![](https://csdnimg.cn/release/download_crawler_static/18503163/bg1.jpg)
第
38
卷第
6
期
2013
年
6
月
武汉大学学报·信息科学版
Vol.
38
No. 6
June
2013 Geomatics and Information Science of Wuhan University
文章编号:
1671-8860(2013)06-0742
04
文献标志码:
A
MPI+OpenMP
环境下的特征函数
空间滤值并行化方法研究
祁昆仑
1
陈玉敏
2
吴华意
1
龚健雅
1
(1
武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路
129
号,
430079)
(2
武汉大学资源与环境科学学院,武汉市珞喻路
129
号,
430079)
摘
要:针对现有的特征函数空间滤佳方法存在算法复杂、计算效率低下、难以满足海量空间数据应用需求等
问题,提出一种特征函数空间滤、值并行化方法。基于主从模型(
master/
slave
模型)和
MPI+OpenMP
混合编
程模式,充分挖掘多核集群下计算机的性能,并在多核集群平台上与纯
MPI
算法进行了对比实验。结采表
明,基于
MPI+OpenMP
的方法能够获得更高的并行加速比和计算效率。
关键词:空间滤值;特征函数;多核;集群;并行计算
中图法分类号:
P208
特征函数空间滤值方法利用统计量
Moran
系数分解[
l-2
],有效地处理回归分析中的空间自相
关[
3
]问题。该方法计算中心化空间邻接矩阵的特
征向量,采用前向选择法提取适合的特征向量作
为回归分析的预测变量[
4-5
],从而把模型中每个变
量分解成空间影响和非空间影响两部分,滤去变
量的空间影响部分就可以采用传统的回归方法分
析模型[
6-7
]。但此方法较为复杂,计算量大,难以
满足海量空间数据的应用需求。本文提出一种特
征函数空间滤值并行化方法,基于主从模型
(master/slave
模型)和
MPI+OpenMP
混合编程
模式,充分挖掘多核集群下计算机的性能,并与串
行方法和纯
MPI
算法分别进行对比实验,验证其
可行性和高效性。
1
MPI
+
OpenMP
混合编程模式
MPl(messag
巳
passing
interface
,消息传递并
行编程环境)标准是当前流行的并行编程消息传
递规范[
BJ
,
OpenMP
(open
multi
processing
)是共
享存储并行环境编程的一个工业标准,提供对并
行算法的高层抽象描述。只要编译器支持
OpenMP
,就可以自动地将程序进行并行化[
9-10
]。
收稿日期:
2013-01-170
.
但是,
MPI
进程间通信和同步的耗时过长,而
OpenMP
只能在共享存储并行环境下使用。采用
OpenMP
或
MPI
单一编程模式都难以较好地实
现并行化处理,而
MPI+OpenMP
混合编程模式
能够结合两者的优势,满足算法并行性能的要
求[
11
]。
2
特征函数空间滤值并行化方法
2. 1
特征函数空间滤值并行化思想
特征函数空间滤值算法包含空间邻接矩阵的
读取、邻接矩阵的中心化、特征值和特征向量求
解、选择具有模型最小
I
值(模型残差最小
Mo
ran'
s
I
值)的特征向量和回归拟合模型表达。上
述耗时部分均为复杂的循环,因此,可以采用
OpenMP
进行内部循环的并行化处理,采用
MPI
进行各个进程间数据的消息传递。本文采用
MPI+OpenMP
混合编程模式,通过数据分割和
功能分解实现多处理器之间和处理器内部的交
互,从而解决上述两个耗时部分的计算效率问题。
具体思想如下。
针对空间邻接矩阵的读取过程,采用
OpenMP
编译指导语句#
paragma
omp
for
实现
项目来源:国家自然科学基金资助项目(
41171347
);国家自然科学基金创新研究群体资助项目(
41021061
);武汉大学自主研究资助
项目(
904
274020)
第
38
卷第
6
期
2013
年
6
月
武汉大学学报·信息科学版
Vol.
38
No. 6
June
2013 Geomatics and Information Science of Wuhan University
文章编号:
1671-8860(2013)06-0742
04
文献标志码:
A
MPI+OpenMP
环境下的特征函数
空间滤值并行化方法研究
祁昆仑
1
陈玉敏
2
吴华意
1
龚健雅
1
(1
武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路
129
号,
430079)
(2
武汉大学资源与环境科学学院,武汉市珞喻路
129
号,
430079)
摘
要:针对现有的特征函数空间滤佳方法存在算法复杂、计算效率低下、难以满足海量空间数据应用需求等
问题,提出一种特征函数空间滤、值并行化方法。基于主从模型(
master/
slave
模型)和
MPI+OpenMP
混合编
程模式,充分挖掘多核集群下计算机的性能,并在多核集群平台上与纯
MPI
算法进行了对比实验。结采表
明,基于
MPI+OpenMP
的方法能够获得更高的并行加速比和计算效率。
关键词:空间滤值;特征函数;多核;集群;并行计算
中图法分类号:
P208
特征函数空间滤值方法利用统计量
Moran
系数分解[
l-2
],有效地处理回归分析中的空间自相
关[
3
]问题。该方法计算中心化空间邻接矩阵的特
征向量,采用前向选择法提取适合的特征向量作
为回归分析的预测变量[
4-5
],从而把模型中每个变
量分解成空间影响和非空间影响两部分,滤去变
量的空间影响部分就可以采用传统的回归方法分
析模型[
6-7
]。但此方法较为复杂,计算量大,难以
满足海量空间数据的应用需求。本文提出一种特
征函数空间滤值并行化方法,基于主从模型
(master/slave
模型)和
MPI+OpenMP
混合编程
模式,充分挖掘多核集群下计算机的性能,并与串
行方法和纯
MPI
算法分别进行对比实验,验证其
可行性和高效性。
1
MPI
+
OpenMP
混合编程模式
MPl(messag
巳
passing
interface
,消息传递并
行编程环境)标准是当前流行的并行编程消息传
递规范[
BJ
,
OpenMP
(open
multi
processing
)是共
享存储并行环境编程的一个工业标准,提供对并
行算法的高层抽象描述。只要编译器支持
OpenMP
,就可以自动地将程序进行并行化[
9-10
]。
收稿日期:
2013-01-170
.
但是,
MPI
进程间通信和同步的耗时过长,而
OpenMP
只能在共享存储并行环境下使用。采用
OpenMP
或
MPI
单一编程模式都难以较好地实
现并行化处理,而
MPI+OpenMP
混合编程模式
能够结合两者的优势,满足算法并行性能的要
求[
11
]。
2
特征函数空间滤值并行化方法
2. 1
特征函数空间滤值并行化思想
特征函数空间滤值算法包含空间邻接矩阵的
读取、邻接矩阵的中心化、特征值和特征向量求
解、选择具有模型最小
I
值(模型残差最小
Mo
ran'
s
I
值)的特征向量和回归拟合模型表达。上
述耗时部分均为复杂的循环,因此,可以采用
OpenMP
进行内部循环的并行化处理,采用
MPI
进行各个进程间数据的消息传递。本文采用
MPI+OpenMP
混合编程模式,通过数据分割和
功能分解实现多处理器之间和处理器内部的交
互,从而解决上述两个耗时部分的计算效率问题。
具体思想如下。
针对空间邻接矩阵的读取过程,采用
OpenMP
编译指导语句#
paragma
omp
for
实现
项目来源:国家自然科学基金资助项目(
41171347
);国家自然科学基金创新研究群体资助项目(
41021061
);武汉大学自主研究资助
项目(
904
274020)