典型文献
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
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
徐云耘;周琛;李满春
作者机构：
南京大学地理与海洋科学学院,江苏 南京210023
文献出处：
引用格式：
[1]徐云耘;周琛;李满春-.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)[J].测绘通报,2022(05):110-119
A类：
PFGAP,并行环境
B类：
CPU+GPU,异构环境,数据密集型,矢量多边形,地理大数据,数据并行,并行框架,并行计算,计算框架,任务调度,负载均衡,计算策略,封装,并行化,三角剖分,栅格化,投影变换,试算,土地利用数据,测试数据,中计,并行效率,计算环境,并行算法,法显,串行,执行时间,并行加速,加速比,地理信息系统,空间计算,异构并行
AB值：
0.334484
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
