随着现代计算机的使用和大规模数据的应用，传统的单核芯片已无法满足社会日益增长的高性能计算需求。同时，由于登纳德缩放比例定律的终结以及多核CPU下暗硅效应的影响，多核处理器芯片的发展也受到种种限制。然而，异构系统可以在同一台设备上提供具有不同效率和能耗的硬件计算单元，从而实现系统整体计算能力的提升。这些有利条件促进了硬件加速设备的不断发展，使得具有异构架构的计算平台开始通用化，并逐渐成为计算服务发展的主流。本文通过对异构系统中数据加解密优化方面的工作总结，提出了针对异构平台的高性能计算策略。
　　文中首先根据对硬件加速器和NVM存储设备的分析，给出了硬件加速器的调度延时模型以及NVM作为缓存的异步刷新机制。其次，基于以上两个模型提出了异构系统的三个高性能调度策略，分别为数据聚合策略、软硬结合分配策略和负载均衡分配策略。其中针对硬件加速计算对小数据块没有提升效果的问题，提出了数据聚合策略，通过预设的阈值来识别数据大小以及按照一定的规则进行聚合，以最大化硬件加速设备的计算能力。针对在不同数据特征下软硬件计算性能存在差异的问题，提出了软硬结合的任务分配机制，通过在不同数据、并发条件下选择合适的软硬件计算方式，并充分利用主机的空闲资源，实现了软件和硬件之间的最佳调度。针对在数据不同负载情况下影响异构系统任务执行时间的问题，提出了负载均衡策略，通过构建数据分析模型获得了硬件加速设备的数据负载比值和分配大小，实现了数据的最优化分配与管理。此外，基于对系统资源使用、处理单元故障、能耗约束等方面影响的考虑，本文提出了动态反馈的阈值调整机制，使得方案具有更好的容错率和自适应性。实验部分，本文首先通过测试获得了相关硬件平台和应用的参数，并根据实际测试和模拟测试的方法，验证了设计方案的合理性。最后，本文所提出的数据调度管理策略对基于硬件加速的异构系统具有一定的通用性，这也为以后相关的研究工作提供了参考与借鉴。