CPU+GPU集群计算中的一种动态负载均衡设计方法
在CPU+GPU协同计算中，CPU和GPU的计算能力不同，静态地给CPU和GPU划分任务会导致CPU和GPU计算不同步，导致严重的负载不均衡，为了实现CPU和GPU的负载均衡，需要对CPU和GPU不同的划分方法。把每个节点上的所有CPU看成一个设备，每块GPU卡看成一个设备，对集群节点上的所有CPU设备和GPU设备分别编号，每个节点上有M块GPU卡，N个节点上共有N个CPU设备，编号为1,2，…，N；N个节点上共有M*N个GPU设备，编号为1,2，…，M*N。
设备编号之后就可以对设备进行分组，根据算法的要求，有些任务不能细分，一个CPU设备或GPU设备上可用的内存空间可能不能满足计算的内存要求，需要多设备数据划分、共同计算，这时需要根据CPU内存或GPU内存进行分组：1）根据CPU内存大小和计算对内存的要求可以计算得到一组内的CPU设备数目为GC个， GC=(Mcom+MemC-1)/MemC，其中一个节点的内存大小为MemC，每个计算任务需要的内存大小为Mcom。所有的CPU设备分为N/GC个组，每个组计算同一个任务，组内的CPU设备再进行数据划分，数据划分采用静态的划分，因为组内的CPU设备计算能力一致；2）根据GPU内存大小和计算对内存的要求可以计算得到一组内的GPU设备数目为GG个， GG=(Mcom+MemG-1)/Mem，其中，一个GPU设备的内存大小为MemG，每个计算任务需要的内存大小为Mcom。所有的GPU设备分为M*N/GG个组，每个组计算同一个任务，组内的GPU设备再进行数据划分，数据划分采用静态划分的方法。
CPU和GPU设备分组之后，就可以把任务动态分划分给每个CPU组或GPU组，可以采用MPI通信进行划分，由主进程进行动态的发送任务编号给各个CPU组或GPU组内的组长，组长再把任务编号广播给组内的组员，然后组内的设备同时计算，计算完毕之后即可向主进程请求下一个任务，直到所有任务计算完毕为止。
智能推荐
注意！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系我们删除。