用于通用计算的GPU编程模型复杂且难以维护。 本文设计并实现了一个名为MRCUDA的MapReduce加速框架。 MRCUDA中有四个松散耦合的阶段，包括预处理，映射，分组和精简，它们可以支持针对不同应用程序的灵活配置。 为了充分利用GPU并行性，在Group阶段设计并实现了一种双音排序算法，其性能优于一般的GPU排序算法。 最后，通过五种典型的应用测试，证明了MRCUDA计算平台可以减少代码规模，达到理想的运行加速比。