[发明专利]网格分解方法及系统

说明书

技术领域

本发明涉及计算机并行技术，尤其涉及一种大规模数据的网格分解方法及系统。

背景技术

网格计算是一门计算机科学，它研究如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给网格的计算节点进行处理，最后把这些计算结果综合起来得到最终结果。

在网格计算中，网格分解是关键技术。目前的网格分解主要依靠人工分割。显然，这种方式的自动化较弱；并且，负载平衡较差且耗时较长。这些缺陷，严重影响计算机并行计算的效率。

发明内容

有鉴于此，本发明提出一种网格分解方法及系统，旨在提高网格分解的自动化程度，实现负载平衡，提高并行计算效率。

第一方面，本发明公开了一种网格分解方法，包括如下步骤：初始映射获取步骤、节点计算能力获取步骤、最优匹配计算量确定步骤、网格特征提取步骤和分区映射子图确定步骤。其中，初始映射获取步骤为，将网格读入内存，获取所述网格在内存中的初始映射；节点计算能力获取步骤为，获取所述初始映射中各个计算节点的计算能力；最优匹配计算量确定步骤为，根据所述各个计算节点的计算能力，确定每个计算节点的最优匹配计算量；网格特征提取步骤为，基于各个节点的最优匹配计算量，提取网格特征；分区映射子图确定步骤为，基于所述网格特征，确定各个所述计算节点的分区映射子图，完成网格自动分解。

进一步地，上述的网格分解方法中，所述最优匹配计算量确定步骤进一步为，根据计算节点计算能力的不同，构造优化分布函数，获得每个节点的最优匹配计算量。

进一步地，上述的网格分解方法中，所述分区映射子图确定步骤进一步包括：粗化步骤和分区步骤。其中，粗化步骤为，采用粗化模型，对所述网格特征进行粗化，直至所述网格特征的最底层，获取粗化图；分区步骤为，对所述粗化图加以分区，获取各个所述计算节点的所述分区映射子图。

进一步地，上述的网格分解方法中，所述分区步骤后还设置有细化步骤，采用精化算法，对所述分区映射子图进行细化，直至所述分区映射子图的最顶层，使各个所述计算节点获得满足该计算节点最优匹配计算量的细化分区映射子图。

进一步地，上述的网格分解方法中，所述分区步骤中，采用并行飘带算法对所述粗化图加以分区；和/或，所述细化步骤中，采用局部优化算法，对所述分区映射子图进行细化。

与现有技术相比，本发明提供的网格分解方法将网格映射到内存中，确定计算节点的计算能力，并站在系统的角度使各个计算节点获得满足该计算节点最优匹配计算量的细化分区映射子图，即，将网格分裂为小规模映射子图，以实现结合节点计算能力提高并行计算效率。与现有技术相比，本发明具有任意类型网格的自动分解能力，且能够实现负载平衡，大大提高并行计算效率，耗时较短。

第二方面，本发明还提供了一种网格分解系统，包括：初始映射获取模块、节点计算能力获取模块、最优匹配计算量确定模块、网格特征提取模块和分区映射子图确定模块。其中，初始映射获取模块用于将网格读入内存，获取所述网格在内存中的初始映射；节点计算能力获取模块用于获取所述初始映射中各个计算节点的计算能力；最优匹配计算量确定模块用于根据所述各个计算节点的计算能力，确定每个计算节点的最优匹配计算量；网格特征提取模块用于基于各个节点的最优匹配计算量，提取网格特征；分区映射子图确定模块用于基于所述网格特征，确定各个所述计算节点的分区映射子图，完成网格自动分解。

进一步地，上述网格分解系统中，所述最优匹配计算量确定模块进一步用于，根据计算节点计算能力的不同，构造优化分布函数，获得每个节点的最优匹配计算量。

进一步地，上述网格分解系统中，所述分区映射子图确定模块进一步包括：粗化单元和分区单元。其中，粗化单元用于采用粗化模型，对所述网格特征进行粗化，直至所述网格特征的最底层，获取粗化图；分区单元用于对所述粗化图加以分区，获取各个所述计算节点的所述分区映射子图。

进一步地，上述网格分解系统中，所述分区单元后还设置有：细化单元，用于采用精化算法，对所述分区映射子图进行细化，直至所述分区映射子图的最顶层，使各个所述计算节点获得满足该计算节点最优匹配计算量的细化分区映射子图。

进一步地，上述网格分解系统中，所述分区单元中，采用并行飘带算法对所述粗化图加以分区；和/或，所述细化单元中，采用局部优化算法，对所述分区映射子图进行细化。