一種基于gpu的軟件體系架構(gòu)及uml和adl結(jié)合描述的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種軟件體系架構(gòu)技術(shù)領(lǐng)域，具體地說是一種基于GPU的軟件體系架構(gòu)及UML和ADL結(jié)合描述的方法。
【背景技術(shù)】
[0002]GPU (Graphic Processing Unit),中文翻譯為“圖形處理器”。GPU是顯卡的“心臟”，也就相當(dāng)于CPU在電腦中的作用。GPU具有相當(dāng)高的內(nèi)存帶寬，以及大量的執(zhí)行單元，它可幫助CPU進(jìn)行一些復(fù)雜的計算工作，使顯卡減少了對CPU的依賴。
[0003]傳統(tǒng)上，GPU的應(yīng)用被局限于處理圖形渲染計算任務(wù)，無疑是對計算資源的極大浪費(fèi)。隨著GPU可編程性的不斷提高，利用GPU完成通用計算的研究漸漸活躍起來。將GPU用于圖形值染以外領(lǐng)域的計算成為GPGPU (General-purpose computing on graphicsprocessing units,基于GPU的通用計算)。GPGPU計算通常采用CPU+GPU異構(gòu)模式，由CPU負(fù)責(zé)執(zhí)行復(fù)雜邏輯處理和事務(wù)管理等不適合數(shù)據(jù)并行的計算，由GPU負(fù)責(zé)計算密集型的大規(guī)模數(shù)據(jù)并行計算。這種利用GPU強(qiáng)大處理能力和高帶寬彌補(bǔ)CPU性能不足的計算方式在發(fā)掘計算機(jī)潛在的性能，在成本和性價比方面有顯著優(yōu)勢。但是傳統(tǒng)的GPGPU受硬件可編程和開發(fā)方式的制約，應(yīng)用領(lǐng)域受到了限制，開發(fā)難度也很大。
[0004]2007 年，由 NVIDIA 推出的 CUDA (Compute Unified Device Architecture,統(tǒng)一計算設(shè)備架構(gòu))，這一編程接口彌補(bǔ)了傳統(tǒng)GPGPU的不足。利用CUDA編程接口，可以用C語言直接調(diào)用GPU資源，而無需將其映射到圖形API，為GPU的非圖形編程普及消除了障礙。
[0005]CUDA模型將CPU作為主機(jī)(Host)，GPU作為協(xié)處理器(co-processor )或設(shè)備(device).兩者協(xié)同工作。CPU負(fù)責(zé)進(jìn)行邏輯性強(qiáng)的事物處理和串行計算，GPU則專注于執(zhí)行高度線程化的并行處理任務(wù)。CPU、GPU各自擁有相互獨立的存儲器地址空間:主機(jī)端內(nèi)存和設(shè)備端顯存。一旦確定了程序中的并行計算函數(shù)(kernel)，就考慮把這部分計算交給GPU。
[0006]通用軟件體系架構(gòu)包括處理構(gòu)件、數(shù)據(jù)構(gòu)件和連接構(gòu)件，處理構(gòu)件負(fù)責(zé)對數(shù)據(jù)進(jìn)行加工，數(shù)據(jù)構(gòu)件是被加工的信息，連接構(gòu)件把體系結(jié)構(gòu)的不同部分組組合連接起來。軟件體系架構(gòu)的建模模式中最典型的是管道和過濾器(Pipes and Filters)模式。管道和過濾器模式中的每個處理構(gòu)件都有兩個接口，輸入接口和輸出接口，分別用于讀取數(shù)據(jù)構(gòu)件的數(shù)據(jù)和輸出數(shù)據(jù)構(gòu)件的數(shù)據(jù)，讀取的數(shù)據(jù)經(jīng)過處理之后會被置于輸出接口之中。這種模式的處理構(gòu)件稱作過濾器(Filters)。連接構(gòu)件稱為管道(Pipes)，它是把一個過濾器的輸出傳送給另一個過濾器作為輸入數(shù)據(jù)，數(shù)據(jù)構(gòu)件即為數(shù)據(jù)流。
[0007]當(dāng)前比較流行的軟件體系架構(gòu)描述方法有兩種，一種是可視化描述，一種是形式化描述?？梢暬枋鲆越y(tǒng)一建模語言(UML)為代表，這種方法清楚直觀，也比較易懂；形式化描述以體系結(jié)構(gòu)描述語言(ADL)為代表，既然是語言，那么描述就比較嚴(yán)格準(zhǔn)確。兩者在描述軟件體系結(jié)構(gòu)方面具有很強(qiáng)的互補(bǔ)性。
[0008]UML,英文全稱Unified Modeling Language,又稱統(tǒng)一建模語言或標(biāo)準(zhǔn)建模語言，是用來對軟件密集系統(tǒng)進(jìn)行可視化建模的一種語言。UML是一個標(biāo)準(zhǔn)的圖形表示法，它僅僅是由一組符號組成的。UML應(yīng)用非常廣泛，可以對各種系統(tǒng)進(jìn)行建模。另外，UML還提供了豐富的視圖和圖表，常用的有用例圖、類圖、構(gòu)件圖等，這些圖可以從不同的視角來反應(yīng)系統(tǒng)的狀態(tài)。
[0009]ADL是一種形式化語言，它在底層語義模型的支持下，為軟件的概念體系結(jié)構(gòu)建模提供了具體語法和框架。ADL強(qiáng)調(diào)的是概念體系結(jié)構(gòu)，它通常要包含形式化的語義理論，并以此來刻畫體系結(jié)構(gòu)的底層框架。ADL的語法、語義嚴(yán)格精確，是一種發(fā)展很快的體系結(jié)構(gòu)描述方法，目前主要的ADL有C2、Unicon、Aesop、Wright、SADL和xADL等。
[0010]如何將UML和ADL結(jié)合使用，結(jié)合兩者的優(yōu)勢，更好的搭建基于GPU的軟件體系架構(gòu)，是目前迫切需要解決的問題。

【發(fā)明內(nèi)容】

[0011]本發(fā)明的技術(shù)任務(wù)是提供一種將UML和ADL結(jié)合使用，結(jié)合兩者的優(yōu)勢，更好的搭建基于GPU的軟件體系架構(gòu)的一種基于GPU的軟件體系架構(gòu)及UML和ADL結(jié)合描述的方法。
[0012]本發(fā)明的技術(shù)任務(wù)是按以下方式實現(xiàn)的，
一種基于GPU的軟件體系架構(gòu)，基于GPU的軟件體系架構(gòu)采用管道和過濾器模式進(jìn)行建模，過濾器包括數(shù)據(jù)流預(yù)處理過濾器、數(shù)據(jù)流減負(fù)過濾器、CPU端加載引擎過濾器、GPU端加載引擎過濾器、數(shù)據(jù)流處理過濾器以及可視化過濾器；
每個過濾器都主要由三部分組成:數(shù)據(jù)處理中心、數(shù)據(jù)輸入接口和數(shù)據(jù)輸出接口，數(shù)據(jù)輸入接口負(fù)責(zé)接收輸入的數(shù)據(jù)給數(shù)據(jù)處理中心，數(shù)據(jù)處理中心負(fù)責(zé)處理數(shù)據(jù)，數(shù)據(jù)輸出接口負(fù)責(zé)將處理后的數(shù)據(jù)傳輸出去；
原始數(shù)據(jù)流通過管道依次經(jīng)過數(shù)據(jù)流預(yù)處理過濾器、數(shù)據(jù)流減負(fù)過濾器、CPU端加載引擎過濾器、GPU端加載引擎過濾器、數(shù)據(jù)流處理過濾器；
數(shù)據(jù)流處理過濾器將最終的數(shù)據(jù)結(jié)果傳輸給GPU端加載引擎過濾器、由GPU端加載引擎過濾器再傳輸給CPU端加載引擎過濾器；
(PU端加載引擎過濾器將數(shù)據(jù)結(jié)果通過管道輸入到可視化過濾器，可視化過濾器將可視化的數(shù)據(jù)結(jié)果傳輸給CPU端加載引擎過濾器。
[0013]一種基于GPU的軟件體系架構(gòu)，原始數(shù)據(jù)流指需要處理的原始時間序列數(shù)據(jù)流。
[0014]一種基于GPU的軟件體系架構(gòu)，數(shù)據(jù)流預(yù)處理過濾器負(fù)責(zé)通過預(yù)處理算法，對原始數(shù)據(jù)流進(jìn)行篩選操作；數(shù)據(jù)流減負(fù)過濾器負(fù)責(zé)當(dāng)系統(tǒng)中數(shù)據(jù)流超負(fù)荷時，執(zhí)行減負(fù)模式去丟棄一部分未加工的數(shù)據(jù)的屬性或者是數(shù)據(jù)項；CPU端加載引擎過濾器主要有兩個方面的功能，一是負(fù)責(zé)CPU與外界的交互，二是負(fù)責(zé)CPU端和GPU端的初始化操作；GPU端加載引擎過濾器負(fù)責(zé)與CPU端的交互；數(shù)據(jù)流處理過濾器是整個系統(tǒng)的計算核心，負(fù)責(zé)加速數(shù)據(jù)流概要抽取方法和數(shù)據(jù)流挖掘算法；可視化過濾器負(fù)責(zé)把最終處理的數(shù)據(jù)結(jié)果以規(guī)范的形式展不出來。
[0015]一種基于GPU的軟件體系架構(gòu)，數(shù)據(jù)流預(yù)處理過濾器的篩選操作包括填補(bǔ)缺失值、平滑噪聲、去除異常值、去除冗余數(shù)據(jù)、數(shù)據(jù)規(guī)范化和維度規(guī)約;CPU端加載引擎過濾器所指的外界包括數(shù)據(jù)源、GPU或客戶端，與外界的交互操作包括加載原始數(shù)據(jù)流到內(nèi)存、力口載用戶設(shè)置，CPU端和GPU端的初始化操作包括CPU端內(nèi)存的分配、GPU端顯存的分配；數(shù)據(jù)流處理過濾器中，加速數(shù)據(jù)流概要抽取方法包括sketch中的hash計算、小波中的小波分解，加速聚類中的k-means算法。
[0016]一種UML和ADL結(jié)合描述的方法，對上述的任意一種基于GPU的軟件體系架構(gòu)，使用UML和ADL結(jié)合進(jìn)行描述；一種基于GPU的軟件體系架構(gòu)的可視化描述采用可視化建模工具Rat1nal Rose 2003支持UML建立其體系結(jié)構(gòu)模型，一種基于GPU的軟件體系架構(gòu)的數(shù)據(jù)輸入接口及數(shù)據(jù)輸出接口的接口類的軟件描述采用CPU加載存儲(CPU LoadStore)和GPU加載存儲(GPU Load Store)兩個接口類，CPU加載存儲負(fù)責(zé)CPU與數(shù)據(jù)流資源、GPU以及客戶端的通信，GPU加載存儲負(fù)責(zé)GPU與CPU之間的交互通信；速度調(diào)整(Speed Adjustment)類、預(yù)處理(Pretreatment)類、減負(fù)(Load Shedding)類、初始化(Initializat1n)類和可視化(Visualizat1n)類均依賴于接口類CPU加載存儲；CPU加載存儲和GPU加載存儲兩個接口類互相依賴；計算類依賴于GPU加載存儲以及抽象類模型庫和概要抽取，即計算(Calculat1n)類在執(zhí)行的時候需要調(diào)用抽象類模型庫(ModelLibrary)和概要抽取(Synopsis Extract1n)中的信息；
一種基于GPU的軟件體系架構(gòu)的形式化描述采用ADL描述，選用基于XML的xADL 2.0語言去描述系統(tǒng)的體系結(jié)構(gòu)。xADL 2.0和其它的ADLs—樣，在xADL 2.0中，對體系結(jié)構(gòu)的描述主要由四個方面組成，分別是構(gòu)件、連接件、接口和配置。
[00