本文设计并实现了一个面向异构计算的大数据智能分析平台,该平台调度CPU和GPU两种计算资源,提供大数据和深度学习的一站式分析服务。平台使用了分布式计算引擎、分布式文件系统、分布式资源调度器、虚拟化容器等基础技术,核心是本文自研的DeepMaster调度模块,该模块支持多框架的单卡训练和TensorFlow分布式训练,能够有效管理训练任务、减轻用户负担。通过对任务流建模,本文从理论上论证了平台统一调度能带来更高的资源利用率,并且设计实验证实了这一结论。经过实验验证,异构计算平台在单卡训练和分布式训练两种场景下都没有引入额外的性能开销。本文为异构计算平台开发了友好的任务提交接口,无论是单卡训练任务还是分布式训练任务,都能直接迁移到异构计算平台上运行,迁移成本仅取决于用户使用的框架本身的单卡训练和分布式训练接口的异同。异构平台同时具备实时流式的日志查看接口,以及指标齐全的图形化资源监控接口。本文还为异构计算平台设计了兼顾性能和虚拟化的云迁移方案以及基于云计算的快速编排与动态缩扩容方案。考虑异构计算平台在实际使用中专用算力紧张而通用算力闲置的情况,本文将Analytics-Zoo框架集成到异构计算平台上作为备用分析流水线。通过该框架与tensorflow.keras在使用和性能上的比较,可知它具有易于使用的API并且充分发挥了 CPU的计算能力,具有很强的实用意义。