组件之间的优化

在大型数据中使用商品现成的组件，例如Google ，Amazon EC2 。启东SMT贴片加工这种商品化正在成为一种非对称加速器类型处理器（例如IBM-Sony-Toshiba Cell处理器，和NVIDIA因此，基于GPU的图形引擎，使它们较便宜和负担得起。反过来，这于基于非对称加速器的集群的构建，类似于我们在这项研究中考虑的框架。加速器可提供较高的性能成本与传统处理器相比因此，经过适当设计的基于加速器的非对称簇具有提供较好的性能传统对称系统的成本和运营预算簇。不幸的是，加速器也给编程和资源管理。编程加速器需要使用多个ISA和多个编译目标。加速器通常具有较高的速度计算密度和原始性能比常规处理器，因此将加速器与常规处理器耦合可能会在两者之间造成不平衡。加速器通常还具有有限的本地存储空间，有限（如果有）对系统服务的支持，例如I / O。为了保护整体较高，资源管理基于加速器的系统需要精心编排异构之间的传输和工作分配组件