【技术实现步骤摘要】
一种在GPU中并行处理视频压缩的动态任务迁移调度方法
本专利技术涉及并行计算和凸优化领域,尤其是涉及一种在GPU中并行处理视频压缩的动态任务迁移调度方法。
技术介绍
随着视频压缩发展越来越迅速,基于压缩算法所特有的计算复杂度高、处理任务时间长等缺点在实际应用场景中越来越突出,尤其是在一定规模数据的应用场景中更为突出,如大规模城市监控视频处理、交互式视频平台存储服务等。图形处理器(GPU)最早被提出用于图像中各个像素点的处理,由于它的并行性高,在图像处理中有着巨大的优势。但随着并行技术的持续发展和计算市场的逐步完善,目前GPU已被广泛应用于各种视频压缩算法,比如ffmpeg算法,可支持在NVIDIA设备上处理。但是,由于GPU内部计算状态的复杂性和硬件资源的独占性,使得算法开发者经常会遇到如下问题:第一,负载容易导致分配不平衡。例如有多块GPU设备,其运算能力差距很大,但是由于静态很难预测程序的开销,大部分程序都是需要动态分配内存,因此为了保证使用的稳定性,只能倾向于资源分配到性能强的GPU中,从而造成资源的浪费;第二,资源无法简单共享。多设备间或者多个节点间的设备无法做到共享;第三,不具备合适的容错机制。由于所有的设备中运行的程序都无法进行即时的中断,无法即时保存状态,对于超大型的长时间计算,光依赖硬件的容错能力是远远不够的。而由于当前视频清晰度运来越高、帧率也不断提高,处理视频压缩的时长也越来越大。据统计,一个五个小时的4K视频压缩任务开销在二十分钟左右,如若仅仅依靠硬件的重启,整个 ...
【技术保护点】
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:/n(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;/n(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;/n(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;/n(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。/n
【技术特征摘要】
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{indexi,datai},表示GPU设备索引为indexi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...
【专利技术属性】
技术研发人员:陈根浪,卢涛,张佳健,
申请(专利权)人:浙大宁波理工学院,宁波江东保安服务有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。