基于加权矩阵的时间序列数据细粒度并行分解方法

摘要

时间序列数据规模庞大且结构复杂，导致在数据处理过程中难以全面而准确地捕捉并保留关键信息，不仅影响了数据分析的准确性和时效性，还限制了大数据环境下时间序列数据的有效利用。为此，提出基于加权矩阵的时间序列数据细粒度并行分解方法。利用基于加权矩阵方法实施时间序列数据降维处理，以降低数据维度并保留关键信息。设计快速Givens旋转算法的处理单元FGR-PE，其主要由现场可编程门阵列（FPGA）芯片、高速串行接口、局部存储器和供电单元构成。基于FGR-PE与单程序多数据流设计细粒度并行分解方法，实现时间序列数据细粒度并行分解。测试结果表明，本文方法在较大数据量下一直保持着低于50 W的分解功耗，在处理不同规模的数据时，其加速比均表现出色，负载均衡指数一直高于0.8，在数据量达到140 GB左右后其负载均衡指数才开始下降。

关键词

加权矩阵 / 时间序列数据 / 细粒度 / 并行分解 / 快速Givens旋转算法