1. <meter id="iy8hl"></meter>
    2. <menuitem id="iy8hl"></menuitem>
    3. <sup id="iy8hl"><span id="iy8hl"></span></sup>
      1. <menu id="iy8hl"><output id="iy8hl"><track id="iy8hl"></track></output></menu>
          ? 金品KG2210-G4 助力油氣勘探地震成像提升效率-金品計算機

          方案中心

          EQUIPMENT

          186-2294-9858

          GPU應用案例

          首頁 > GPU應用案例 >金品KG2210-G4 助力油氣勘探地震成像提升效率

          金品KG2210-G4 助力油氣勘探地震成像提升效率

          時間:2018-08-20閱讀:5445次作者/來源:管理員

          背景 

           北京某油氣勘探公司是一家致力于開發一流油氣勘探軟件,并集地震資料處理與解釋、方法研究于一體的高科技公司。公司的雄心戰略來自公司的雄厚實力,公司2008年研制成功了基于NVIDIA GPU的《GPU\CPU協同并行計算系統》和《非對稱走時Kirchhoff疊前時間偏移》處理方法。該系統針對油氣勘探的復雜構造成像難度大、疊前偏移運算時間長等問題,具有理論創新、技術先進、方法獨創、節約能源、緊密結合實際生產等特點,在運算效率和處理效果方面具有其它同類軟件無法比擬的優勢。目前,經過大量測試及驗證,得到了業界的一致認可和高度評價。


          挑戰

          在地震勘探資料處理中,根據運算量的大小可以把處理技術分為兩大類:一類是目前CPU計算機可以滿足的普通處理技術,如解編、預處理、反褶積、靜校正、DMO、疊加、疊后偏移等;還有一類則是目前CPU計算機不能完全滿足的需要大量運算的處理技術,如疊前時間偏移、疊前深度偏移、波動方程偏移等。后者往往成為目前地震資料處理過程中的“瓶頸”所在。

              目前,人們往往使用大規模的X86服務器集群(圖1)來進行疊前偏移處理,其原理是將數據先分配到各個CPU核上,然后由各個CPU核單獨進行計算,最后將結果匯總輸出。這種做法消耗了大量的時間、電力和維護費用。而且,隨著人們對石油勘探地震資料處理的周期要求越來越短,精度要求越來越高,PC服務器集群的規模越做越大,在系統構建成本、數據中心機房空間、內存和I/O帶寬、功耗散熱和電力限制、可管理性、編程簡易性、擴展性、管理維護費用等方面都面臨著巨大的挑戰。


          blob.png

          (圖1)X86服務器集群

          方案

             采用金品 KG 2210-G4為計算引擎,塔載自主研發的“非對稱走時Kirchhoff疊前時間偏移軟件“構成“油氣勘探地震偏移GPU/CPU協同并行計算系統“解決了傳統CPU集群計算能力差、功耗高、管理難度大等一系列問題,提升近100倍的計算效率。

              KG 2210-G4 服務器在2U空間內支持2顆Intel Xeon E5-2600V4系列處理器的同時支持4片NVIDIA Tesla P100加速器,實現40TeraFLOPS的浮點運算能力。將GPU和CPU兩種不同架構的處理器結合在一起,組成硬件上的協同并行模式,同時在應用程序編寫上實現GPU和CPU的協同配合的并行計算(CPPC)。協同并行計算(CPPC)機就是由CPU負責執行順序型的代碼,如操作系統、數據庫等應用,而由GPU來負責密集的并行計算。

           

            

          blob.png


          金品 KG 2210-G4 AI Server


              借助Nvidia CUDA開發編程環境的支持,在偏移算法的基礎上,按照GPU原理及協同并行計算(CPPC)的思路,針對偏移算法中不同階段的運算特點,采用不同的軟件編寫策略,在程序的每一個環節最大限度實現不同處理器協同計算。 

          blob.png



          CPU-GPU協同計算


              具體實現上,多個GPU協處理器間均分成像面元。在每個GPU處理器內部,對任務粒度進行進一步細分:每一個Thread Block分配一部分成像面元,每個面元內的輸出地震道由一個warp的32個線程配合完成, 每個線程計算一部分輸出樣點。GPU內部采用這種任務劃分方法,一方面可以產生足夠多的任務,另一方面可有利于全局內存(global memory)合并訪問。通過將輸出地震道載入紋理內存( texture memory)可進一步加速數據訪問性能,這是關鍵的優化策略之一。在實現KPSTM在GPU協處理器的并行算法的過程中,其他的有效優化方法還包括:減少每個線程使用的寄存器數量以提高occupancy,用CUDA流隱藏內存到顯存的數據傳輸延遲等。 


          影響

                基于GPU架構的異構集群,通過對KPSTM的算法進行多層次的系列優化后,Kirchhoff疊前時間偏移成像算法的性能得到了大幅的提升。表1為給出了KPSTM的CPU-GPU協同計算加速效果。在該表中,以CPU 的單個核的計算性能作為基準。從該表中可看成,當采用1個GPU協處理器時,加速比達到了36倍多,效率相當于提升了35倍多。而采用兩塊GPU加速卡時,加速比達到了71倍,計算效率相當于提升了70倍。

           

          blob.png

          表1 CPU-GPU協同計算加速效果


              相對于傳統的服務器集群,相同規模的GPU超級計算機在性價比、占地空間、功耗等方面占據非常明顯的優勢。GPU/CPU協同并行計算(CPPC)機將成為地球物理服務公司的新式武器,不僅可以實現低成本新建或改造大型超級計算中心,而且可以部署到散熱、供電、運維條件有限的特殊應用場合,如野外現場、大處理中心的分站、勘探船,從而可以大大提高地震資料處理的效率,縮短處理周期。

          金品KG 2210-G4規格:


          blob.png  

          詳情咨詢:4008-189-189



          ?
          24小時銷售熱線:186-2294-9858
          地址:天津市武清區下朱莊街道德義道1號
          金品計算機    版權所有   2016   津ICP備 17010215號-1
              
          津公網安備 12011402000382號

          金品服務器提供:服務器報價、超微服務器、GPU服務器、深度學習GPU、服務器廠家、CPU工作站、飛騰服務器、IPFS存儲、邊緣計算服務器

          網上違法和不良信息舉報方式:中央網信辦互聯網違法和不良信息舉報中心(點擊進入),天津市互聯網違法和不良信息舉報中心(點擊進入)(舉報郵箱:tjjubao@tj.gov.cn

          波多野结衣电影区一区二区三区,欧美精品视频在线播放,国产精自产拍久久久久久蜜,久久久综合九色合综