歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
國立暨南國際大學 資訊管理學系 姜美玲所指導 林振瑋的 NUMA系統之減少遠端記憶體存取的記憶體感知負載平衡機制之新任務挑選策略 （2016），提出共享記憶體 多處理器關鍵因素是什麼，來自於NUMA、多核心處理器、負載平衡、遠端記憶體存取、資源競爭。
而第二篇論文靜宜大學 資訊管理學系 洪哲倫、王孝熙所指導 許自宏的 基於圖形處理器之位元平行型樣本比對演算法之研究 （2015），提出因為有 圖形處理器、平行計算、位元平行演算法、字串搜尋、近似字串比對的重點而找出了 共享記憶體 多處理器的解答。
NUMA系統之減少遠端記憶體存取的記憶體感知負載平衡機制之新任務挑選策略
為了解決共享記憶體 多處理器 的問題，作者林振瑋 這樣論述：
Non-Uniform Memory Access (NUMA)架構的多核心系統解決了Symmetric Multi-Processing(SMP)架構的擴展性問題，但是，在NUMA系統中，Task的記憶體Page可能會被配置在不同的NUMA節點上，並且當Task在進行跨節點的遠端記憶體存取時，所花費的時間是比存取Task所在節點的記憶體時來得久，因此，遠端記憶體的存取和競爭Interconnect Link會造成NUMA系統的效能下降。儘管Linux核心已經實作了Automatic Page Migration，透過Page Table Invalidation和Page Fault Ha
ndling，將Task遠端存取的記憶體Page搬移至當前的節點上，但是卻會造成存取記憶體時的Overhead增加。為了降低NUMA系統在負載平衡機制中，執行跨節點的Task搬移所造成的遠端記憶體存取，先前的研究提出了記憶體感知負載平衡機制(Memory-Aware Load Balancing, MLB)，修改Linux核心的記憶體配置的相關函式，以取得Task在各個不同節點上的記憶體使用量後，在負載平衡機制中加入了Task挑選策略，並且利用Task在各個節點上的記憶體使用量來進行決策，挑選出合適的Task來進行跨節點的搬移，降低Task在搬移過後遠端記憶體存取的發生。在本篇論文中，我們針對
MLB機制中的Task挑選策略進行改良並且新增多個挑選策略，我們增加了許多不同的考量因素，例如最大利益、最佳成本效益、最少共享記憶體Page以及NUMA Factor等等的因素，選擇合適的Task來進行跨節點的搬移，能夠同時降低遠端記憶體存取和提高Task存取本地節點記憶體的機會。這些新的Task挑選策略是實作在Linux核心層次的MLB負載平衡機制內。實驗的結果顯示，我們新提出的Task挑選策略相較於Linux預設的First-Fit挑選策略，能夠有效的降低遠端記憶體存取以及資源競爭，使NUMA系統最多提高了10.67%的效能。
基於圖形處理器之位元平行型樣本比對演算法之研究
為了解決共享記憶體 多處理器 的問題，作者許自宏 這樣論述：
字串比對可以區分為兩種：精確字串比對(Exact String Matching)和近似字串比對(Approximate String Matching)，這些演算法已經被廣泛的應用在各個領域上，如：脱氧核醣核酸(Deoxyribonucleic acid，DNA)序列比對、網路入侵偵測與預防系統(Intrusion Detection and Prevention Systems，IDPS)等。然而，在本文巨量的文字當中去比較樣本字串是非常耗時的運算。在近年來，相當熱門的圖形處理器已經被許多領域所使用，能有效的加速運算效能，因為圖形處理器擁有大規模平行處理的架構。在本論文研究當中，我們提出
了一個基於圖形處理器有效的實現快速字元搜尋之多樣本字串比對演算法。該演算法透過統一計算架構(Compute Unified Device Architecture，CUDA)實現位元平行模式的比較概念，利用GPU高效能運算能力，加速在不同長度的多個樣本字串中來搜尋，達到加速的效果。從實驗結果看，該演算法可以實現比其他字串搜尋演算法達到更高的吞吐量。在未來，我們將利用所提出的方法應用在其他領域上，如：基因組序列比較(Genome Sequence Comparison)和封包有效負載過濾。