A Stream Tilling Approach to Surface Area Estimation for Large Scale Spatial Data in a Shared Memory System
A Stream Tilling Approach to Surface Area Estimation for Large Scale Spatial Data in a Shared Memory System
复制标题
共享内存系统中大规模空间数据表面积估计的流耕方法
DOI：
10.1515/geo-2017-0047
复制
发表时间：
2017-12
期刊：
影响因子：
2
通讯作者：
徐胜华
中科院分区：
文献类型：
--
作者：
刘纪平;亢晓琛;董春;徐胜华
表面积估算是物理世界中广泛使用的资源评价工具。在处理大规模空间数据时，由于物理内存资源有限和磁盘传输速率非常慢，输入/输出（I/O）很容易成为算法并行化的瓶颈。在本文中，我们提出了一种流化的表面积估计方法，该方法首先将空间数据集分解为具有拓扑展开的块。有了这些贴图，输入和计算过程之间的一对一映射关系就被打破了。然后，我们实现了一个面向I/O进程和计算单元调度的流框架。其中，每个计算单元封装了估计算法的相同副本，并且多个异步计算单元可以单独并行工作。最后，实验表明，我们的流分置估计可以有效地减轻I/ o密集型工作带来的沉重压力，并且在多核共享内存系统中，优化后的加速大大优于直接并行版本。
Surface area estimation is a widely used tool for resource evaluation in the physical world. When processing large scale spatial data, the input/output (I/O) can easily become the bottleneck in parallelizing the algorithm due to the limited physical memory resources and the very slow disk transfer rate. In this paper, we proposed a stream tilling approach to surface area estimation that first decomposed a spatial data set into tiles with topological expansions. With these tiles, the one-to-one mapping relationship between the input and the computing process was broken. Then, we realized a streaming framework towards the scheduling of the I/O processes and computing units. Herein, each computing unit encapsulated a same copy of the estimation algorithm, and multiple asynchronous computing units could work individually in parallel. Finally, the performed experiment demonstrated that our stream tilling estimation can efficiently alleviate the heavy pressures from the I/O-bound work, and the measured speedup after being optimized have greatly outperformed the directly parallel versions in shared memory systems with multi-core processors.
登录
查看更多内容
基于三角形的表面积计算的偏差估计和校正
DOI：
10.1080/13658816.2016.1162795
发表时间：
2016-11
影响因子：
5.7
作者：
Xue Shuqiang;Dang Yamin;Liu Jiping;Mi jinzhong;Dong Chun
通讯作者：
Dong Chun
DOI：
10.3138/q722-7681-3k17-jr08
发表时间：
1984-10
期刊：
Cartographica: The International Journal for Geographic Information and Geovisualization
影响因子：
--
作者：
W. R. Franklin
通讯作者：
W. R. Franklin
影响因子：
1.6
作者：
N. Lorimer;R. Haight;R. A. Leary
通讯作者：
N. Lorimer;R. Haight;R. A. Leary
DOI：
10.1145/356770.356776
发表时间：
1979-01-01
期刊：
COMPUTING SURVEYS
影响因子：
--
作者：
COMER, D
通讯作者：
COMER, D
影响因子：
4.4
作者：
Guan, Xuefeng;Wu, Huayi
通讯作者：
Wu, Huayi