[发明专利]一种基于云平台中FPGA异构加速基因计算方法

说明书

技术领域

本发明涉及生物信息计算领域，尤其涉及一种基于云平台中FPGA异构加速基因计算方法。

背景技术

在异构计算系统上进行的并行计算通常称为异构计算。异构计算的应用范围很广，几乎所有涉及巨大挑战性问题的求解都可用异构计算进行经济有效的求解。典型的应用包括图像理解、质点示踪、声束形成、气候建模、湍流对流混合模拟以及多媒体查询等。这些应用中通常都含有多种不同的计算类型的需求，因此很适合于用异构计算来进行求解。

生物信息的快速增长与数据产出成本的不断下降，必然带来更多的数据处理需求。精准医疗、人工智能、基因测序，包括产前筛查、新生儿、遗传病，以及癌症相关的诊断和用药指导，这些前沿产业的背后都需要数据处理能力的支撑。

生物数据分析流程比较复杂，涉及不同的语言和工具，数据量和计算量都很大，因此针对基因计算的异构计算将会成为基因计算发展的新方向。

中国专利申请CN106020425A公开了一种FPGA异构加速计算系统，该系统包括CPU及与所述CPU连接的FPGA异构加速卡；所述CPU，用于发送源操作数及控制信息至所述FPGA异构加速卡，以及用于读取所述FPGA异构加速卡加速计算后得到的结果数据；所述FPGA异构加速卡，用于利用所述控制信息对所述源操作数进行相应的加速计算，得到所述结果数据。实现了CPU+FPGA的异构加速计算方案，即，由CPU将控制信息及源操作数发送至FPGA异构加速卡，由FPGA异构加速卡实现对源操作数的计算，并得到结果数据，降低系统功耗，提高系统能效。但是单纯将FPGA异构加速计算系统应用于基因计算，无法满足应用程序特征多样性的需求。单纯基于FPGA异构加速系统，普遍采用主控处理器和FPGA功能固定的计算，特别是FPGA里的硬件加速程序，因此任务分配极不灵活，不能随着基因计算程序的不同自动进行软件和硬件划分，对于计算效率大打折扣。

发明内容

本发明的目的是提供一种适应生物信息学的特点、计算效率高的一种基于云平台中FPGA异构加速基因计算方法。

本发明为了实现上述目的采用以下技术方案：

一种基于云平台中FPGA异构加速基因计算方法，包括以下步骤：

步骤S1，算法分析，将基因计算区分为用计算机处理器计算慢部分和计算机处理器计算快部分。

步骤S2，根据步骤S1中算法分析结果，计算机处理器计算慢部分采用硬件加速，计算机处理器计算快部分采用软件加速，进行软硬件界面划分。

步骤S3，根据步骤S2中分工，软件加速部分通过云平台实现，硬件加速部分下载到云平台提供的FPGA来实现。

步骤S4，综合异构加速结果。

所述步骤S2中软件加速部分编写C语言软件，硬件加速部分编写Verilog语言硬件程序。

所述步骤S3中，将软件加速部分和硬件加速部分分别优化编译成软件可执行程序和硬件FPGA可下载比特流文件，分别上传云平台的主控制器和FPGA加速单元中进行运算。

所述步骤S3中，云服务器和云端提供的FPGA之间使用CAPI接口进行两边的通信。

所述步骤S4中，在 本地客户端查看运算结果等返回值。

本发明的有益效果是本发明通过公共云平台进行基因大数据的采集，并用更高效的接口来提高云服务器与FPGA之间的数据传输，多个FPGA之间可以采用分步式计算进行进一步加速。通用计算平台和FPGA共同使用的异构计算，相比以往的单一处理单元，FPGA能够通过改变硬件连接关系来达到硬件结构与计算的最优结合，速度更快；相比只使用FPGA的计算而言，异构计算使两种结构的处理单元都能发挥各自的长处，比单一种类处理单元效果更好，在通信接口方面进行加强后增加一次传输的数据量，减少传输次数，更能提高整体的加速效果。

附图说明

图1为本发明的总体流程图。

图2为基因的双序列比对算法Smith-Waterman的实现流程图。

具体实施方式

如图1所示，本发明一种基于云平台中FPGA异构加速基因计算方法，主要包括以下步骤：

步骤S1，算法分析，将基因计算区分为用计算机处理器计算慢部分和计算机处理器计算快部分。

步骤S2，根据步骤S1中算法分析结果，计算机处理器计算慢的部分采用硬件加速，计算机处理器计算快的部分采用软件加速。

步骤S3，根据步骤S2中分工，软件加速部分通过云平台实现，硬件加速部分下载到云平台提供的FPGA来实现。