1、高性能計算是科學和工程領域的關鍵基礎技術，致力于研究和開發(fā)高性能計算機相關的硬件體系結構及軟件技術。高性能計算的技術被廣泛應用于各個領域如云計算、大數(shù)據(jù)處理及物聯(lián)網(wǎng)等以提高實驗規(guī)模和效率，推動各個領域取得突破性進展。世界超級計算機五百強等排名是各國高性能計算研究實力乃至于綜合國力的體現(xiàn)。高性能計算機系統(tǒng)可根據(jù)硬件分為同構系統(tǒng)和異構系統(tǒng)，由CPU和GPU（Graphics Processing Unit）等不同種類處理器構成的系統(tǒng)為異構系

2、統(tǒng)，在性能和能效方面具備優(yōu)勢。基于CPU和GPU異構架構的高性能計算技術稱為GPU高性能計算，是當前的一個熱門研究領域。本文以提高GPU高性能計算的能效和性能，拓展其應用為目標，從體系結構研究、系統(tǒng)軟件研究和應用研究這三個層次上提出一些軟硬件新技術。
　　本文的第一部分工作提出高能效的新GPU處理器架構。近年來，GPU以其高并行度、高能效和高訪存帶寬的優(yōu)勢，被廣泛部署在超級計算機、數(shù)據(jù)中心及科研平臺上用于加速各種科學計算。大型計算

3、機系統(tǒng)的高能耗一直是研究者們努力解決的問題。GPU處理器中負責處理指令的前端部件是處理器中較為耗能的部件之一。我們提出將GPU內(nèi)的多個流多處理器進行劃分，將鄰近的數(shù)個流多處理器組合起來同步運行，通過共享前端而節(jié)能的新GPU處理器架構。為了實現(xiàn)新架構的正確高效運行，我們研究在合適的時機建立前端共享、解除共享及重建共享的機制，以及支持新處理器架構的硬件實現(xiàn)和提高新處理器架構性能的方法。實驗證明，新GPU架構可顯著降低GPU前端部分耗能，從而

4、提高整個處理器的能效。
　　本文的第二部分工作研究提高GPU高性能計算性能的系統(tǒng)軟件方法和技術。作為主要的高度并行加速器，GPU被應用于加速各種高吞吐率的規(guī)則應用并取得了顯著的加速比。然而，數(shù)據(jù)挖掘、物理模擬和優(yōu)化理論等諸多領域的算法需構造、遍歷或更新不規(guī)則的數(shù)據(jù)結構如樹、圖和優(yōu)先級隊列等，在GPU上運行時表現(xiàn)出不可預測的，依賴于輸入的不規(guī)則行為，和GPU的SIMT（單指令流多線程）架構不匹配而性能不佳。我們通過研究發(fā)現(xiàn)線程級的負

5、載不均衡是導致一些不規(guī)則應用在GPU上性能下降的主要問題之一，因此提出任務池軟件方法用于均衡線程的負載。任務池方法是GPU上首個可在線程層次進行負載均衡的方法。我們實現(xiàn)一個開源軟件庫，可用于不規(guī)則應用在GPU上運行的特征化和負載均衡。我們運用CUIRRE軟件庫特征化和優(yōu)化了數(shù)個真實的不規(guī)則應用，使它們的性能得到了明顯的提升。
　　本文的第三部分工作探索將GPU運用于不規(guī)則大數(shù)據(jù)（Big Data）處理。大數(shù)據(jù)是當今的研究熱點之一。

6、Gartner報告預計世界上的數(shù)據(jù)在近5年會增長8倍，且其中8成的數(shù)據(jù)會是不規(guī)則的，而許多不規(guī)則大數(shù)據(jù)如社交網(wǎng)絡數(shù)據(jù)等均以圖的方式存放。如何高效處理大規(guī)模的圖數(shù)據(jù)獲得有用信息是很多領域諸如數(shù)據(jù)分析、網(wǎng)絡搜索和推薦系統(tǒng)等的迫切需求。我們設計并實現(xiàn)一個非分布式的通用圖數(shù)據(jù)處理軟件平臺，具備有效的圖劃分、存儲和預加載機制，可在CPU和GPU異構的單臺PC上高效處理超過內(nèi)存大小的大規(guī)模圖數(shù)據(jù)。通過實驗驗證新平臺具備較優(yōu)的性能和能效。