Autores

6504
2938,131,2102
6505
2938,131,2102
6506
2938,131,2102

Informações:

Publicações do PESC

Título
Programação Dataflow de Aplicações de Fluxo de Dados Contínuo para Sistemas Heterogêneos
Linha de pesquisa
Inteligência Artificial
Tipo de publicação
Dissertação de Mestrado
Número de registro
Data da defesa
2/10/2017
Resumo

Aplicações stream demandam rigorosos requisitos de performance que são difíceis de serem atingidos utilizando modelos paralelos tradicionais em arquiteturas many-cores como GPUs. Por outro lado, os recentes modelos de computação Dataflow podem naturalmente explorar paralelismo em uma abrangente classe de aplicações. Este trabalho apresenta uma extensão para uma biblioteca Dataflow em Java. Esta extensão implementa construções em alto nível com múltiplas filas de comando que permitem a sobreposição de operações de memória e execução de kernel em GPUs. Os resultados deste trabalho mostraram que um significante speedup pode ser atingido para um conjunto de aplicações bem conhecidas de processamento stream como: Ray-Casting, Path-Tracing e filtro Sobel.

Abstract

Stream processing applications have high-demanding performance requirements that are hard to tackle using traditional parallel models on modern many-core architectures, such as GPUs. On the other hand, recent dataflow computing models can naturally exploit parallelism for a wide class of applications. This work presents an extension to an existing dataflow library for Java. The library extension implements high-level constructs with multiple command queues to enable the superposition of memory operations and kernel executions on GPUs. Experimental results show that significant speedup can be achieved for a subset of well-known stream processing applications: Volume Ray-Casting, Path-Tracing and Sobel Filter.

Arquivo
Topo