葡京娱乐场-富盈娱乐场开户

本發(fā)明公開了一種主題事件更新方法庫及城市多源時空信息并行更新方法，所提出的時空信息更新 與信息源、數(shù)據(jù)模型及尺度、更新方法、更新流程、質(zhì)量控制和主題事件等多種因素有關，是在多源數(shù) 據(jù)融合以及異常變化發(fā)現(xiàn)的基礎上對時空數(shù)據(jù)庫進行的更新。并在此基礎之上建立突發(fā)事件的更新機制、 基于主題事件聯(lián)動更新機制以及 GPU 并行加速更新算法，從而針對時空信息更新內(nèi)容、頻率的需要， 實現(xiàn)城市時空實體和時空事件的動態(tài)信息更新。本發(fā)明根據(jù)相應的主題事件的判斷及觸發(fā)，通過 GPU 并行更新算法對相應數(shù)據(jù)及傳感器進行更新，使得用戶的時空信息保持最新狀態(tài)的同時能發(fā)現(xiàn)用戶關心 的重大突發(fā)事件，可以為智慧城市中的應急安全及交通疏導等提供技術支持。

本發(fā)明公開了一種基于圖數(shù)據(jù)處理系統(tǒng)的數(shù)據(jù)并行訪問方法， 所述方法包括以下步驟：S1、載入圖數(shù)據(jù)至內(nèi)存，將圖數(shù)據(jù)各節(jié)點平 均分配至各處理器上并行處理；S2、各處理器調(diào)用圖算法并行處理分 配至自身的圖數(shù)據(jù)節(jié)點，處理過程中對圖數(shù)據(jù)節(jié)點進行原子性讀寫； S3、將經(jīng)圖算法處理后的所有圖數(shù)據(jù)節(jié)點寫回至硬盤形成完整圖數(shù)據(jù)， 判斷所有圖數(shù)據(jù)節(jié)點是否均收斂，如果收斂，則流程結(jié)束；如果不收 斂，則返回步驟 S1 進行下一次循環(huán)直到寫回至

本發(fā)明公開了一種云平臺上高性能并行應用的調(diào)度方法及系統(tǒng)； 其方法為：設置虛擬機類型；采集網(wǎng)絡數(shù)據(jù)包信息和自旋鎖信息，并 發(fā)送給宿主機；宿主機根據(jù) Hypercall 調(diào)用號獲取信息處理函數(shù)，獲取 自旋鎖計數(shù)和網(wǎng)絡數(shù)據(jù)包計數(shù)，并根據(jù)自旋鎖計數(shù)單節(jié)點虛擬機同步 需求，根據(jù)網(wǎng)絡數(shù)據(jù)包計數(shù)判斷跨節(jié)點虛擬機同步請求；根據(jù)虛擬機 類型、網(wǎng)絡數(shù)據(jù)包計數(shù)、自旋鎖計數(shù)以及同步請求信號，確定 vCPU 隊列中下一次被調(diào)入運行的 vCPU

本發(fā)明公開了一種數(shù)據(jù)去重過程中的并行分塊方法，其特征在 于，包括：(1)將數(shù)據(jù)流中的文件分成多個定長的數(shù)據(jù)段，所述數(shù)據(jù)段 的長度大于數(shù)據(jù)分塊的最大塊長；(2)利用計算機多核處理器并行對每 個數(shù)據(jù)段進行分塊，每個數(shù)據(jù)段都通過分塊獲得多個數(shù)據(jù)塊；(3)將最 后一個數(shù)據(jù)段除外的每個數(shù)據(jù)段的最后一個數(shù)據(jù)塊與后一個數(shù)據(jù)段的 第一個數(shù)據(jù)塊進行邊界銜接處理。本發(fā)明提出的并行分塊方法，采用 一種新穎的邊界銜接方法解決了傳統(tǒng)分塊方法的

本發(fā)明公開了一種基于分布式并行處理模式的社交網(wǎng)絡好友過 濾方法，包括：（1）從社交網(wǎng)站采集數(shù)據(jù)，并按照數(shù)據(jù)采集的先后順 序存儲該數(shù)據(jù)，（2）基于分布式并行處理框架結(jié)構(gòu)對采集的數(shù)據(jù)中的 社交行為信息進行過濾，以產(chǎn)生用戶關注和關注用戶的好友信息，（3） 基于分布式并行處理框架結(jié)構(gòu)對采集的數(shù)據(jù)中的好友信息、興趣信息 和個人信息進行過濾，并根據(jù)用戶與好友的相似度按照從小到大的順 序?qū)糜堰M行排列，用化簡函數(shù)合并步驟（2）和（

高密度高性能并行計算平臺是將CPU刀片、DSP卡、GPU卡通過高速總線進行互聯(lián)；采用異構(gòu)并行計算框架，實現(xiàn)多機、多卡、多核的資源分配和負載均衡；提供適合大規(guī)模并行計算的算法平臺。用戶在該平臺上采用傳統(tǒng)的串行思路編程即可實現(xiàn)大規(guī)模的并行計算。 該計算平臺相對于傳統(tǒng)的服務器系統(tǒng)具有體積小、重量輕、功耗低、計算能力強的優(yōu)點。由于CPU適合邏輯業(yè)務、DSP適合粗粒度的并行計算、GPU適合規(guī)整數(shù)據(jù)的細粒度計算，所以通過CPU刀片、DSP卡、GPU卡數(shù)目的組合配置，可適合多種、不同類型的計算業(yè)務。 1. 硬件環(huán)境 硬件環(huán)境為6U高標準的服務器，最多可支持三類（CPU/DSP/GPU/）、9張板卡。在板卡間提供網(wǎng)絡和PCIE的高速數(shù)據(jù)總線，示意圖如圖1所示。 平臺硬件包括一個主控板和8個擴展插槽。主控板集成1片Intel i7的CPU；8個擴展插槽可插CPU刀片、DSP板卡、GPU板卡及其任意組合。因此即可組成小型的PC集群，也可以組成高性能的GPU服務器、DSP服務器，或它們之間的組合。該硬件平臺還可通過InfiniBand高速網(wǎng)絡進行擴展，最大可形成20個服務器互聯(lián)的統(tǒng)一的軟硬件系統(tǒng)。 2. 軟件環(huán)境： 平臺中的CPU主要起控制作用，計算任務主要由DSP和GPU承擔。針對高密度計算資源，通過軟件框架屏蔽硬件差異。軟件框架如圖2所示。 平臺提供動態(tài)鏈接庫，封裝任務的調(diào)度、CPU與DSP之間的通信、CPU與GPU之間的通信等功能。用戶在動態(tài)鏈接庫基礎之上進行二次開發(fā)，實現(xiàn)自己的業(yè)務邏輯。 3. 參數(shù)指標： ？ 單臺計算能力：插8張DSP卡，做快速傅里葉變換（FFT），相當于40臺8核Intel i7計算機的計算能力；插4張GPU卡，做場強計算，相當于50臺Intel i7計算機的計算能力; ？ 尺寸：6U標準高度，（420±0.6）mm×（256±1）mm×（≤500）mm（寬×高×深）；重量：<35公斤；功耗：<1000瓦。 圖1高密度高性能并行計算平臺硬件示意圖 圖2高密度高性能并行計算平臺軟件框架

高密度高性能并行計算平臺是將CPU刀片、DSP卡、GPU卡通過高速總線進行互聯(lián)；采用異構(gòu)并行計算框架，實現(xiàn)多機、多卡、多核的資源分配和負載均衡；提供適合大規(guī)模并行計算的算法平臺。用戶在該平臺上采用傳統(tǒng)的串行思路編程即可實現(xiàn)大規(guī)模的并行計算。

針對集群和多核服務器平臺，該軟件工具集可以對系統(tǒng)資源和并行程序性能進行在線監(jiān)測和性能分析展示，幫助用戶監(jiān)測系統(tǒng)資源和發(fā)現(xiàn)并行程序瓶頸，輔助進行程序優(yōu)化。性能數(shù)據(jù)的采集主要是通過對被監(jiān)測進程的插樁和包裝庫的結(jié)合實現(xiàn)，可對MPI程序、OpenMP程序和CUDA程序進行性能監(jiān)測。 本項目主要特點如下。 1.合理的數(shù)據(jù)采集方式，可以對混合結(jié)構(gòu)高性能計算系統(tǒng)進行性能監(jiān)測，較少的監(jiān)測擾動； 2.基于MRnet的樹形數(shù)據(jù)匯聚和類庫，保證了大量性能監(jiān)測數(shù)據(jù)的快速高效匯集，并提供同步，匯總等功能接口； 3.多種數(shù)據(jù)分析統(tǒng)計方法，高效的分析和多視角可視化圖形展示，輔助用戶分析瓶頸進行優(yōu)化。該成果在國家863計劃支持下，已在多個計算中心應用，獲得國家專利3項。

本發(fā)明公開了一種交流電機電流環(huán)并行數(shù)字控制實現(xiàn)方法，屬于交流電機控制領域。本發(fā)明包括：將電機電流環(huán)系統(tǒng)任務劃分為實時控制任務和非實時任務，將實時控制任務劃分為硬件實現(xiàn)部分和軟件實現(xiàn)部分；在控制周期開始階段，執(zhí)行非實時任務；在控制周期中間階段，同時執(zhí)行非實時任務和實時控制任務硬件部分；在控制周期最后階段，執(zhí)行實時控制任務軟件部分；各任務之間調(diào)度切換由軟硬件結(jié)合實現(xiàn)，使系統(tǒng)電流環(huán)具有最小控制延遲。本發(fā)明基于微控制器

本發(fā)明公開了一種基于進程親和性的減少進程間通信從而提升 并行 I/O 效率的方法，包括：首先對以 Collective-I/O 為主流的并行 I/O 程序進行分析，收集和統(tǒng)計集群機器節(jié)點信息及 MPI 程序配置信息； 然后，該系統(tǒng)通過預處理操作計算各種可能的機器節(jié)點與代理進程的 匹配結(jié)果，然后再通過性能預測模塊，確定最佳的匹配策略；最后將 預處理得到的匹配策略寫入配置文件中。實驗結(jié)果表明，該系統(tǒng)配置 簡單，能在不用修