點擊上方藍字關注我們

《大數據》

第6卷第4期 2020年7月

大數據2020年第4期

（點擊原文鏈接在官網閱讀完整文章）

目次

01 專題導讀：大數據異構并行系統

陳海波

02?GPU事務性內存技術研究

林玉哲,?張為華

03?大規模異構數據并行處理系統的設計、實現與實踐

夏正勛,?羅圣美,?孫元浩,?唐劍飛,?張燕

04?面向大數據異構系統的神威并行存儲系統

何曉斌,?蔣金虎

05?面向異構眾核超級計算機的大規模稀疏計算性能優化研究

胡正丁,?薛巍

06?深度學習中的內存管理問題研究綜述

馬瑋良,?彭軒,?熊倩,?石宣化,?金海

07?新一代深度學習框架研究

于璠

08?大數據場景中語言虛擬機的應用和挑戰

吳明瑜,?陳海波,?臧斌宇

09?適用于特殊類型自然語言分類的自適應特征譜神經網絡

王一峰,?孫麗茹,?崔良樂,?趙毅

10?區塊鏈技術在政務數據共享中的應用

王鵬,?魏必,?王聰

11?大數據應用技術課程教學改革與實踐

夏大文,?王林,?張乾,?魏嘉銀,?馮夫健,?李華青

12?美俄人工智能軍事應用發展分析

缐珊珊

摘要

專題：大數據異構并行系統

導讀

作者：陳海波

摘要：隨著大數據處理從粗放走向集約，性能、成本、功耗等多方面的約束為大數據系統設計提供了新的機遇與挑戰。各種異構并行處理體系結構與芯片架構不斷創新并被廣泛部署，在為大數據處理提供更強大的并行計算能力的同時，顯著降低了系統的總體能耗。然而，這些異構并行處理硬件也給面向大數據處理的編程模型、開發調試與系統構建帶來了新的挑戰。本專題匯集了國內活躍在一線的系統研究者的7篇文章，從GPU的并發同步、大規模異構數據并行處理、高性能并行存儲、大規模稀疏計算、深度學習內存管理、全場景人工智能和語言虛擬機應用等多個視角出發，探討大數據異構并行系統中存在的新思路、新機遇與新挑戰，希望引起讀者興趣，促進該領域研究和實踐的蓬勃發展。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00001.shtml

GPU事務性內存技術研究

作者：林玉哲,?張為華

摘要：GPU是并行計算領域重要的體系結構之一，然而在面對高數據競爭的場景時，程序員往往需要設計復雜的并行方案。為了簡化這一過程，GPU事務性內存實現了復雜的數據同步和并行，對外則僅提供簡單的API。首先介紹了GPU事務性內存的研究背景。其次，討論了近年的GPU事務性內存的設計方案與策略，分析了不同設計方案遇到的問題和解決方案，包括硬件和軟件上的實現。最后對GPU事務性內存的現狀和未來的發展做出了總結和展望。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00003.shtml

大規模異構數據并行處理系統的設計、實現與實踐

作者：夏正勛,?羅圣美,?孫元浩,?唐劍飛,?張燕

摘要：隨著互聯網和物聯網應用的快速發展，數據處理模式從結構化逐漸擴展到結構化、半結構化和非結構化混合的異構數據處理模式。設計了一種大規模異構數據并行處理系統，在統一的平臺功能視圖基礎上，采用統一的資源管理框架，實現對結構化、JSON/XML、圖數據、文檔數據等多種異構數據進行存儲和查詢，采用統一的開發語言，實現跨數據類型和數據存儲引擎的并行計算，滿足多業務應用開發的需要，并通過實際的商業部署，驗證了系統的可行性。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00018.shtml

面向大數據異構系統的神威并行存儲系統

作者：何曉斌,?蔣金虎

摘要：隨著大數據應用和傳統高性能計算應用的融合以及異構計算的引入，傳統面向高性能計算的并行存儲系統面臨著異構計算I/O支持差、性能干擾和效率低等問題。通過在系統架構引入多層次存儲架構、設計緩存映射機制來減輕I/O負載。在轉發服務層，調整I/O轉發策略，均衡I/O負載。在后端存儲層，對系統高可用功能進行調整，解決大數據I/O訪問模式與原有高可用措施的沖突。經過優化設計和完善后的并行存儲系統更好地適應了異構眾核架構，使得某些應用獲得了10倍以上的I/O性能提升。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00030.shtml

面向異構眾核超級計算機的大規模稀疏計算性能優化研究

作者：胡正丁,?薛巍

摘要：隨著超級計算機技術的發展，大數據應用中大規模稀疏問題的求解成為可能，而稀疏問題的不規則計算和訪存特性又給應用實現和性能優化帶來了挑戰。異構眾核是超級計算機系統中的常見架構，其設計向應用開發者提出了高要求，如何發揮其強大的計算能力成為一個難題。分析了稀疏計算的性能優化挑戰，介紹了基于典型異構眾核計算機系統的3種大規模稀疏處理類應用設計和性能優化案例，以期為在新一代異構眾核系統上開展大規模稀疏計算問題求解提供借鑒。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00040.shtml

深度學習中的內存管理問題研究綜述

作者：馬瑋良,?彭軒,?熊倩,?石宣化,?金海

摘要：近年來，深度學習已經在多個領域取得了巨大的成功。深度神經網絡向著更深更廣的方向發展，訓練和部署深度神經網絡模型都將面對巨大的內存壓力。加速設備有限的內存空間已經成為限制神經網絡模型快速發展的重要因素，如何在深度學習中實現高效的內存管理成為深度學習發展的關鍵問題。為此，介紹了深度神經網絡的基本特征；分析了深度學習訓練過程中的內存瓶頸；對一些代表性的研究工作進行了分類闡述，并對其優缺點進行了分析；對深度學習中內存管理技術的未來發展趨勢進行了探索。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00056.shtml

新一代深度學習框架研究

作者：于璠

摘要：從人工智能的歷史出發，簡述深度學習發展歷程以及目前的挑戰，通過介紹新一代深度學習框架的特點，分析總體框架，闡述自動并行、自動微分、自動調優等技術優勢以及協同昇騰處理器的性能優勢，希望可以為深度學習技術研究人員提供參考。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00069.shtml

大數據場景中語言虛擬機的應用和挑戰

作者：吳明瑜,?陳海波,?臧斌宇

摘要：語言虛擬機為大數據應用提供了與平臺無關的執行環境，簡化了應用的開發和部署，因此在大數據場景中得到了較廣泛的應用。主要分析了兩種主流語言虛擬機——JVM和CLR在大數據場景中的應用，并闡述了使用語言虛擬機面臨的4個挑戰：初始化及“熱身”開銷、垃圾回收暫停、異構內存支持、數據格式轉換。之后，分別針對4個挑戰討論了現有的解決方案，并分析了這些方案的不足之處及未來可能的優化方向。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00081.shtml

研究

適用于特殊類型自然語言分類的自適應特征譜神經網絡

作者：王一峰,?孫麗茹,?崔良樂,?趙毅

摘要：計算機算力的提升使得深度學習算法迅速發展，然而由于古詩文特殊的語序、用詞、結構、句式、文法結構、表達方式，深度學習模型需要消耗更多的算力進行特征提取等工作，因此并未在這一領域取得廣泛的應用。為此，提出了一種新型的神經網絡結構——自適應特征譜神經網絡。該算法有效減少了運算時間，可以自適應地選擇對分類最有用的特征，形成最高效的特征譜，得到的分類結果具有一定的可解釋性，而且由于其運行速度快、內存占用小，因此非常適用于學習輔助軟件等方面。以此算法為基礎，開發了相應的個性化學習平臺。該算法使古詩文分類的準確率由93.84%提升到了99%。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00092.shtml

應用

區塊鏈技術在政務數據共享中的應用

作者：王鵬,?魏必,?王聰

摘要：區塊鏈技術能夠化解數據共享面臨的安全與效率矛盾，在政務數據共享中具有很大的應用潛力。基于當前政策環境和傳統數據共享的問題，結合區塊鏈技術的應用原理與核心優勢，分析了區塊鏈在政務信息資源共享中應用的優勢與預期效果，引入并分析了不動產區塊鏈信息共享平臺建設的實際案例。案例證明，區塊鏈技術可有效解決政務數據共享存在的問題與挑戰，促使政府為社會提供更優質的公共服務。在總結了運用區塊鏈技術的經驗與啟示之后，提出了未來區塊鏈促進政務信息共享的建議與展望。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00105.shtml

大數據應用技術課程教學改革與實踐

作者：夏大文,?王林,?張乾,?魏嘉銀,?馮夫健,?李華青

摘要：大數據促進了數據科學研究的發展和數據科學學科的建設，催生了對新型數據人才的需求。分析了大數據人才培養的現實需求，指出了大數據人才培養的現存問題，然后以“大數據應用技術課程”為例，在重構教學體系、優化教學內容、改進教學方法、規范教學過程和完善教學評價等方面闡述了大數據專業教學改革的路徑選擇與實踐，致力于創新培養兼具工程實踐能力與技術創新能力的跨界復合型大數據人才。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00115.shtml

論壇

美俄人工智能軍事應用發展分析

作者：缐珊珊

摘要：隨著人工智能領域技術的快速發展，其應用范圍擴展到了軍事領域。重點分析了美俄人工智能軍事應用的途徑和特點，結合大數據的特點，探索美俄人工智能軍事應用的發展路徑，預測性地提出了未來該領域人工智能應用的趨勢，以期為我國人工智能的應用提供參考和借鑒。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-4-00125.shtml

聯系我們:

Tel:010-81055448

? ? ? ?010-81055490

? ? ? ?010-81055534

E-mail:bdr@bjxintong.com.cn?

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

大數據期刊

《大數據（Big Data Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的期刊，已成功入選中文科技核心期刊、中國計算機學會會刊、中國計算機學會推薦中文科技期刊，并被評為2018年國家哲學社會科學文獻中心學術期刊數據庫“綜合性人文社會科學”學科最受歡迎期刊。

關注《大數據》期刊微信公眾號，獲取更多內容

總結

以上是生活随笔為你收集整理的《大数据》2020年第4期目次摘要的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。