用户空间中的层次存储管理用于神经成像应用程序.
Valérie Hayot-Sasson1, Tristan Glatard2
1Department of Computer Science and Software Engineering, Concordia University, Montréal, Québec, Canada.
Neuroinformatics
|December 23, 2025
概括
海,一个新的图书馆,通过拦截读/写电话,优化神经成像数据传输. 它显著加快了数据密集型处理,特别是当共享文件系统缓慢时,在系统没有超载时不会影响性能.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
背景情况:
- 开放数据倡议增加了神经成像数据集的可用性.
- 处理大型数据集将数据传输的瓶转移,挑战现有工具.
- 重写应用程序是适应神经成像工具用于数据密集型处理的障碍.
研究的目的:
- 开发一个图书馆,海,用于在标准化神经成像工具中高效的数据管理.
- 为了最大限度地减少大规模神经成像数据集的数据传输时间.
- 评估Sea在高性能计算集群上的性能.
主要方法:
- 开发了Sea,一个用于拦截和重定向应用程序读/写电话的库.
- 在三个神经成像预处理管道上测试了Sea.
- 在两个HPC集群中对三个不同的神经成像数据集进行了性能评估.
主要成果:
- 海洋在恶化的共享文件系统上实现了高达32倍的加速度.
- 当共享文件系统没有过度负担时,性能仍然不受影响.
- 在最佳条件下,海上表现出最小的空头.
结论:
- 海洋有效地减轻了数据密集型神经成像分析中的数据传输成本.
- 该图书馆可以在不需要完全重写的情况下调整现有工具.
- 在特定的,共同的,高负载条件下,海洋提供了显著的性能收益.


