统一信息编码：HLJDXQ20200521007
采购阶段：预研
需求分类：研究技术类
专业领域：计算机与软件
预算金额：15.0万元
主要内容 研究内容：面向由CPU、GPU、FPGA等多类型硬件组成的大规模异构协同计算环境，针对资源分配中多类型资源分配机制孤立、多阶段任务间缺乏协同等关键问题，研究构建异构计算资源面向人工智能应用等多类型应用的计算效率评价模型。面向复杂多阶段应用特点，研究提出异构资源的协调分配机制，优化降低应用整体时延。面向多应用混合部署，提出多应用间高效用动态资源分配机制，提高资源的有效利用率，大幅提高系统吞吐量。在国产天河超算等大规模异构协同计算环境下开展系统验证，实现具备国际先进水平的异构计算环境资源管理原型系统。 
成果形式：论文、原型系统。 
技术指标：
1、针对不同资源及应用，建立统一的资源效益评估模型，实现对人工智能应用的动态刻画，并提供不少于20种应用的CPU、GPU计算效率评价模型；2、面向多阶段应用，扩展增强主流无服务器计算框架（如OpenFaaS）的资源管理能力，实现CPU和GPU资源的细粒度混合分配，其中GPU分配粒度达到SM核心级别；3、在CPU-GPU协同计算环境下，完成延迟敏感类推理应用的函数化适配，达到与非函数环境下的相同智能服务的同等响应时间水平；4、在CPU-GPU协同计算环境下，实现混合负载下多维资源动态调整方案，相比现有孤立资源分配机制，使得人工智能训练应用的吞吐量提高至少30%，计算资源平均利用率达到60%以上；5、优化人工智能训练应用运行时的网络开销，在同等计算效率下平均减少30%的网络带宽压力。 
功能用途：用于异构分布式计算系统的资源分配和管理。 
研究周期：2年 资格条件 具备良好的科研团队和良好的科研条件