[发明专利]一种在GPU中并行处理视频压缩的动态任务迁移调度方法

权利要求书

1.一种在GPU中并行处理视频压缩的动态任务迁移调度方法，其特征在于：该方法包括下列步骤：

(1)、根据大规模数据并行计算得到的预估模型，按照预估模型的分配方式将需压缩的视频任务分配到系统中的各个GPU设备中，并开始工作；

(2)、每隔一段时间T，服务器的host端记录下各个GPU设备当前的统计信息，服务器的host端根据统计信息来计算出当前系统中每个GPU设备数据处理容量的最优解，并根据最优解来判断是否需要对其中的某些GPU设备中的任务进行动态迁移调度；

(3)、如果需要对GPU设备中的视频任务进行动态迁移调度，那么就以GPU设备中视频的每一帧为处理单元，识别并提取出GPU设备中的每一个work-item的底层硬件的计算状态信息，并将该计算状态信息拷贝回服务器的host端；

(4)、服务器的host端根据每个GPU设备的工作信息进行分析，然后选择出需要调度到的新GPU设备，并将步骤(3)中拷贝的计算状态信息移植到新GPU设备上，进而恢复当前计算任务。

2.根据权利要求1所述的一种在GPU中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(2)中，统计信息的数据结构为{index_i，data_i}，表示GPU设备索引为index_i的统计信息数据。

3.根据权利要求1或2所述的一种在GPU中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(2)中，服务器的host端记录下的统计信息具体包括：各个GPU设备的计算单元的利用率C、各个GPU设备的内存使用率M、各个GPU设备的功耗P以及各个GPU设备任务调度时间开销O，所述利用率C，通过固定时间间隔执行shell脚本来获取，所述内存使用率M，可以通过固定时间间隔执行shell脚本来获取，所述功耗P通过固定时间间隔执行shell脚本来获取，所述开销O通过长期测量得出。

4.根据权利要求3所述的一种在GPU中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(2)中，根据最优问题来计算每个GPU设备数据处理容量的最优解，最优问题表示为：

subject to f₁(c)≤b₁，b₁∈Rⁿ，

f₂(m)≤b₂，b₂∈Rⁿ，

1^Tp≤d，d∈R；

该公式包含了四部分：GPU利用率C、内存使用率M、设备的功耗P以及任务调度时间开销O，系统中所有GPU设备的GPU利用率、内存使用率、功耗、开销均为向量，即c,m,p,o∈Rⁿ，其中n为系统GPU设备个数，权重为向量W_c,W_m,W_p,W_o，即W_c,W_m,W_p,W_o∈Rⁿ，f₁(x)和f₂(x)，其中x∈Rⁿ，分别是计算GPU利用率和内存使用率的设备下确界权重函数，b₁和b₂为设备下确界资源向量。

5.根据权利要求4所述的一种在GPU中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(2)中，根据最优解来判断是否需要对其中的某些GPU设备中的任务进行动态迁移调度的具体判断方法为：将计算得到的每个GPU设备数据处理容量的最优解与当前状态下GPU设备的实际工作状态进行比较，如果GPU设备实际的工作状态与其计算得到的最优解一致，就不需要对该GPU设备中的任务进行迁移，如果GPU设备实际的工作状态与其计算得到的最优解不一致，就对该GPU设备种的任务进行迁移。