公开(公告)号：CN110222410B

公开(公告)日：2020-12-11

申请号：CN201910465286.3

申请日：2019-05-30

Applicant: 北京理工大学

Inventor： 黄天羽 ,  毛续锟 ,  丁刚毅 ,  李鹏

IPC: G06F30/20 ,  G06F9/50

Abstract: 本发明涉及一种基于Hadoop MapReduce的电磁环境仿真方法，包括以下步骤：1)场景预处理；2)以辐射源球心为原点，按照水平方向0到360度，垂直方向0到180度依次取一个水平角度和一个垂直角度来确定一个唯一的射线方向；3)将辐射源产生的初始射线数据作为Hadoop Map处理的输入数据提交；4)Hadoop框架调用用户实现的Map函数对射线数据进行处理；5)对所有中间键值对进行整理，并将到达同一接收机的有效射线分配至相同的Reduce节点，进行多条射线的叠加计算；6)合并多个Reduce节点的输出，以得到所有接收机的结果。本发明提出的一种基于Hadoop MapReduce的电磁环境仿真方法，基于Hadoop MapReduce框架实现了电磁环境仿真的并行计算，有效提高了电磁环境仿真的效率。

公开(公告)号：CN110187970A

公开(公告)日：2019-08-30

申请号：CN201910464142.6

申请日：2019-05-30

Applicant: 北京理工大学

Inventor： 黄天羽 ,  毛续锟 ,  丁刚毅 ,  李鹏

IPC: G06F9/50 ,  G06F16/182 ,  G06F16/2458

Abstract: 本发明涉及一种基于Hadoop MapReduce的分布式大数据并行计算方法，包含Hadoop框架的Map，Shuffle，Reduce步骤，在Hadoop MapReduce框架和用户之间增加一个GPU计算模块，用户将具体的Map函数、Reduce函数提交给GPU计算模块，该GPU计算模块在Map步骤之前，通过Hadoop提供的接口将工作节点分配到的整个数据块作为键值对的“值”来处理；在Map步骤中，该GPU计算模块将用户提交的Map函数封装成新的Map函数提交给Hadoop框架，该新的Map函数从Hadoop框架接收数据块，进一步划分键值对，并将每个键值对分配给不同的GPU线程，由每个GPU线程调用用户提交的Map函数进行并行计算。本发明将GPU作为大规模数据并行计算的分布式工作节点，提高分布式计算的效率，并且易于实现。

公开(公告)号：CN110187969A

公开(公告)日：2019-08-30

申请号：CN201910463951.5

申请日：2019-05-30

Applicant: 北京理工大学

Inventor： 黄天羽 ,  毛续锟 ,  丁刚毅 ,  李鹏

IPC: G06F9/50

Abstract: 本发明涉及一种基于GPU的分布式大数据并行计算方法，包含Map，Group，Reduce步骤，Map步骤对每一个输入的键值对执行用户程序转换成中间键值对，Group步骤对所有中间键值对进行排序和分组，Reduce步骤使用用户程序处理分组后的中间键值对并得到最终计算结果，在Map和Reduce步骤中，每个工作节点对应一个GPU线程，将输入键值对交由不同的GPU线程并行处理。本发明将GPU作为大数据并行计算的分布式工作节点，并在分布式计算过程中对设备内存、线程调度、数据排序进行有效管理和优化，能够有效提高分布式计算的效率。

公开(公告)号：CN110222410A

公开(公告)日：2019-09-10

申请号：CN201910465286.3

申请日：2019-05-30

Applicant: 北京理工大学

Inventor： 黄天羽 ,  毛续锟 ,  丁刚毅 ,  李鹏

IPC: G06F17/50 ,  G06F9/50

Abstract: 本发明涉及一种基于Hadoop MapReduce的电磁环境仿真方法，包括以下步骤：1)场景预处理；2)以辐射源球心为原点，按照水平方向0到360度，垂直方向0到180度依次取一个水平角度和一个垂直角度来确定一个唯一的射线方向；3)将辐射源产生的初始射线数据作为Hadoop Map处理的输入数据提交；4)Hadoop框架调用用户实现的Map函数对射线数据进行处理；5)对所有中间键值对进行整理，并将到达同一接收机的有效射线分配至相同的Reduce节点，进行多条射线的叠加计算；6)合并多个Reduce节点的输出，以得到所有接收机的结果。本发明提出的一种基于Hadoop MapReduce的电磁环境仿真方法，基于Hadoop MapReduce框架实现了电磁环境仿真的并行计算，有效提高了电磁环境仿真的效率。