面向CPU+MIC混合异构平台的地震波叠前时间偏移算法并行与优化策略

J4 ›› 2015, Vol. 37 ›› Issue (1): 14-22.

面向CPU+MIC混合异构平台的地震波叠前时间偏移算法并行与优化策略

熊敏，王勇献

（国防科学技术大学计算机学院，湖南长沙 410073）

收稿日期:2014-09-10 修回日期:2014-11-12 出版日期:2015-01-25 发布日期:2015-01-25
基金资助:
空气动力学国家重点实验室开放课题资助项目（SKLA201401）；国家自然科学基金资助项目（61379056, 11272352）

Parallel optimization of the seismic wave PKTM algorithm
on CPU+MIC heterogeneous platform

XIONG Min，WANG Yongxian

（College of Computer,National University of Defense Technology,Changsha 410073,China）

Received:2014-09-10 Revised:2014-11-12 Online:2015-01-25 Published:2015-01-25

摘要/Abstract

摘要：

地震波的叠前时间偏移算法是构造复杂岩层成像最有效的方法之一。地震勘探进入海量数据时代，且叠前偏移算法是数据处理中最费时的环节，对叠前偏移算法做并行计算优化有着重要的研究意义。近年来，高性能并行计算开始进入异构、众核时代，以Intel新一代至强融核MIC(Xeon Phi)为例，新型众核处理器具有成本低、性能高等特点。从最经典的Kirchhoff叠前时间偏移 (PKTM) 算法出发，基于CPU+MIC异构平台，采用offload编程模式实现对PKTM算法的并行移植与性能优化，对于6 000万规模(8 000×8 000)的应用问题，总的并行模拟时间从357.52 s减少到1.66 s，性能提升了214.37倍。

关键词: 协同并行, Intel至强融核, 异构并行, Kirchhoff叠前时间偏移, 性能优化

Abstract:

An efficient technique which is now being implemented in photographing images of complicated rock stratum is the seismic wave PKTM algorithm. With the earthquake prediction coming into massive data generation, it is of essential importance to optimize this algorithm by parallel computation. In recent years, high performance parallel computation is characterized by heterogeneous and many cores systems.A typical example of this kind of processors, featured with low cost and high performance is Xeon Phi, being known as MIC. On the basis of the classic PKTM algorithm, we parallelize and optimize the PKTM algorithm in the offload programming model, based on CPU+MIC heterogeneous platform. For applications with the scale of 64 000 000(8 000×8 000),the total parallel simulation time is reduced from 357.52 seconds to 1.66 seconds, achieving 214.37x performance improvement.

Key words: collaborative parallel;Intel Xeon Phi;heterogeneous parallel;Kirchhoff Time Migration；performance optimization

熊敏，王勇献. 面向CPU+MIC混合异构平台的地震波叠前时间偏移算法并行与优化策略[J]. J4, 2015, 37(1): 14-22.

XIONG Min，WANG Yongxian. Parallel optimization of the seismic wave PKTM algorithm
on CPU+MIC heterogeneous platform [J]. J4, 2015, 37(1): 14-22.

[1]	陈文锦. QTorch:基于独立的量子程序设计语言的量子-经典混合机器学习框架[J]. 计算机工程与科学, 2025, 47(3): 412-421.
[2]	施禹, 董攀, 张利军. 一种不规则稀疏矩阵的SpMV方法[J]. 计算机工程与科学, 2024, 46(7): 1175-1184.
[3]	李飞, 郭绍忠, 周蓓, 宋广辉, 郝江伟, 许瑾晨. RISC-V基础数学库性能优化[J]. 计算机工程与科学, 2023, 45(9): 1532-1543.
[4]	康宇晗, 时洋, 陈照云, 文梅. 面向迈创+MatrixZone异构系统的深度学习编程框架[J]. 计算机工程与科学, 2023, 45(7): 1149-1158.
[5]	沈佳杰, 卢修文, 向望, 赵泽宇, 王新, . 分布式存储系统读写一致性算法性能优化研究综述[J]. 计算机工程与科学, 2022, 44(4): 571-583.
[6]	莫舒恒, 卢圣有, 黄聃, 卢宇彤. 基于即时编译的GNU Octave性能优化[J]. 计算机工程与科学, 2022, 44(12): 2091-2101.
[7]	周静, 关玉蓉. 基于SDN的DWSN技术分析及性能优化研究[J]. 计算机工程与科学, 2021, 43(8): 1413-1421.
[8]	朱良杰, 沈佳杰, 周扬帆, 王新, . 云际存储系统性能优化研究现状与展望[J]. 计算机工程与科学, 2021, 43(5): 761-772.
[9]	徐海坤, 匡邓晖, 刘杰, 龚春叶, . 基于RMC的蒙特卡罗程序性能优化[J]. 计算机工程与科学, 2021, 43(4): 634-640.
[10]	张驭洲, 曹武迪, 卜景德, 谭光明, 吉青. GROMACS 2020在ROCm平台上的移植与优化[J]. 计算机工程与科学, 2021, 43(11): 1901-1909.
[11]	陈元科, 张冬梅, 崔书岳, 张宇洋. 多重介质油藏数值模拟异构并行算法研究[J]. 计算机工程与科学, 2020, 42(10高性能专刊): 1880-1886.
[12]	王武1，王舒扬1,2，姜金荣1,孟虹松3. 快速多极子方法在申威众核处理器上的实现和优化[J]. 计算机工程与科学, 2019, 41(7): 1161-1167.
[13]	曹立强,罗红兵. 并行科学计算应用中采样数据的聚集I/O[J]. 计算机工程与科学, 2018, 40(9): 1534-1539.
[14]	廖旺坚1,2,黄永峰1,2,包从开1,2. Spark并行计算框架的内存优化[J]. 计算机工程与科学, 2018, 40(4): 587-593.
[15]	朱敏,唐波,赵娟,邹丹,李金才. 布尔矩阵乘的分布式异构并行优化[J]. 计算机工程与科学, 2017, 39(4): 634-640.