摘要：所謂的大數據是指那些無法用傳統(tǒng)方法處理的數據信息，可以將其理解為海量數據與復雜類型數據的總和。大數據時代下，人們可以利用的信息增多，但是獲取有效信息的難度明顯加大，因此研究面向大數據的并行計算機模型及性能優(yōu)化是非常有必要的。

關鍵詞：大數據處理；并行計算模型；性能優(yōu)化；數據信息；海量數據；復雜類型數據 文獻標識碼：A

中圖分類號：TP391 文章編號：1009-2374（2016）06-0033-02 DOI：10.13535/j.cnki.11-4406/n.2016.06.017

信息技術的發(fā)展將人們推進了大數據時代，數據信息數量大、樣式多且價值密度不高，使用傳統(tǒng)的數據處理方法已經不能滿足實際要求。為了更好地利用這些數據資源，在大數據時代的挑戰(zhàn)中尋找到機遇，人們需要進一步研究并行計算機模型，實現模型優(yōu)化，抓住大數據時代的機遇，促進大數據的進一步發(fā)展。

1 并行計算模型的發(fā)展趨勢

首先，從計算機存儲的角度來說，在大數據背景下將面臨更加嚴峻的存儲問題。我國計算機產業(yè)格局并不是處理與存儲一體化，處理廠商與存儲廠商處于相互分離的狀態(tài)，導致這兩項技術的發(fā)展出現不平衡現象，計算機系統(tǒng)的存儲性能已經不能滿足實際需要。從1985年到現在，計算機處理器性能以每年60%的速度提高，而存儲性能的提升速度僅為每年9%。50%左右的差距導致處理性能與存儲性能之間越來越不協調，因此未來在研究并行計算機模型時，會將存儲性能作為重點研究對象。

其次，計算機體系結構中，多核逐漸成為主流。要想進一步提升系統(tǒng)的運算能力，僅僅依靠提升晶體管的集成度是不夠的，因為系統(tǒng)運算能力還會受到材料物理性能等因素的影響，因此，系統(tǒng)中應用多核技術已經成為一種必然趨勢。所謂多核技術，就是將多個計算內核集成在一個處理器中，每一個內核都能完成一個計算指令，這樣一個處理器就能夠完成并行計算指令。多核CPU的計算密度更高，并行處理能力更強，在相同計算條件下所消耗的功率更低，可以滿足實際需要。

再次，異構眾核集成技術在并行計算模型中的應用越來越廣泛。一般情況下模型中都采用CPC與MIC組合構架模式，相對復雜的邏輯計算部分由CPU負責，而一些密集運算則由CPU或者是MIC來負責，這些密集運算的典型特征就是分支較少且并行度高，這種異構方式為超級計算機的發(fā)展奠定了基礎。

最后，服務器逐漸向著大規(guī)模集群化且廉價化的方向發(fā)展，越來越多的互聯網企業(yè)和網絡運營商選擇將大規(guī)模服務廉價集群作為系統(tǒng)硬件設施。這種集群式服務器的典型特征就是會自動將故障狀態(tài)視為常態(tài)，因為即使集群中的一部分組間發(fā)生故障，也不會對系統(tǒng)整體造成太大影響。同時，該集群會為異構硬件擴容提供支持，或是在系統(tǒng)中加入存儲資源，或是直接加入新的機器，系統(tǒng)根據實際情況對這些資源或者機器進行自動調取，這一過程不會對系統(tǒng)運行產生任何影響。

2 面向大數據處理的計算模型分析

2.1 模型概述

隨著計算機技術的發(fā)展，大數據編程模型已經取得了不錯的研究成果，其主要被應用在數據分析以及數據處理上，但是對于并行計算模型的研究卻不夠深入，從目前的情況來看需要解決以下問題：

首先，成熟的計算模型中需要包括以下兩個要素：一是機器參數，包括CPU以及節(jié)點規(guī)模等；二是成本函數，其代表的是機器參數的函數，具體包括時間成本函數和空間成本函數。對這兩個要素進行深入研究，能夠對并行計算模型的發(fā)展提供理論支持。

其次，目前使用的大數據編程模型為了提高計算能力，會為系統(tǒng)資源提供橫向擴展支持，同時程序中自帶容錯機制，一旦出現節(jié)點失效問題能夠及時應對，雖然在一定程度上提高了應對能力，但是編程的擴展性以及容錯性都是針對某個案例而言，因此并沒有統(tǒng)一的度量標準，因此面向大數據處理的并行計算模型，需要對擴展性以及容錯性這兩個性能進行準確定義，用統(tǒng)一標準來評判其能力。

最后，大數據的應用效率會受到很多因素的影響，包括并行性級別、通訊問題以及存儲問題等，目前所指的性能優(yōu)化大多數都是針對某個系統(tǒng)框架或者是某個模型而言的，沒有一個完整、統(tǒng)一的理論，而面向大數據處理的并行計算模型就要解決這一問題，統(tǒng)一優(yōu)化理論、制定出可以面向所有模型的優(yōu)化方法。

2.2 p-DOT模型分析

p-DOT模型在設計時將BPS模型作為基礎，模型的基本組成是一系列iteration，該模型主要由三個層次

組成：

首先，D-layer，也就是數據層，整個系統(tǒng)的結構呈現出分布式，各個數據節(jié)點上存儲數據集。

其次，O-layer，也就是計算層，假設q為計算的一個階段，那么該階段內的所有節(jié)點會同時進行獨立計算，所有節(jié)點只需要處理自己對應的數據，這些數據中包括最初輸入的數據，也包括計算中生成的中間數據，這樣實現了并發(fā)計算，得到的中間結果直接存儲在模

型中。

最后，T-layer，也就是通信層，在q這一階段內，通信操作子會自動傳遞模型中的消息，傳遞過程遵循點對點的原則，因為q階段中的所有節(jié)點在經過計算以后都會產生一個中間結果，在通信操作子的作用下，這些中間結果會被一一傳遞到q+1階段內。也就是說，一個階段的輸出數據會直接被作為下一個階段的輸入數據，如果不存在下一個階段或者是兩個相鄰階段之間不存在通信，則這些數據會被作為最終結果輸出并存儲。

在并行計算模型下，應用大數據和應用高性能之間并不矛盾，因此并行計算模型具有普適性的特征，前者為后者提供模式支持，反過來，后者也為前者提供運算能力上的支持。另外，在并行計算模型下，系統(tǒng)的擴展性和容錯性明顯提升，在不改變任務效率的前提下，數據規(guī)模以及機器數量之間的關系就能夠描述出系統(tǒng)的擴展性，而即使系統(tǒng)中的一些組件出現故障，系統(tǒng)整體運行也不會受到影響，體現出較好的容錯性。

p-DOT模型雖然是在DOT模型的基礎上發(fā)展起來的，但是其絕對不會是后者的簡單擴展或者延伸，而是具備更加強大的功能：一是p-DOT模型可以涵蓋DOT以及BSP模型的處理范式，應用范圍比較廣；二是將該模型作為依據能夠構造出時間成本函數，如果在某個環(huán)境負載下大數據運算任務已經確定，我們就可以根據該函數計算出整個運算過程所需要的機器數量（這里將最短運行時間作為計算標準）；三是該并行計算模型是可以擴展的，模型也自帶容錯功能，具有一定的普適性。

3 基于計算模型的性能優(yōu)化方法分析

3.1 D-layer的優(yōu)化

要想實現容錯性，要對系統(tǒng)中的數據進行備份，因為操作人員出現失誤或者是系統(tǒng)自身存在問題，數據有可能大面積丟失，這時備份數據就會發(fā)揮作用。一般情況下，系統(tǒng)中比較重要的數據會至少制作三個備份，這些備份數據會被存儲在不同場所，一旦系統(tǒng)數據層出現問題就會利用這些數據進行回存。對于數據復本可以這樣布局：一是每個數據塊中的每個復本只能存儲在對應節(jié)點上；二是如果集群中機架數量比較多，每個機架中可以存儲一個數據塊中的一個復本或者是兩個復本。從以上布局策略中我們可以看出，數據復本的存儲與原始數據一樣，都是存儲在數據節(jié)點上，呈現出分散性存儲的特征，這種存儲方式是實現大數據容錯性的基礎。

3.2 O-layer的優(yōu)化

隨著信息技術的發(fā)展以及工業(yè)規(guī)模的擴大，人們對大數據任務性能提出了更高的要求，為了實現提高性能的目標，一般計算機程序會對系統(tǒng)的橫向擴展提供支持。隨著計算機多核技術的普及，系統(tǒng)的并行處理能力明顯增強，計算密度明顯提高，對多核硬件資源的利用效率明顯提升。傳統(tǒng)并行計算模型主要依靠進程間的通信，而優(yōu)化后的模型則主要依靠線程間的通信，由于后者明顯小于前者，因此在利用多核技術進行并行計算時，能夠在不增大通信開銷的基礎上明顯提升計算

性能。

3.3 T-layer的優(yōu)化

為了提升計算模型的通信性能，需要對大數據進行深度學習，具體原因如下：

首先，無論使用哪種算法，都需要不斷更新模型，從分布式平臺的角度來說，每一次迭代都代表一次全局通信，而一部分模型的迭代次數又非常多，同時模型中包含大量位移參數以及權重，例如模型AlexNet的基礎是卷積神經網絡，其迭代次數可以達到45萬，耗費系統(tǒng)大量通信開銷。

其次，如果分布式平臺上本身就有很多機器，那么迭代過程就需要將機器的運行或者計算作為基礎，就是說要想完成一次迭代，平臺上所有的機器都要逐一進行計算，計算完成以后還需要對參數進行同步。這種迭代模式容易受到短板效應的制約，算法通信開銷并不取決于計算速度最快的機器，而是取決于最慢的機器。為了避免短板效應，在對并行計算模型進行優(yōu)化時，可以采用同步策略，對于計算速度較慢的機器進行加速，提升迭代類任務的通信性能。

4 結語

當前，人類已經進入了大數據時代，計算機并行機構體系發(fā)生了很大改變，人們對計算機系統(tǒng)模型的計算能力也提出了更高要求，這對并行計算來說既是一種機遇，也是一種挑戰(zhàn)，基于此，本文研究了基于大數據的并行計算模型及其優(yōu)化。

參考文獻

[1] 覃雄派，王會舉.大數據分析——RDBMS與MapReduce的競爭與共生[J].軟件學報，2012，23（1）.

[2] 程果，景寧.柵格數據處理中鄰域型算法的并行優(yōu)化方法[J].國防科技大學學報，2012，34（4）.

[3] 潘巍，李戰(zhàn)懷.大數據環(huán)境下并行計算模型的研究進展[J].華東師范大學學報（自然科學版），2014，（5）.

[4] 張延松，焦敏.海量數據分析的One-size-fits-allOLAP技術[J].計算機學報，2011，34（10）.

[5] 董新華，李瑞軒.Hadoop系統(tǒng)性能優(yōu)化與功能增強綜述[J].計算機研究與發(fā)展，2013，（5）.

作者簡介：文娟（1982-），女，湖南長沙人，威仁科技（北京）有限公司總經理，研究方向：計算機應用、大數據、云計算。

（責任編輯：周 瓊）