随着分布式架构和并行计算技术的逐渐成熟，利用其处理海量数据成为业界的研究热点。渲染因其海量数据和较长的渲染时间消耗成为分布式架构和并行计算技术的应用重点，云端加终端的分布渲染模式成为应用趋势，然而伴随着这两项技术的复杂以及具体应用的范围增长，构建具有实时交互能力、高资源利用率和低时延的分布式并行渲染平台面临着技术性挑战。本文围绕分布式架构、并行计算技术和GPU渲染这一具体应用展开以下研究：1.研究了目前渲染平台的现状和需求，分析其原有渲染模式的硬件架构、运行方式和原理，在此基础之上对分布式并行渲染平台进行深入研究。主要是分析平台整体架构，包括平台的体系结构、通信模型以及平台特点等。2.研究平台的相关技术，包括平台的计算结构类型、并行计算类型、访存类型并在此基础上引申出CUDA（Compute Unified DeviceArchitecture，通用并行计算架构）并行架构，对于CUDA主要研究其卓越计算能力的原理、编程模型、数据与指令加载和存储模型。3.研究渲染的基本知识，包括渲染的基本过程、场景表示的方式和基本的三维变换模型，在此基础上围绕JPEG格式对终端渲染进行理论研究。4.针对渲染平台的高时延进行研究，首先分析现有渲染平台网络架构，研究其高时延的原因，在此基础上引申出Infiniband解决方案；接着研究Infiniband的系统架构、和地址解析原理；最后进一步研究Infiniband的I/O架构并与传统的服务器I/O架构进行比较从而分析Infiniband优势的主要原因，在此基础上进一步分析其RDMA（RemoteDirect Memory Access，远程直接数据存取）技术和内核旁路模型。5.针对渲染现状对其算法进行改进，研究基于渲染的通用模型并分析渲染在上述情况下的不足，在此基础上尝试构建一种GPU渲染模型，改进的渲染模型通过采用并行计算的方式充分发挥GPU架构中各种内存的功能，从而达到节约带宽和减少额外的内存流量，最终实现加速渲染的效果。6.详细设计分布式并行渲染平台的实现流程，包括需求分析、设计目标、平台架构、资源调度、任务分解和编码等。最后给出平台整体设计流程和终端二次渲染算法设计思想。最后通过实验分析其实时交互能力、资源利用率和时延性，验证了基于并行的分布式处理对于原有渲染方式的改进。