基于分布式云存储的数据并行可视化图形渲染方法及系统技术方案

本发明专利技术公开了计算机图形渲染技术领域的一种基于分布式云存储的数据并行可视化图形渲染方法及系统，提高了大规模数据并行体渲染的渲染效率，同时加快了GPU系统的计算时间与工作效率，能有效划分存储空间，降低本地渲染的成本。包括：将所研究的三维图形对象划分为若干个目标渲染单元；基于多GPU系统异步并行体渲染，将若干个所述目标渲染单元分布至每个子计算机的GPU上分别进行渲染；将每个所述子计算机的GPU的数据信息传输至云平台，在云平台完成本地方案的搭建与图形渲染。

【技术实现步骤摘要】
基于分布式云存储的数据并行可视化图形渲染方法及系统
本专利技术属于计算机图形渲染
，具体涉及一种基于分布式云存储的数据并行可视化图形渲染方法及系统。
技术介绍
随着科学技术的深入发展，各种不同门类的行业也取得了空前的发展，其中数据处理技术的进步是各个行业的发展的重要助力。像地质学、大气科学、医疗影像学、虚拟现实科学等等都有其各自特点，可以是二维的、三维的、标量的、矢量的，他们的共同点就是数据体量大，不仅在于数据节点的数目众多，还在于数据呈现的维度变化广，复杂度变化大。从这些庞大的数据中提取出关键数据加以清晰的图形展现，这就对可视化技术提出了很高的要求，图形图表其是表现数据的最直观的方法，但是将这些庞大的数据以这些方式呈现并不容易，在进行可视化时，尤其是当场景很复杂或是需要高质量的图形时，渲染过程对计算的要求很高，此时每个图形的需要数以百万计的浮点运算与整数运算，对实时信息交互与实时响应提出了更高的要求，目前在图形渲染领域存在数据组织划分不明晰，运行效率低，渲染效果不理想等一系列问题。
技术实现思路
为解决现有技术中的不足，本专利技术提供一种基于分布式云存储的数据并行可视化图形渲染方法及系统，提高了大规模数据并行体渲染的渲染效率，同时加快了GPU系统的计算时间与工作效率，能有效划分存储空间，降低本地渲染的成本。为达到上述目的，本专利技术所采用的技术方案是：第一方面，提供一种数据并行可视化图形渲染方法，包括：将所研究的三维图形对象划分为若干个目标渲染单元；基于多GPU系统异步并行体渲染，将若干个所述目标渲染单元分布至每个子计算机的GPU上分别进行渲染；将每个所述子计算机的GPU的数据信息传输至云平台，在云平台完成本地方案的搭建与图形渲染。进一步地，将所研究的三维图形对象划分为若干个目标渲染单元，具体为：采用基于KD-tree结构的体渲染任务划分方式，将所研究的三维图形对象的数据空间划分为若干个目标渲染单元。进一步地，所述基于多GPU系统异步并行体渲染，将若干个所述目标渲染单元分布至每个子计算机的GPU上分别进行渲染，具体为：将目标渲染单元分布至每个子计算机上，由每个子计算机的GPU负责不同的渲染部分，然后各个子计算机的GPU基于异步并行体渲染，混合数据空间与屏幕空间的任务划分，将所需渲染的屏幕空间区域划分为若干个屏幕子块，这样每一个屏幕子块都可以完成分布式的系统操作。进一步地，所述屏幕空间采用KD-tree结构方式实现，其中数据空间的KD-tree的叶子节点数与GPU线程数相等。进一步地，所述屏幕空间的划分采用动态方式完成，在每次渲染一帧之前，所有主线程都需要首先确定各自所处理数据的包围盒中心在屏幕上的投影位置，然后根据所有数据包围盒的中心位置，进一步确定屏幕划分方式。进一步地，将每个所述子计算机的GPU的数据信息传输至云平台，在云平台完成本地方案的搭建与图形渲染，具体为：所有子计算机的GPU构成GPU系统集群，通过云平台将GPU系统集群所采集的数据通过异步并行的方式传输至云平台并进行云存储；在云平台一图形的方式表示数据，基于图形的文理、深度参数进行图形的绘制与渲染。进一步地，还包括：通过对分布式云存储的数据并行图形渲染结果与本地存储的图形渲染结果的分析，得到分布式云存储数据并行图形渲染的性能参数。第二方面，提供一种数据并行可视化图形渲染系统，包括：第一模块，用于将所研究的三维图形对象划分为若干个目标渲染单元；第二模块，用于基于多GPU系统异步并行体渲染，将若干个所述目标渲染单元分布至每个子计算机的GPU上分别进行渲染；第三模块，用于将每个所述子计算机的GPU的数据信息传输至云平台，在云平台完成本地方案的搭建与图形渲染。与现有技术相比，本专利技术所达到的有益效果：(1)本专利技术通过基于多GPU系统异步并行体渲染，将若干个目标渲染单元分布至每个子计算机的GPU上分别进行渲染，改变了以往的Sort-last并行绘制方法在绘制单帧时需要同步图像绘制与图像合成的观念，解决目前数据并行可视化传输的速率低下的难题，提高了大规模数据并行体渲染的渲染效率；(2)通过将云平台处理后的图形渲染结果与本地数据渲染之后的结果进行比较，最终得出云存储性能优越的的结论，可以为算法研究人员与图形渲染工作人员提供相应的技术依据，加快GPU系统的计算时间与工作效率，有效划分存储空间，降低本地渲染的成本等，从而为云技术在图形渲染领域的进步发展做出贡献。附图说明图1是本专利技术实施例提供的一种基于分布式云存储的数据并行可视化图形渲染方法中数据空间划分方法示意图；图2是本专利技术实施例提供的一种基于分布式云存储的数据并行可视化图形渲染方法中屏幕空间划分方法示意图；图3是本专利技术的分布式多GPU异步并行体渲染的过程图；图4是本专利技术的云平台下GPU集群的渲染速率对比图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。实施例一：一种基于分布式云存储的数据并行可视化图形渲染方法，包括：将所研究的三维图形对象划分为若干个目标渲染单元；基于多GPU系统异步并行体渲染，将若干个所述目标渲染单元分布至每个子计算机的GPU上分别进行渲染；将每个所述子计算机的GPU的数据信息传输至云平台，在云平台完成本地方案的搭建与图形渲染。将所研究的三维图形对象划分为若干个目标渲染单元。本实施例基于多GPU系统异步并行体渲染方法，在基于多GPU系统异步并行体渲染方法的指导下，采用C++语言进行代码编译，使用ParaView软件进行整体的可视化建模和仿真，结合分布式云存储与数据并行可视化的技术，通过对几种关键技术的研究分析，从而提出了一种基于分布式云存储数据并行的可视化图形渲染方法以应对我国目前在图形渲染领域的数据组织划分不明晰，运行效率低，渲染效果不理想等一系列问题。本专利技术通过算法分析，建模，仿真，给出最合理的解决方案。图1为本专利技术的体渲染的任务划分实现方式，包括KD-tree结构方式。采用基于KD-tree结构的体渲染任务划分方式，将所研究的三维图形对象的数据空间划分为若干个目标渲染单元。KD-tree结构方式是一种常用且高效的数据组织与划分的方法。基于多GPU系统异步并行体渲染，将若干个所述目标渲染单元分布至每个子计算机的GPU上分别进行渲染，具体为：将目标渲染单元分布至每个子计算机上，由每个子计算机的GPU负责不同的渲染部分，然后各个子计算机的GPU基于异步并行体渲染，混合数据空间与屏幕空间的任务划分，将所需渲染的屏幕空间区域划分为若干个屏幕子块，这样每一个屏幕子块都可以完成分布式的系统操作。如图1、图2所示，为了获得最佳的任务计算负载均衡，数据空间与屏幕空间均采用KD-tree结构方式实现，其中数据空间的KD-tree高度与GPU线程数相关，即要求KD-tree的叶节点数与GPU线程数相等。原始数据按照指定的空间划分完毕后，将所得到的各个数据块本文档来自技高网...

【技术保护点】
1.一种数据并行可视化图形渲染方法，其特征是，包括：/n将所研究的三维图形对象划分为若干个目标渲染单元；/n基于多GPU系统异步并行体渲染，将若干个所述目标渲染单元分布至每个子计算机的GPU上分别进行渲染；/n将每个所述子计算机的GPU的数据信息传输至云平台，在云平台完成本地方案的搭建与图形渲染。/n

【技术特征摘要】
1.一种数据并行可视化图形渲染方法，其特征是，包括：
将所研究的三维图形对象划分为若干个目标渲染单元；
基于多GPU系统异步并行体渲染，将若干个所述目标渲染单元分布至每个子计算机的GPU上分别进行渲染；
将每个所述子计算机的GPU的数据信息传输至云平台，在云平台完成本地方案的搭建与图形渲染。


2.根据权利要求1所述的数据并行可视化图形渲染方法，其特征是，将所研究的三维图形对象划分为若干个目标渲染单元，具体为：采用基于KD-tree结构的体渲染任务划分方式，将所研究的三维图形对象的数据空间划分为若干个目标渲染单元。


3.根据权利要求2所述的数据并行可视化图形渲染方法，其特征是，所述基于多GPU系统异步并行体渲染，将若干个所述目标渲染单元分布至每个子计算机的GPU上分别进行渲染，具体为：
将目标渲染单元分布至每个子计算机上，由每个子计算机的GPU负责不同的渲染部分，然后各个子计算机的GPU基于异步并行体渲染，混合数据空间与屏幕空间的任务划分，将所需渲染的屏幕空间区域划分为若干个屏幕子块，这样每一个屏幕子块都可以完成分布式的系统操作。


4.根据权利要求3所述的数据并行可视化图形渲染方法，其特征是，所述屏幕空间采用KD-tree结构方式实现，其中数据空间的KD-tree的叶子节点数与GPU线程数相等。

<...

【专利技术属性】
技术研发人员：杨海根，胥若天，李禄阳，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32