基于多核的Ramsey數算法研究.pdf

1、隨著大數據時代的到來，傳統(tǒng)的數據處理方式已經無法滿足越來越大的計算需求。按照處理器超線程和多核化的發(fā)展趨勢，基于集群的分布式編程和基于多核的多線程并發(fā)編程已經成為提升計算性能的兩個最重要的途徑。Google公司提出了一種能夠并發(fā)處理海量數據的并行編程模型MapReduce，可用于處理數據密集型任務。目前，已經有多種不同的MapReduce模型的具體實現(xiàn)，其中基于多核共享存儲的Phoenix++系統(tǒng)的執(zhí)行效率較高。
　　圖的Rams

2、ey數在信息論和理論計算機科學中有重要的應用，但是確定它的準確值是NP困難問題。在研究Ramsey數時，隨著圖的頂點個數的增加，需要考慮的著色情況會以指數級增加。由于計算量的急劇增大，利用單核CPU的計算機難以在較短時間內求解出該問題。因此，本文對基于多核共享存儲的Ramsey數求解算法進行研究。
　　首先對MapReduce編程模型的原理與執(zhí)行過程、MapReduce模型的不同實現(xiàn)和基于多核的MapReduce模型的Phoeni

3、x++系統(tǒng)進行了詳細介紹。然后設計了單核CPU下的圈集對完全圖的Ramsey數求解算法，并采取數據預處理、合理的任務劃分以及鍵值對設計等措施將其改進為基于Phoenix++系統(tǒng)的多核并行算法。通過試驗對并行算法的正確性進行了驗證，并對其性能進行了評估。試驗結果表明，在4核CPU平臺上，隨著頂點數的增加，該并行算法的加速比最高達到了3.70，執(zhí)行效率相應增大到92.50％。最后，利用該多核并行算法分別計算了R(C≤n，Kn+1）（4≤n≤