外存模型简化中数据读取及内存分配的优化

来源 :中国科学院软件研究所 | 被引量 : 0次 | 上传用户:itolbaxk
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
外存模型的简化在很多实际应用中有着非常重要的意义,因此外存模型的简化算法是当前计算机图形学的一个研究热点。本文针对外存模型简化算法的优化进行了如下研究工作: 第二章就外存模型的简化算法给出了一个综述。文中根据现有的外存模型简化算法的基本实现方法对其进行分类,对于每一类算法,描述了它们的基本思想,并且根据算法之间的差别再次精细分类,同时介绍了一些代表性的算法,分析了算法间的优缺点和适用性。 目前的外存模型简化方法虽然已经很好地提高了简化效率,但它们在数据读入和内存空间的分配上的处理却很简单。因此,高效的数据读入和内存分配的方法,对于提高外存模型的简化效率是很重要的。由于外存模型的数据量极大,其简化计算只能采用分批读入模型数据并局部处理的方式。为此,第三章提出动态优化方法,在对先处理的一小部分数据进行简化操作的同时,检测数据读取块大小和内存分配模式对简化操作的影响,由此可使不同配置的计算机在处理不同的外存模型时能自适应地得到相应的优化数据读取块大小和内存分配模式,加速后续大量数据的简化操作。实验表明,本文提出的方法能有效地提高外存模型简化的效率。
其他文献
Deep Web的流行使得集成deep Web中隐藏的海量信息成为数据集成领域的研究热点。而集成deep Web中隐藏的海量信息,首先要对deep Web的查询接口进行匹配。因此,作为deep Web数
随着分布式软件系统的规模越来越大,功能越来越复杂,传统的动态调控已经不能满足现代分布式软件系统的需求。传统动态调控主要针对传统集中式软件或小型分布式软件,其调控手
对等网络作为一种新兴的网络计算模式,在工业界和学术界都受到了广泛的关注,并成为计算机领域研究的一个热点。与传统的C/S网络模式不同,对等模式不需要依靠中央服务器的支持