【摘 要】
：
高能物理数据由物理事例组成,事例之间没有相关性。可以通过大量作业同时处理大量不同的数据文件,从而实现高能物理计算任务的并行化,因此高能物理计算是典型的高吞吐量计算
【基金项目】
：
国家自然科学基金项目（11475210）资助
论文部分内容阅读
高能物理数据由物理事例组成,事例之间没有相关性。可以通过大量作业同时处理大量不同的数据文件,从而实现高能物理计算任务的并行化,因此高能物理计算是典型的高吞吐量计算场景。高能所计算集群使用开源的TORQUE/Maui进行资源管理及作业调度,并通过将集群资源划分成不同队列以及限制用户最大运行作业数来保证公平性,然而这也导致了集群整体资源利用率非常低下。SLURM和HTCondor都是近年来流行的开源资源管理系统,前者拥有丰富的作业调度策略,后者非常适合高吞吐量计算,二者都能够替代老旧、缺乏维护的TORQUE/
其他文献
分析了Altera公司嵌入式Nios微处理器的基本特点,介绍了基于Altera Nios平台的鱼雷电源组件自动检测系统的设计与实现,详细地讨论了片上系统各个组成部分的工作原理,作为一个
针对CRH2型动车组列车网络流量数据日益复杂的特性,提出了一种将主成分分析法（PCA）与后馈神经网络（BP网络）相结合的网络流量建模预测思路。基于已搭建好的CRH2型列车通信仿真平台
跨语言命名实体对于机器翻译、跨语言信息抽取都具有重要意义,从命名实体的音译、基于平行/可比语料库的跨语言命名实体对齐、基于网络挖掘的跨语言命名实体对翻译抽取3个方
针对图像中的椒盐噪声消除问题,提出了一种基于粒子群算法的自适应开关中值滤波算法。提出的滤波器算法主要由两大阶段组成:噪声检测阶段和噪声滤除阶段。与标准中值滤波相比,提出的自适应开关中值滤波算法能够生成污染图像的噪波图。通过噪波图可以得到图像的污染和未污染像素信息。在滤除过程中,滤波器计算出未污染相邻像素的中值并且替换污染像素。仿真实验结果证实了所提算法的有效性,其能够有效地提高图像的峰值信噪比和图
半监督学习和集成学习是目前机器学习领域中两个非常重要的研究方向,半监督学习注重利用有标记样本与无标记样本来获得高性能分类器,而集成学习旨在利用多个学习器进行集成以
图像分析是研究砂岩薄片的重要手段。研究适用于砂岩薄片的图像分析的方法并进行工具实现,在岩石学研究、油气勘探等方面具有重要意义。文中设计开发了砂岩显微图像分析软件系统。首先,提出基于超像素分割和聚类的图像分割方法来分割砂岩薄片显微图像,形成只具有单一矿物成分的超像素;然后,以矿物显微图像作为训练数据,提取颜色和局部等特征参数来训练分类器分类超像素;最后,合并相邻超像素从而形成完整的矿物颗粒,并标定其
Android应用是一种事件驱动的并发程序。后台线程与异步事件执行顺序的不确定,导致数据竞争在Android应用中普遍存在。现有的针对Android应用的竞争检测工具会产生大量误报,