点击上方蓝字关注我们

随着大数据处理从粗放走向集约，性能、成本、功耗等多方面的约束为大数据系统设计提供了新的机遇与挑战。各种异构并行处理体系结构与芯片架构不断创新并被广泛部署，在为大数据处理提供更强大的并行计算能力的同时，显著降低了系统的总体能耗。然而，这些异构并行处理硬件也给面向大数据处理的编程模型、开发调试与系统构建带来了新的挑战。本专题汇集了国内活跃在一线的系统研究者的7篇文章，从GPU的并发同步、大规模异构数据并行处理、高性能并行存储、大规模稀疏计算、深度学习内存管理、全场景人工智能和语言虚拟机应用等多个视角出发，探讨大数据异构并行系统中存在的新思路、新机遇与新挑战，希望引起读者兴趣，促进该领域研究和实践的蓬勃发展。

张为华等人撰写的《GPU事务性内存技术研究》介绍并对比了GPU上基于软件和硬件的事务性内存实现方案，总结了这些方案在GPU场景中遇到的问题和解决思路，并对GPU事务性内存的未来发展做了展望。

罗圣美等人撰写的《大规模异构数据并行处理系统的设计、实现与实践》设计了一种大规模异构数据并行处理系统，实现了对多种异构数据的查询和存储，能满足多业务应用开发的需要，并通过实际的商业部署验证了系统的可行性。

何晓斌等人撰写的《面向大数据异构系统的神威并行存储系统》从存储架构、转发策略和高可用措施等方面对“神威·太湖之光”的并行存储系统进行了优化和改造，从而更好地实现