Advection-Based Sparse Data Management for Visualizing Unsteady Flow
Advection-Based Sparse Data Management for Visualizing Unsteady Flow
复制标题
基于平流的稀疏数据管理，用于可视化不稳定流
DOI：
10.1109/tvcg.2014.2346418
复制
发表时间：
2014-12
影响因子：
5.2
通讯作者：
Pan Jingshan
中科院分区：
文献类型：
--
作者：
Guo Hanqi;Zhang Jiang;Liu Richen;Liu Lu;Yuan Xiaoru;Huang Jian;Meng Xiangfei;Pan Jingshan
在计算大规模非定常流场的积分曲线和积分曲面时，一个主要的瓶颈是数据访问需求和可用带宽(I/O和内存)之间的差距越来越大。在这项工作中，我们探索了一种新的基于对流的方案来管理流场数据，以提高效率和可扩展性。关键是首先将流场划分成小块(例如，单元或非常细粒度的单元块)，然后(预先)使用并行键值存储按需获取和管理小块。其好处是(1)大大增加了本地范围分析(例如，源-目的地查询、条纹表面生成)的规模，可以适应任何给定的硬件资源限制；(2)提高了内存和I/O带宽效率以及朴素任务-并行粒子平流的可扩展性。我们使用一个原型系统演示了我们的方法，该原型系统既可以在工作站上工作，也可以在超级计算环境中工作。结果表明，与访问原始流数据相比，大大降低了I/O开销，并且在超级计算机上针对各种应用程序具有很高的可扩展性。
When computing integral curves and integral surfaces for large-scale unsteady flow fields, a major bottleneck is the widening gap between data access demands and the available bandwidth (both I/O and in-memory). In this work, we explore a novel advection-based scheme to manage flow field data for both efficiency and scalability. The key is to first partition flow field into blocklets (e.g. cells or very fine-grained blocks of cells), and then (pre)fetch and manage blocklets on-demand using a parallel key-value store. The benefits are (1) greatly increasing the scale of local-range analysis (e.g. source-destination queries, streak surface generation) that can fit within any given limit of hardware resources; (2) improving memory and I/O bandwidth-efficiencies as well as the scalability of naive task-parallel particle advection. We demonstrate our method using a prototype system that works on workstation and also in supercomputing environments. Results show significantly reduced I/O overhead compared to accessing raw flow data, and also high scalability on a supercomputer for a variety of applications.
登录
查看更多内容
DOI：
10.1145/1654059.1654076
发表时间：
2009-11
期刊：
Proceedings of the Conference on High Performance Computing Networking, Storage and Analysis
影响因子：
--
作者：
D. Pugmire;H. Childs;C. Garth;Sean Ahern;G. Weber
通讯作者：
D. Pugmire;H. Childs;C. Garth;Sean Ahern;G. Weber
影响因子：
2.5
作者：
Tony McLoughlin;R. Laramee;R. Peikert;F. Post;Min Chen
通讯作者：
Tony McLoughlin;R. Laramee;R. Peikert;F. Post;Min Chen
DOI：
10.1109/pacificvis.2008.4475463
发表时间：
2008-03
期刊：
2008 IEEE Pacific Visualization Symposium
影响因子：
--
作者：
Li Chen;I. Fujishiro
通讯作者：
Li Chen;I. Fujishiro
DOI：
10.1016/j.cag.2012.07.006
发表时间：
2012-12
期刊：
Computers & Graphics
影响因子：
--
作者：
M. Edmunds;R. Laramee;Guoning Chen;N. Max;E. Zhang;C. Ware
通讯作者：
M. Edmunds;R. Laramee;Guoning Chen;N. Max;E. Zhang;C. Ware
DOI：
10.1109/ldav.2012.6378984
发表时间：
2012-12
期刊：
IEEE Symposium on Large Data Analysis and Visualization (LDAV)
影响因子：
--
作者：
Chun-Ming Chen;B. Nouanesengsy;Teng-Yok Lee;Han-Wei Shen
通讯作者：
Chun-Ming Chen;B. Nouanesengsy;Teng-Yok Lee;Han-Wei Shen