• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

面向科学计算可视化的两级并行数据读取加速方法

石刘, 肖丽, 曹立强, 莫则尧

石刘, 肖丽, 曹立强, 莫则尧. 面向科学计算可视化的两级并行数据读取加速方法[J]. 计算机研究与发展, 2017, 54(4): 844-854. DOI: 10.7544/issn1000-1239.2017.20150923
引用本文: 石刘, 肖丽, 曹立强, 莫则尧. 面向科学计算可视化的两级并行数据读取加速方法[J]. 计算机研究与发展, 2017, 54(4): 844-854. DOI: 10.7544/issn1000-1239.2017.20150923
shu
Shi Liu, Xiao Li, Cao Liqiang, Mo Zeyao. Two Level Parallel Data Read Acceleration Method for Visualization in Scientific Computing[J]. Journal of Computer Research and Development, 2017, 54(4): 844-854. DOI: 10.7544/issn1000-1239.2017.20150923
Citation: Shi Liu, Xiao Li, Cao Liqiang, Mo Zeyao. Two Level Parallel Data Read Acceleration Method for Visualization in Scientific Computing[J]. Journal of Computer Research and Development, 2017, 54(4): 844-854. DOI: 10.7544/issn1000-1239.2017.20150923
shu
石刘, 肖丽, 曹立强, 莫则尧. 面向科学计算可视化的两级并行数据读取加速方法[J]. 计算机研究与发展, 2017, 54(4): 844-854. CSTR: 32373.14.issn1000-1239.2017.20150923
引用本文: 石刘, 肖丽, 曹立强, 莫则尧. 面向科学计算可视化的两级并行数据读取加速方法[J]. 计算机研究与发展, 2017, 54(4): 844-854. CSTR: 32373.14.issn1000-1239.2017.20150923
shu
Shi Liu, Xiao Li, Cao Liqiang, Mo Zeyao. Two Level Parallel Data Read Acceleration Method for Visualization in Scientific Computing[J]. Journal of Computer Research and Development, 2017, 54(4): 844-854. CSTR: 32373.14.issn1000-1239.2017.20150923
Citation: Shi Liu, Xiao Li, Cao Liqiang, Mo Zeyao. Two Level Parallel Data Read Acceleration Method for Visualization in Scientific Computing[J]. Journal of Computer Research and Development, 2017, 54(4): 844-854. CSTR: 32373.14.issn1000-1239.2017.20150923
shu

面向科学计算可视化的两级并行数据读取加速方法

  • 1(中国舰船研究院 北京 100101)

  • 2(北京应用物理与计算数学研究所 北京 100088)

  • 3(中物院高性能数值模拟软件中心 北京 100088) (shilbill@vip.sina.com)

基金项目: 国家自然科学基金重点项目(61232012)；国家重点基础研究专项经费(2011CB309702)；国家“八六三”高技术研究发展计划基金项目(2012AA01A309)
详细信息

  • 中图分类号: TP391

Two Level Parallel Data Read Acceleration Method for Visualization in Scientific Computing

  • 1(China Ship Research and Development Academy, Beijing 100101)

  • 2(Institute of Applied Physics and Computational Mathematics, Beijing 100088)

  • 3(CAEP Software Center for High Performance Numerical Simulation, Beijing 100088)

HTML全文

    摘要
  • 摘要: 为了匹配超级计算机的整体计算能力，超级计算机存储子系统通常具有良好的I/O性能可扩展性，表现为：应用获得存储子系统最佳性能时的I/O访问并发度，与超级计算机系统总计算核数(可达数万至数百万)通常处于同一数量级.然而，科学计算可视化应用通常使用的进程数(等于I/O访问并发度)相对较小(经验上常设为计算进程数的1%，典型值为数个至数百个)，因此无法充分发挥超级计算机存储子系统的最佳I/O性能.提出了一种面向科学计算可视化的两级并行数据读取加速方法，在可视化进程内部引入多线程并行数据读取，通过进程间和进程内两级并行，增加超级计算机存储子系统的I/O访问并发度，提升可视化应用数据读取速率.测试结果表明:在不同的可视化进程规模下，两级并行比单级并行峰值数据读取速率提高33.5%~269.5%，均值数据读取速率提高26.6%~232.2%；随着科学计算应用种类以及应用规模的变化，两级并行数据读取可使可视化应用整体峰值运行速度加速19.5%~225.7%，均值运行速度加速15.8%~197.6%.
    Abstract: In order to match the overall computing capability of super computer, the super computer’s storage subsystem usually has good I/O performance scalability, which causes that, applications’ I/O access concurrency under the best performance of the storage subsystem and the total compute core number (tens of thousands to several millions) of super computer are usually in the same order of magnitude; however, the process number (equals to the I/O access concurrency) used in visualization in scientific computing (ViSC) applications is usually relatively small (experientially set to 1% of used computing process number, typically several to hundreds). Therefore, the best I/O performance of the storage subsystem cannot be achieved. In this paper we propose a two level parallel data read-based acceleration method for ViSC applications. Multi threads parallel data accessing is introduced into the visualization process; the I/O access concurrency of the super computer’s storage subsystem has been enhanced and visualization applications’ data read rate has been promoted through the two level parallel read, i.e. the parallelism among multi processes and the parallelism among multi threads inner process. The test results show that, under various visualization process scales, the peak data read rate using two parallel mode is higher than that using single parallel mode by 33.5%-269.5%, while the mean data read rate using two parallel mode is higher than that using single parallel mode by 26.6%-232.2%; according to the diverse scientific computing applications and various process scales, based on two level parallel data read method, the overall peak running speed of visualization applications can be accelerated by 19.5%-225.7%, and the mean speed can be accelerated by 15.8%-197.6%.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(63)

  • 期刊类型引用(30)

    1. 马超红，郝新丽，孟小峰，张旭康. 机器学习赋能的多维数据查询处理研究综述. 计算机学报. 2025(01): 100-123 . 百度学术
    2. 姜璐璐，高锦涛. 面向机器学习的数据库参数调优技术综述. 计算机工程与应用. 2024(03): 1-16 . 百度学术
    3. 刘帅，乔颖，罗雄飞，赵怡婧，王宏安. 时序数据库关键技术综述. 计算机研究与发展. 2024(03): 614-638 . 本站查看
    4. 赖思超，吴小莹，彭煜玮，彭智勇. 数据库索引调优技术综述. 计算机研究与发展. 2024(04): 929-954 . 本站查看
    5. 朱镕佳，杨宇轩，李振东，陈硕，唐朝阳，唐晓雨. 基于树莓派的智能零售系统设计. 现代信息科技. 2024(19): 189-192+198 . 百度学术
    6. 蔡盼，张少敏，刘沛然，孙路明，李翠平，陈红. 智能数据库学习型索引研究综述. 计算机学报. 2023(01): 51-69 . 百度学术
    7. 曹蓉，鲍亮，崔江涛，李辉，周恒. 数据库系统参数调优方法综述. 计算机研究与发展. 2023(03): 635-653 . 本站查看
    8. 杨荣利，王伟，杨栋，周东阳. 基于两因素模糊时间序列的一次风机指标预测. 电子设计工程. 2023(07): 91-94+99 . 百度学术
    9. 唐楚哲 ，王肇国 ，陈海波 . 机器学习方法赋能系统软件：挑战、实践与展望. 计算机研究与发展. 2023(05): 964-973 . 本站查看
    10. 张政，段怡，高志峰，张欢. 机器学习在手术中液体治疗的应用. 中国数字医学. 2023(07): 81-85 . 百度学术
    11. 杜维柱，张晓华，卢毅，王书渊，沈彦伶. 基于机器学习与数值预报技术的电网短期临近气象预警模型设计. 电子设计工程. 2023(19): 99-103 . 百度学术
    12. 曹卫东，金超. 基于birch聚类的可更新机器学习索引模型. 计算机工程与设计. 2023(11): 3328-3334 . 百度学术
    13. 王鹏. “智慧工会”实现路径. 科技资讯. 2022(02): 10-12 . 百度学术
    14. 张静，农昌瑞，张海兵，张亚周. 基于深度学习的发动机叶片故障检测技术. 航空发动机. 2022(01): 68-75 . 百度学术
    15. 孟小峰，余艳. 在跨学科交叉融合中深发展社会计算与社会智能. 计算机科学. 2022(04): 3-8 . 百度学术
    16. 欧群雍，谭同德，冯学晓. 基于机器学习的软件定义网络数据流子序列匹配算法. 国外电子测量技术. 2022(04): 70-76 . 百度学术
    17. 杜清华，张凯. 一种高效的跨平台工作流优化方法. 计算机工程. 2022(07): 13-21+28 . 百度学术
    18. 姬莉霞，赵耀，马郑祎，赵润哲，张晗. 基于iForest-BiLSTM-Attention的数据库负载预测方法. 郑州大学学报(理学版). 2022(06): 66-73 . 百度学术
    19. 张洲，金培权，谢希科. 学习索引:现状与研究展望. 软件学报. 2021(04): 1129-1150 . 百度学术
    20. 潘璇，徐思涵，蔡祥睿，温延龙，袁晓洁. 基于深度学习的数据库自然语言接口综述. 计算机研究与发展. 2021(09): 1925-1950 . 本站查看
    21. 蒙芳，翟建丽. 学习行为大数据可视化的网络数据库学习仿真. 计算机仿真. 2021(09): 216-220 . 百度学术
    22. 陈镭. 基于机器学习的数据库系统自动调参研究. 软件导刊. 2021(11): 148-151 . 百度学术
    23. 崔栋，温巧燕，张华，王华伟. QML：一种混合空间索引结构. 通信学报. 2021(12): 1-16 . 百度学术
    24. 陶镇威. 基于机器学习的Oracle数据库故障预测技术探索. 现代工业经济和信息化. 2020(02): 70-71 . 百度学术
    25. 桂树强，周实，张家季，耿欣. 基于BIM的轨道交通项目管理框架体系研究与实践. 人民长江. 2020(03): 147-152 . 百度学术
    26. 宋雨萌，谷峪，李芳芳，于戈. 人工智能赋能的查询处理与优化新技术研究综述. 计算机科学与探索. 2020(07): 1081-1103 . 百度学术
    27. 陈珂锐，孟小峰. 机器学习的可解释性. 计算机研究与发展. 2020(09): 1971-1986 . 本站查看
    28. 唐吉深，覃少华. 大型数据库重复记录检测与优化研究. 现代电子技术. 2020(17): 77-81 . 百度学术
    29. 蔡洪浩，罗应华，张荣鑫，杨喻淳. 基于机器学习的智能光电对抗系统. 电子技术与软件工程. 2020(13): 79-80 . 百度学术
    30. 陶姿邑. 基于深度学习的数据库重复记录检测算法. 微型电脑应用. 2020(12): 174-176 . 百度学术

    其他类型引用(33)

    • 资源附件(0)
计量
  • 文章访问数:  1174
  • HTML全文浏览量:  0
  • PDF下载量:  624
  • 被引次数: 63
出版历程
  • 发布日期:  2017-03-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(63)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计