随着通用图形处理器在高性能计算领域取得突破性的进展,GPU(Graphics Processing Unit)通过并行执行多个程序可充分利用GPU上的计算资源。但是在多应用并行执行的GPU内存系统中,并发程序调度不当会使得程序间相互干扰,并引入严重的公平性问题,从而影响系统的性能。针对多应用并行执行环境中程序之间的访存干扰和当前内存调度策略访问内存效率低下的问题,提出了一种基于程序访存行为分类驱动的内存调度策略—CDMS-AAB(Classification-Driven Memory Scheduling Based on Application Behavior)。目的是基于程序访存特性感知,设计内存调度来减少程序间的访存干扰,提升系统吞吐率并改善系统公平性。CDMS-AAB通过对不同访存特性的程序进行分类,实现并行环境下的差异调度,主要由判定程序类型和基于优先级的差异调度这两部分组成。判定程序类型主要是通过动态地计算程序的带宽利用率来划分程序类型,将程序分为计算密集型和存储密集型;基于优先级的差异调度则是利用类型优势对程序内的请求采用不同的排序策略进行优先级调度:不同类型程序下优先调度计算密集型程序的请求;多个计算密集型程序下纯存储密集型负载下每千条指令缺失数越小的程序优先级越高;多个存储密集型程序下则保留原始的FR-RR-FCFS(First Ready Round Robin First Come First Serve)。最后将CDMS-AAB与其它两种访存调度策略FR-FCFS(First Ready First Come First Serve)和FR-RR-FCFS进行了对比测试和分析。实验表明CDMS-AAB能够有效改善程序间的访存干扰,较好地提升了系统吞吐率和公平性。相比FR-FCFS系统吞吐率有平均10.1%的提高,系统公平性有平均11.7%的提高;相比FR-RR-FCFS系统吞吐率有平均7.4%的提高,系统公平性有平均3.4%的提高。