述数据处理方法，应用于异构系统，异构系统包括第一处理器和第二处理器，第一处理器将每个待计算区域划分成外围区域和中心区域；采用预设的异构任务划分方法，第一处理器确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；采用预设的浅水波方法，所述第一处理器和所述第二处理器分别执行相应的任务。通过预设的异构任务划分方法，将处理外围区域的数据划分给第一处理器处理，将中心区域的数据分配给第二处理器处理，使得第一处理器和第二处理器分别处理外围区域和中心区域的数据，由于采用不同的处理器处理不同的任务，使得各处理器处理数据的速度变高，进而使得不需要较高的计算机性能就能处理浅水波方法的数据，降低了对计算机性能的要求。
可选地，第一处理器根据第一处理器执行第一任务的第一时间与第二处理器执行第二任务的第二时间，调整外围区域和所述中心区域的面积比例；其中，调整后的外围区域对应的第一时间和调整后的中心区域对应的第二时间之间的差值小于预设阈值。
具体的，第一时间可以为第一处理器执行第一任务所用的时间，第二时间可以为第二处理器处理第二任务所用的时间，在上述实施例的基础上，第一任务为处理外围区域的数据，第二任务处理中心区域的数据，外围区域的面积越大，则第一时间越长，外围区域的面积越小，则第一时间越短；同时中心区域的面积越大，则第二时间越长，中心区域的面积越小，则第二时间越短。通过调整外围区域和所述中心区域的面积比例，可以调整第一时间和第二时间的长度，使得调试后的外围区域对应的第一时间和调整后的中心区域对应的第二时间之间的差值小于预设阈值。
在一种场景中，可以设置多个第二处理器，多个第二处理器共同处理第二任务。可选地，若存在多个第二处理器，采用预设的异构任务划分方法，第一处理器根据数据流动的方向和第二任务的任务类型，将第二任务分配给多个第二处理器。
具体的，中心区域对应的待计算数据，在中心区域中每一个网格点进行浅水波方法计算时，需要用到周围13个网格点的数据，该13个网格点分别位于待计算网格点的上、下、左、右四个方向。数据流动的方向可以是在上的网格点的数据向下流动到待计算的网格点，或在下的网格点的数据向上流动到待计算的网格点，或在左的网格点的数据向右流动到待计算的网格点，或在右的网格点的数据向左流动到待计算的网格点。第二任务的任务类型可以包括通量计算、状态重构、黎曼求解和波源计算，本申请实施例对此不做限制。将相同类型或相同数据流动方向的任务分配给同一个第二处理器处理，能有效的提高任务处理的速度，由于浅水波方法中存在不同的任务类型和不同的数据流动方向，因此，根据任务类型或数据流动方向将其对应的任务分配给多个第二处理器处理。
图3为一个实施例提供的数据处理方法的流程示意图，本实施例涉及的是多个所述第二处理器分别为第三处理器、第四处理器和第五处理器，第一处理器根据数据流动的方向和第二任务的任务类型，将第二任务分配给多个第二处理器的具体过程，如图3所示，第一处理器根据数据流动的方向和第二任务的任务类型，将第二任务分配给多个第二处理器的具体过程，包括：
S201、第一处理器将数据流动的方向为上和下、且任务类型为第一任务类型的数据分配给第三处理器；第一任务类型包括通量计算、状态重构和黎曼求解。
具体的，第三处理器可以是多个第二处理器中的一个处理器，也可以是多个第二处理器中的多个处理器。在上述实施例的基础上，如图3a所示，第一任务类型可以是根据第二任务处理的方法进行划分的任务类型，包括通量计算、状态重构和黎曼求解。第一处理器将数据中心区域对应的流动方向为上和下、且任务类型为第一任务类型的数据分配给第三处理器进行处理。
S202、第一处理器将数据流动的方向为左和右、且任务类型为第一任务类型的数据分配给第四处理器。
具体的，第四处理器可以是多个第二处理器中的一个处理器，也可以是多个第二处理器中的多个处理器。在上述实施例的基础上，如图3a所示，第一处理器将中心区域对应的数据流动的方向为左和右、且任务类型为通量计算、状态重构和黎曼求解的数据分配给第四处理器
S203、第一处理器将任务类型为第二任务类型的数据分配给第五处理器；第二任务类型包括波源计算。
具体的，第五理器可以是多个第二处理器中的一个处理器，也可以是多个第二处理器中的多个处理器。如图3a所示，第一处理器将中心区域对应任务类型为波源计算的数据分配给第五处理器进行处理。
上述数据处理方法，第一处理器将数据流动的方向为上和下、且任务类型为第一任务类型的数据分配给第三处理器；第一任务类型包括通量计算、状态重构和黎曼求解，第一处理器将数据流动的方向为左和右、且任务类型为第一任务类型的数据分配给第四处理器，第一处理器将任务类型为第二任务类型的数据分配给第五处理器；第二任务类型包括波源计算。根据数据流动的方向和任务类型对中心区域的待处理数据划分给不同的处理器进行处理，使得同一类型的处理器处理同一类型的数据，进一步地提高了计算的效率，从而降低了对计算机性能的要求。
上述实施例涉及的是通过将不同的任务分配给不同的处理器来提升计算设备的计算效率，进而降低对现有计算设备的性能要求。下面通过平衡计算精度和计算设备资源利用率来获得能够满足计算精度要求的计算设备。图4为一个实施例提供的数据处理方法的流程示意图，如图4所示，该方法包括：
S301、第二处理器根据相对误差和第二处理器的资源占用率，确定第二任务对应的数据精度信息；相对误差为异构系统的输出数据与预设的输出数据之间的误差。
具体的，预设的输出数据可以是通过采用性能高的计算机通过浅水波方法对大气模型进行大气模拟得到的数据，其计算量巨大，占用了大量的硬件资源，对现有的计算机性能要求太高，但是其计算的精度较高。
如图4a所示，相对误差与第二处理器的资源占用率存在反比的关系，资源占用率越大，则相对误差越小，资源占用率越小，则相对误差越大。第二处理器的资源占用率与第二任务的数据精度信息相关，第二任务的数据精度越高，则资源占用率越大，第二任务的数据精度越低，则资源占用率越小。
继续如图4a所示，图4a为根据具体的运算总结获得的相对误差与第二处理器的资源占用率之间的对应关系，根据该对应关系，选取能够满足需求的相对误差对应的第二处理器的资源占用率，进而获得第二任务的数据精度信息。
可选地，若第二任务的任务类型为状态重构，则数据精度信息为定点数；所述定点数包括整数位宽度和分数位宽度；若第二任务的任务类型为除状态重构之外的其它类型，则数据精度信息为浮点数，浮点数包括指数位宽度和尾数位宽度。
其中，定点数包括整数位宽度和分数位宽度，为计算机中采用的一种数的表示方法，参与运算的数的小数点位置固定不变，其只能为16位或32位，在任务类型为状态重构的第二任务中，由于状态重构处理的数据为定点数，因此在状态重构的任务类型性，其数据精度信息由定点数表示。浮点数包括指数位宽度和尾数位宽度，在计算机中用以近似表示任意某个实数，其可以为任意位数。在任务类型不为状态重构的第二任务中，其数据精度信息由浮点数表示。
进一步地，可选地，相对误差越小，尾数位宽度越大或所述分数位宽度越大；相对误差越大，尾数位宽度越小或分数位越小；资源占用率越大，所述尾数位宽度越大或分数位宽度越大；资源占用率越小，尾数位宽度越小或分数位宽度越小。
S302、第二处理器根据第二任务对应的数据精度信息执行相应的任务。
具体的，在上述实施例的基础上，在确定了第二任务对应的数据精度信息后，根据该数据精度信息，第二处理器对中心区域的待处理数据进行相应的通量计算、状态重构、黎曼求解和波源计算的处理。
上述数据处理方法，第二处理器根据相对误差和第二处理器的资源占用率，确定第二任务对应的数据精度信息；相对误差为异构系统的输出数据与预设的输出数据之间的误差，第二处理器根据第二任务对应的数据精度信息执行相应的任务。通过选取允许的最大的相对误差，获得与其对应的第二处理器的最小资源占用率，进而获得第二任务的数据精度信息，采用该数据精度信息对中心区域的待处理数据进行计算，也就是说，采用能满足需求的相对误差对应的最小的资源占用率对中心区域的待处理数据进行计算，进一步地提高了计算的效率，从而降低了对计算机性能的要求。
上述实施例涉及的是通过平衡计算精度和计算设备资源利用率来获得能够满足计算精度要求的计算设备。下面通过将计算数据存储在计算机设备中，若后续计算需要使用该计算数据，通过索引表获取该数据，减少计算量，从而降低对计算机性能的要求。
图5为一个实施例提供的数据处理方法的流程示意图，如图5所示，该方法包括：
S401、第二处理器根据坐标索引表获取中心区域对应的部分数据；坐标索引表包括中心区域的各数据与坐标位置之间的对应关系。
具体的，在第二处理器执行第二任务的过程中，可以将处理过的中心区域对应的部分数据放置在坐标索引表中，以减少重复的计算。其中坐标索引表包括中心区域的各数据与坐标位置之间的对应关系。例如，在第二处理器执行第二任务的过程中，中心区域中坐标为(x,y)网格点的状态重构的计算结果存储在坐标索引表中坐标索引(i,j)内，通过坐标索引表查找坐标为(x,y)网格点对应坐标索引(i,j)内的数据，获取该数据。
S402、第二处理器采用浅水波方法，对中心区域对应的部分数据进行处理。
具体的，在上述实施例的基础上，第二处理器采用浅水波方法，对中心区域对应的部分数据进行处理，其可以通过调用相同坐标位置对应的数据来进行计算。例如，在对坐标为(x,y)网格点进行波源计算时，可以调用存储在坐标索引表内坐标为(x,y)网格点的数据进行计算。
上述数据处理方法，第二处理器根据坐标索引表获取中心区域对应的部分数据，坐标索引表包括中心区域的各数据与坐标位置之间的对应关系，第二处理器采用浅水波方法，对中心区域对应的部分数据进行处理。在第二处理器执行第二任务的过程中，将部分数据存储在坐标索引表内，在需要该数据时直接条用该数据，减少了重复的计算，因此降低了计算量，进一步地提高了计算的效率，降低了对计算机性能的要求。
图6为一个实施例提供的数据处理装置的结构示意图。如图6所示，该数据处理装置应用于异构系统，异构系统包括第一处理器和第二处理器，该数据处理装置包括：第一划分模块10、第二划分模块20和执行模块30，其中：
第一划分模块10，用于将每个待计算区域划分成外围区域和中心区域；
第二划分模块20，用于采用预设的异构任务划分方法，确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；
执行模块30，用于采用预设的浅水波方法，执行相应的任务。
在一个实施例中，第二划分模块20用于根据所述第一处理器执行所述第一任务的第一时间与所述第二处理器执行所述第二任务的第二时间，调整所述外围区域和所述中心区域的面积比例；其中，调整后的外围区域对应的第一时间和调整后的中心区域对应的第二时间之间的差值小于预设阈值。
本发明实施例提供的数据处理的装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
图7为一个实施例提供的数据处理装置的结构示意图。在图6的基础上，如图7所示，第二划分模块20包括：分配单元201，其中：
分配单元201，用于根据数据流动的方向和所述第二任务的任务类型，将所述第二任务分配给多个所述第二处理器。
在一个实施例中，所述多个所述第二处理器分别为第三处理器、第四处理器和第五处理器，分配单元201具体用于所述第一处理器将数据流动的方向为上和下、且任务类型为第一任务类型的数据分配给所述第三处理器；所述第一任务类型包括通量计算、状态重构和黎曼求解；所述第一处理器将数据流动的方向为左和右、且任务类型为第一任务类型的数据分配给所述第四处理器；所述第一处理器将任务类型为第二任务类型的数据分配给第五处理器；所述第二任务类型包括波源计算。
本发明实施例提供的数据处理的装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
图8为一个实施例提供的数据处理装置的结构示意图。在图6或图7的基础上，如图8所示，执行模块30包括：确定单元301和执行单元302，其中：
确定单元301，用于根据相对误差和所述第二处理器的资源占用率，确定所述第二任务对应的数据精度信息；所述相对误差为所述异构系统的输出数据与预设的输出数据之间的误差；
执行单元302，用于根据所述第二任务对应的数据精度信息执行相应的任务。
在一个实施例中，执行单元302具体用于若所述第二任务的任务类型为状态重构，则所述数据精度信息为定点数；所述定点数包括整数位宽度和分数位宽度；若所述第二任务的任务类型为除所述状态重构之外的其它类型，则所述数据精度信息为浮点数，所述浮点数包括指数位宽度和尾数位宽度。
在一个实施例中，所述相对误差越小，所述尾数位宽度越大或所述分数位宽度越大；所述相对误差越大，所述尾数位宽度越小或分数位越小；所述资源占用率越大，所述尾数位宽度越大或分数位宽度越大；所述资源占用率越小，所述尾数位宽度越小或分数位宽度越小。
在一个实施例中，执行单元302还用于根据坐标索引表获取所述中心区域对应的部分数据；所述坐标索引表包括所述中心区域的各数据与坐标位置之间的对应关系；采用所述浅水波方法，对所述中心区域对应的部分数据进行处理。
需要说明的是，本实施例的图8是在图7的基础上进行示出的，当然图8也可以是在图6的基础上示出，本申请实施例对此不做限制。
本发明实施例提供的数据处理的装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于一种数据处理装置的具体限定可以参见上文中对于数据处理方法的限定，在此不再赘述。上述数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备被处理器执行时以实现一种资源分配的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
将每个待计算区域划分成外围区域和中心区域；
采用预设的异构任务划分方法，确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；
采用预设的浅水波方法，执行相应的任务。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述第一处理器根据所述第一处理器执行所述第一任务的第一时间与所述第二处理器执行所述第二任务的第二时间，调整所述外围区域和所述中心区域的面积比例；其中，调整后的外围区域对应的第一时间和调整后的中心区域对应的第二时间之间的差值小于预设阈值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若存在多个所述第二处理器，所述采用预设的异构任务划分方法，确定所述第二处理器的第二任务，包括：所述第一处理器根据数据流动的方向和所述第二任务的任务类型，将所述第二任务分配给多个所述第二处理器。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述多个所述第二处理器分别为第三处理器、第四处理器和第五处理器，所述第一处理器根据数据流动的方向和所述第二任务的任务类型，将所述第二任务分配给多个所述第二处理器，包括：所述第一处理器将数据流动的方向为上和下、且任务类型为第一任务类型的数据分配给所述第三处理器；所述第一任务类型包括通量计算、状态重构和黎曼求解；所述第一处理器将数据流动的方向为左和右、且任务类型为第一任务类型的数据分配给所述第四处理器；所述第一处理器将任务类型为第二任务类型的数据分配给第五处理器；所述第二任务类型包括波源计算。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述第二处理器根据相对误差和所述第二处理器的资源占用率，确定所述第二任务对应的数据精度信息；所述相对误差为所述异构系统的输出数据与预设的输出数据之间的误差；所述第二处理器根据所述第二任务对应的数据精度信息执行相应的任务。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述第二任务的任务类型为状态重构，则所述数据精度信息为定点数；所述定点数包括整数位宽度和分数位宽度；若所述第二任务的任务类型为除所述状态重构之外的其它类型，则所述数据精度信息为浮点数，所述浮点数包括指数位宽度和尾数位宽度。
在一个实施例中，所述相对误差越小，所述尾数位宽度越大或所述分数位宽度越大；所述相对误差越大，所述尾数位宽度越小或分数位越小；所述资源占用率越大，所述尾数位宽度越大或分数位宽度越大；所述资源占用率越小，所述尾数位宽度越小或分数位宽度越小。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述第二处理器根据坐标索引表获取所述中心区域对应的部分数据；所述坐标索引表包括所述中心区域的各数据与坐标位置之间的对应关系；所述第二处理器采用所述浅水波方法，对所述中心区域对应的部分数据进行处理。
本实施例提供的计算机终端，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
第一处理器将每个待计算区域划分成外围区域和中心区域；
采用预设的异构任务划分方法，确定所述第一处理器的第一任务和所述第二处理器的第二任务；其中，所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；
采用预设的浅水波方法，所述第一处理器和所述第二处理器分别执行相应的任务。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述第一处理器根据所述第一处理器执行所述第一任务的第一时间与所述第二处理器执行所述第二任务的第二时间，调整所述外围区域和所述中心区域的面积比例；其中，调整后的外围区域对应的第一时间和调整后的中心区域对应的第二时间之间的差值小于预设阈值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若存在多个所述第二处理器，所述采用预设的异构任务划分方法，确定所述第二处理器的第二任务，包括：所述第一处理器根据数据流动的方向和所述第二任务的任务类型，将所述第二任务分配给多个所述第二处理器。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述多个所述第二处理器分别为第三处理器、第四处理器和第五处理器，所述第一处理器根据数据流动的方向和所述第二任务的任务类型，将所述第二任务分配给多个所述第二处理器，包括：所述第一处理器将数据流动的方向为上和下、且任务类型为第一任务类型的数据分配给所述第三处理器；所述第一任务类型包括通量计算、状态重构和黎曼求解；所述第一处理器将数据流动的方向为左和右、且任务类型为第一任务类型的数据分配给所述第四处理器；所述第一处理器将任务类型为第二任务类型的数据分配给第五处理器；所述第二任务类型包括波源计算。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述第二处理器根据相对误差和所述第二处理器的资源占用率，确定所述第二任务对应的数据精度信息；所述相对误差为所述异构系统的输出数据与预设的输出数据之间的误差；所述第二处理器根据所述第二任务对应的数据精度信息执行相应的任务。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述第二任务的任务类型为状态重构，则所述数据精度信息为定点数；所述定点数包括整数位宽度和分数位宽度；若所述第二任务的任务类型为除所述状态重构之外的其它类型，则所述数据精度信息为浮点数，所述浮点数包括指数位宽度和尾数位宽度。
在一个实施例中，所述相对误差越小，所述尾数位宽度越大或所述分数位宽度越大；所述相对误差越大，所述尾数位宽度越小或分数位越小；所述资源占用率越大，所述尾数位宽度越大或分数位宽度越大；所述资源占用率越小，所述尾数位宽度越小或分数位宽度越小。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述第二处理器根据坐标索引表获取所述中心区域对应的部分数据；所述坐标索引表包括所述中心区域的各数据与坐标位置之间的对应关系；所述第二处理器采用所述浅水波方法，对所述中心区域对应的部分数据进行处理。
本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种数据处理方法，其特征在于，所述数据处理方法应用于异构系统，所述异构系统包括第一处理器和第二处理器，所述方法包括：
第一处理器将每个待计算区域划分成外围区域和中心区域；
采用预设的异构任务划分方法，第一处理器确定所述第一处理器的第一任务；并根据数据流动的方向和第二任务的任务类型，将所述第二任务分配给多个第二处理器；
其中，所述多个第二处理器包括第三处理器、第四处理器和第五处理器；所述第二处理器中的数据包括所述数据流动方向为上和下、且任务类型为通量计算、状态重构和黎曼求解的数据；所述第四处理器中的数据包括为数据流动方向为左和右、且任务类型为通量计算、状态重构和黎曼求解的数据；所述第五处理器中的数据包括任务类型为波源计算的数据；所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；
采用预设的浅水波方法，所述第一处理器和所述第二处理器分别执行相应的任务；所述第一处理器执行所述第一任务所用的时间为第一时间，所述第二处理器执行所述第二任务所用的时间为第二时间；所述第一时间的长度和所述第二时间的长度通过调整所述外围区域和所述中心区域的面积比例调整。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述第一处理器根据所述第一处理器执行所述第一任务的第一时间与所述第二处理器执行所述第二任务的第二时间，调整所述外围区域和所述中心区域的面积比例；其中，调整后的外围区域对应的第一时间和调整后的中心区域对应的第二时间之间的差值小于预设阈值。
3.根据权利要求1或2所述的方法，其特征在于，所述采用预设的浅水波方法，所述第二处理器执行相应的任务，包括：
所述第二处理器根据相对误差和所述第二处理器的资源占用率，确定所述第二任务对应的数据精度信息；所述相对误差为所述异构系统的输出数据与预设的输出数据之间的误差；
所述第二处理器根据所述第二任务对应的数据精度信息执行相应的任务。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若所述第二任务的任务类型为状态重构，则所述数据精度信息为定点数；所述定点数包括整数位宽度和分数位宽度；
若所述第二任务的任务类型为除所述状态重构之外的其它类型，则所述数据精度信息为浮点数，所述浮点数包括指数位宽度和尾数位宽度。
5.根据权利要求4所述的方法，其特征在于，所述相对误差越小，所述尾数位宽度越大或所述分数位宽度越大；所述相对误差越大，所述尾数位宽度越小或分数位越小；
所述资源占用率越大，所述尾数位宽度越大或分数位宽度越大；所述资源占用率越小，所述尾数位宽度越小或分数位宽度越小。
6.根据权利要求4所述的方法，其特征在于，所述采用预设的浅水波方法，所述第二处理器执行相应的任务，包括：
所述第二处理器根据坐标索引表获取所述中心区域对应的部分数据；所述坐标索引表包括所述中心区域的各数据与坐标位置之间的对应关系；
所述第二处理器采用所述浅水波方法，对所述中心区域对应的部分数据进行处理。
7.一种数据处理装置，其特征在于，包括：
第一划分模块，用于将每个待计算区域划分成外围区域和中心区域；
第二划分模块，用于采用预设的异构任务划分方法，确定第一处理器的第一任务；并根据数据流动的方向和第二任务的任务类型，将所述第二任务分配给多个第二处理器；
其中，所述多个第二处理器包括第三处理器、第四处理器和第五处理器；所述第二处理器中的数据包括所述数据流动方向为上和下、且任务类型为通量计算、状态重构和黎曼求解的数据；所述第四处理器中的数据包括为数据流动方向为左和右、且任务类型为通量计算、状态重构和黎曼求解的数据；所述第五处理器中的数据包括任务类型为波源计算的数据；所述第一任务为处理所述外围区域的数据，所述第二任务为处理所述中心区域的数据；
执行模块，用于采用预设的浅水波方法，执行相应的任务；所述第一处理器执行所述第一任务所用的时间为第一时间，所述第二处理器执行所述第二任务所用的时间为第二时间；所述第一时间的长度和所述第二时间的长度通过调整所述外围区域和所述中心区域的面积比例调整。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括；
第二划分模块20，用于根据所述第一处理器执行所述第一任务的第一时间与所述第二处理器执行所述第二任务的第二时间，调整所述外围区域和所述中心区域的面积比例；其中，调整后的外围区域对应的第一时间和调整后的中心区域对应的第二时间之间的差值小于预设阈值。
9.一种计算机设备，包括存储器、处理器，所述存储器上存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810988672.6A CN110865882B (zh) | 2018-08-28 | 2018-08-28 | 数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810988672.6A CN110865882B (zh) | 2018-08-28 | 2018-08-28 | 数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110865882A CN110865882A (zh) | 2020-03-06 |
| CN110865882B true CN110865882B (zh) | 2022-07-08 |
Family
ID=69651521
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810988672.6A Active CN110865882B (zh) | 2018-08-28 | 2018-08-28 | 数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110865882B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112199675A (zh) * | 2020-10-20 | 2021-01-08 | Oppo广东移动通信有限公司 | 用于防止边信道攻击的任务处理方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6826452B1 (en) * | 2002-03-29 | 2004-11-30 | The Penn State Research Foundation | Cable array robot for material handling |
| CN102576304A (zh) * | 2009-06-19 | 2012-07-11 | 奇异计算有限公司 | 使用紧凑的运算处理元件进行处理 |
| CN207440765U (zh) * | 2017-01-04 | 2018-06-01 | 意法半导体股份有限公司 | 片上系统和移动计算设备 |
| CN108369509A (zh) * | 2015-12-21 | 2018-08-03 | 英特尔公司 | 用于基于通道的跨步分散操作的指令和逻辑 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7606666B2 (en) * | 2007-01-29 | 2009-10-20 | Schlumberger Technology Corporation | System and method for performing oilfield drilling operations using visualization techniques |
-
2018
- 2018-08-28 CN CN201810988672.6A patent/CN110865882B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6826452B1 (en) * | 2002-03-29 | 2004-11-30 | The Penn State Research Foundation | Cable array robot for material handling |
| CN102576304A (zh) * | 2009-06-19 | 2012-07-11 | 奇异计算有限公司 | 使用紧凑的运算处理元件进行处理 |
| CN108369509A (zh) * | 2015-12-21 | 2018-08-03 | 英特尔公司 | 用于基于通道的跨步分散操作的指令和逻辑 |
| CN207440765U (zh) * | 2017-01-04 | 2018-06-01 | 意法半导体股份有限公司 | 片上系统和移动计算设备 |
Non-Patent Citations (1)
| Title |
|---|
| "ACCELERATING SOLVERS FOR GLOBAL ATMOSPHERIC EQUATIONS THROUGH MIXEDPRECISION DATA FLOW ENGINE";L. Gan, H. Fu, W. Luk, C, et al;《2013 23rd International Conference on Field programmable Logic and Applications》;20131231;第1–6页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110865882A (zh) | 2020-03-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lunniss et al. | Integrating cache related pre-emption delay analysis into edf scheduling | |
| CN108205469B (zh) | 一种基于MapReduce的资源分配方法及服务器 | |
| CN113095474A (zh) | 深度学习模型的资源使用情况预测 | |
| WO2021232769A1 (zh) | 一种存储数据的方法及数据处理装置 | |
| CN103970879B (zh) | 一种调整数据块存储位置的方法及系统 | |
| KR20130088513A (ko) | 멀티코어 시스템의 태스크 분배 방법 및 장치 | |
| CN115016951A (zh) | 流场数值模拟方法、装置、计算机设备和存储介质 | |
| Lunniss et al. | A comparison between fixed priority and edf scheduling accounting for cache related pre-emption delays | |
| CN110865882B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| CN112130997A (zh) | 一种资源分配方法及装置 | |
| Cui et al. | An effective SPMV based on block strategy and hybrid compression on GPU | |
| CN115421927B (zh) | 一种负载均衡方法、计算设备及存储介质 | |
| CN113157806B (zh) | 网格数据分布式存储服务系统、方法、装置、设备及介质 | |
| Wang et al. | On runtime adaptive tile defragmentation for resource management in many-core systems | |
| JP2021105772A (ja) | リソース利用量の予測管理システム、リソース利用量の予測管理方法 | |
| JP6163926B2 (ja) | 仮想マシン管理装置、仮想マシン管理方法、及びプログラム | |
| CN111159796B (zh) | 建筑的梁的生成方法、装置、计算机设备和存储介质 | |
| CN113672489A (zh) | 超级计算机的资源性能等级确定方法及设备 | |
| KR20210080749A (ko) | 공간 조인 수행 방법 및 장치 | |
| CN111125809A (zh) | 建筑钢柱生成方法、装置、计算机设备和存储介质 | |
| CN113051067B (zh) | 资源分配方法、装置、计算机设备和存储介质 | |
| Muresano et al. | Combining scalability and efficiency for spmd applications on multicore clusters | |
| Kim et al. | GPGPU-Perf: efficient, interval-based DVFS algorithm for mobile GPGPU applications | |
| CN110765513B (zh) | 墙龙骨模型和l型顶导梁模型的连接节点放置方法和产品 | |
| CN110362510B (zh) | 动态堆栈分配方法、装置、计算机设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |