一种面向超级计算机数据并行应用的异构感知数据划分方法

摘要

本发明公开了一种面向超级计算机数据并行应用的异构感知数据划分方法，针对超级计算机体系结构与其编程特点，结合数据并行应用的程序特性，将函数性能模型与τ‑Lop通信模型相结合，对数据划分问题进行最优化建模，并将最优化问题抽象为搜索树的搜索算法，利用强化学习中的蒙特卡洛树搜索方法快速搜索最优解，从而得出应用程序在超算平台上的最优划分结果。此方法为针对超级计算机平台开发、移植或优化数据并行应用的开发人员提供了一种通用的数据划分方法，实现对超算平台计算资源的充分利用，减小程序计算和通信开销，提升程序性能。