首页|CPU+GPU异构环境下数据密集型矢量多边形地理大数据并行框架

CPU+GPU异构环境下数据密集型矢量多边形地理大数据并行框架

A parallel framework for data-intensive geospatial analysis on large-scale vector polygons over hybrid CPUs and GPUs

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
本文提出了面向CPU+GPU异构环境的数据密集型矢量多边形地理大数据并行计算框架(PFGAP).PFGAP将数据密集型矢量多边形地理大数据的并行计算分解为算子、数据、粒度、并行环境及任务调度5个模块,分别设计相应的负载均衡并行计算策略;通过封装并行计算实现细节及数据密集型多边形算子的快速并行化.试验采用多边形三角剖分、栅格化及投影变换作为测试算例,采用土地利用数据作为测试数据,在不同类型的并行环境中计算并行效率.结果表明,PFGAP能很好地适用于不同类型的数据集、算子及并行计算环境.利用PFGAP实现的并行算法显著地降低了串行执行时间,取得了40.03的最优并行加速比.试验还分别测试了各个模块涉及的并行策略,结果表明取得的并行效率优于现有并行策略.

徐云耘、周琛、李满春

展开 >

南京大学地理与海洋科学学院,江苏 南京210023

地理信息系统 矢量多边形 空间计算 CPU+GPU异构并行环境 并行框架

国家重点研发计划国家自然科学基金

2017YFB050420541901318

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(5)
  • 1
  • 3