大規(guī)模數據并行可視化關鍵技術研究.pdf

1、并行可視化是將并行處理技術與可視化技術相結合的可視化研究方向，是提高可視化效能的有效技術途徑，已成為科學可視化技術領域的研究熱點，在科學計算和工程分析中占據著非常重要的地位。并行可視化技術雖然具有很大發(fā)展?jié)摿蛷V闊應用前景，但是，至今大規(guī)?？茖W數據并行可視化仍面臨著諸如數據預處理時間長、并行繪制效率不高等問題，要實現大規(guī)模數據的實時并行可視化仍然面臨嚴峻挑戰(zhàn)。
　　隨著計算機硬件技術不斷發(fā)展，尤其是GPU技術的不斷革新，高性能GP

2、U集群的可視化能力得到了突飛猛進的發(fā)展，這為并行可視化的發(fā)展帶來了新的契機，為實現大規(guī)模數據的高效、實時和高分辨率可視化提供了新的平臺。本文以提高大規(guī)模數據并行可視化效率為目標，重點對大規(guī)模數據的組織劃分、并行繪制及并行圖像合成等關鍵技術問題進行了深入研究。取得的主要創(chuàng)新性研究成果包括如下幾個方面：
　　(1)針對目前二叉區(qū)間樹結構存在構造時間長、數據預處理時間無法控制等問題，本文提出一種基于柵格劃分的二叉區(qū)間樹節(jié)點構造方法，能夠

3、加速構建等值面提取索引結構。該算法降低了預處理過程中區(qū)間排序計算的規(guī)模，通過理論分析與實驗，證明了柵格構造算法與傳統(tǒng)最優(yōu)算法具有相近的有效單元搜索效率，并能有效的將預處理時間縮短50％左右，大大縮短了整個大規(guī)模數據可視化過程，對具有實時性要求的可視化應用具有實際應用價值。
　　(2)目前多GPU系統(tǒng)依然沿用傳統(tǒng)的并行繪制模式，這使得多GPU共享內存的優(yōu)勢難以充分發(fā)揮。針對這一問題，本文提出一種多GPU異步并行體繪制方法，該方法首先

4、采用混合數據空間與圖像空間的任務劃分方式，將體繪制任務分配到各GPU上，之后利用GPU上的DMA硬件，實現了體繪制過程中的GPU間異步通信，從而使繪制計算時間與圖像傳輸時間能夠很好的重疊，有效降低了圖像合成開銷。實驗表明，在單機節(jié)點內配置4個GPU且分辨率設置為3072x3072的情況下，對10GB規(guī)模的數據進行高透明度體繪制的幀率能夠達到10幀/秒以上，明顯優(yōu)于已有的同步繪制方法。
　　(3)受PCIe總線帶寬的限制，GPU對非

5、本地顯存的訪問依然嚴重影響并行繪制過程中圖像合成的性能。為了盡量避免發(fā)生總線沖突，同時盡可能提高總線占用率，本文深入分析了現代多GPU系統(tǒng)中，NUMA體系結構對并行繪制及圖像合成技術的影響，并通過定量化的理論分析和證明，找到了多GPU系統(tǒng)上的最優(yōu)圖像合成算法；提出了GPU-pair的圖像合成開銷模型，該模型建立了GPU間讀寫性能差異的數學關系，為進一步減少合成通信開銷奠定了理論基礎。實驗表明，在4個GPU的系統(tǒng)上且分辨率為2048x20

6、48的情況下，本文實現的圖像合成過程耗時僅需5ms，比傳統(tǒng)消息傳遞合成方法性能提高1倍以上。
　　(4)針對現有圖像壓縮編碼方法不能充分發(fā)揮GPU并行效率的問題，本文提出一種GPU實現的高度并行化圖像編碼壓縮方法，該方法基于像素的起始索引編碼，與現有的RLE及ROI方法相比，該方法的線程同步開銷更少，GPU線程能夠最大程度的并行剔除無效像素，實驗表明，本文方法的壓縮時間平均約為RLE方法的55%，平均約為ROI方法的64%。