一种面向I/O密集型高性能应用的自动化并行MPI-I/O加速方法

    公开(公告)号:CN111679859A

    公开(公告)日:2020-09-18

    申请号:CN202010528438.2

    申请日:2020-06-11

    Abstract: 本发明涉及一种面向I/O密集型高性能应用的自动化并行MPI-I/O加速方法,将用户提交作业设置的进程,利用MPI通信器分成两个通信域,一组是计算进程,另一组是服务进程,I/O服务进程的数量是用户根据I/O密集程度配置,用于处理计算进程上数据输出的任务。计算进程主要处理数值计算任务,在数值计算过程中生成的所有I/O请求都将转发到服务进程。因此,计算进程可以连续执行,不用等待I/O完成。I/O服务进程在内存中形成一个缓冲池,多次缓冲之后,通过调用底层接口将数据写入文件。本发明可以最大程度上提升I/O密集型应用的I/O性能。

    一种稀疏矩阵LU分解行更新的异构并行计算方法

    公开(公告)号:CN109145255A

    公开(公告)日:2019-01-04

    申请号:CN201810593876.X

    申请日:2018-06-11

    CPC classification number: G06F17/16

    Abstract: 本发明涉及一种稀疏矩阵LU分解行更新的异构并行计算方法。本发明在superlu算法的基础上,结合太湖之光的主从异构特点,使superlu求解器在矩阵分解阶段,对行更新的过程中,将大规模计算任务转移至从核,利用从核组高效的计算和数据通信能力,提高超大规模稀疏矩阵的求解计算能力,进一步求解的整体性能。本发明按矩阵的数据进行任务划分的方式,对矩阵数据块按行进行划分,首先为每个从核开辟一个矩阵空间,每个从核负责几个矩阵行的求解,在求下三角单位矩阵类型的线性方程组的过程中,各行数据相互独立,避免求解空间发生冲突和依赖,顺利实现对方程组的求解。

    用于大规模稀疏方程组求解的并行超节点排序方法及系统

    公开(公告)号:CN115952385B

    公开(公告)日:2023-05-05

    申请号:CN202310224172.6

    申请日:2023-03-10

    Abstract: 本发明公开了一种用于大规模稀疏方程组求解的并行超节点排序方法及系统,涉及高性能计算技术领域,针对在稀疏矩阵LU分解过程中生成的超级节点块状矩阵,基于二维进程网格,按照块状矩阵的行和列循环映射矩阵数据,将该块状矩阵的上三角部分数据通过转置映射到处理下三角部分数据的进程中,同时采用动态分配资源的策略,根据实际映射到进程的行矩阵块的数量,为每个进程网格中的进程分配内存,以此节省大量的内存空间,提高内存扩展性,并提高稀疏矩阵求解的规模扩展性,解决现有排序方法无法适用于求解大规模稀疏线性方程组的问题。

    基于并行随机迭代求解线性方程组的断层成像方法及系统

    公开(公告)号:CN115619890A

    公开(公告)日:2023-01-17

    申请号:CN202211545390.1

    申请日:2022-12-05

    Abstract: 本发明提出了基于并行随机迭代求解线性方程组的断层成像方法及系统,涉及计算机断层成像技术领域,建立以像素点吸收系数为未知数的线性方程组;将线性方程组的求解任务按行划分到各处理器上;迭代并行计算各处理器对当前近似解的最优投影和新的近似解,直到新的近似解满足设置的求解精度要求,新的近似解为线性方程组的最终解,即为断层每个像素点的吸收系数;将吸收系数的大小作为灰度图像的像素点亮度大小,绘制断层图像;本发明使用多个处理器并行计算,有效地解决现有方法存储和计算的瓶颈,高效求解计算机断层成像中高精度扫描所产生的高维方程组,减少求解所消耗的内存空间和求解时间,使得计算机断层成像可以产生更高精度的图像。

Patent Agency Ranking