Алгоритм параллельной агрегации данных для визуализации данных о вербальном…
3
операций с плавающей запятой в секунду, умноженных на 10
9
), в то
время как для процессора
CPU
Intel E7500
она достигает 23 GFLOPS
(рис. 1).
Рис. 1.
Сравнение производительности процессоров
GPU
и
CPU
[9]:
AMD
,
NVIDIA
и
Intel
– фирмы-производители процессоров
Следовательно, повышение эффективности визуализации данных
может осуществляться на двух уровнях:
• агрегирование данных → размерность ↓→ быстрый обзор дан-
ных
;
• параллельное агрегирование → скорость ↑→ быстрое масшта-
бирование и навигация
.
В данной работе предлагается модель и алгоритм параллельной
агрегации данных, которые позволяют эффективно отображать от-
счеты процессов, изменяющихся во времени, а также производить
быстрое масштабирование и перемещение по отсчетам. Новациями
данной работы являются:
•
исследование и сравнение характеристик процессоров
CPU
и
GPU
для алгоритма дерева редукций (
reduction tree
) и его оптимизи-
рованной версии;
•
исследование возможности и целесообразности использования
GPU
для визуализации большого объема данных.
В основу решения поставленной задачи заложены следующие
принципы:
