1.一种在gpu中并行处理视频压缩的动态任务迁移调度方法，其特征在于：该方法包括下列步骤：
(1)、根据大规模数据并行计算得到的预估模型，按照预估模型的分配方式将需压缩的视频任务分配到系统中的各个gpu设备中，并开始工作；
(2)、每隔一段时间t，服务器的host端记录下各个gpu设备当前的统计信息，服务器的host端根据统计信息来计算出当前系统中每个gpu设备数据处理容量的最优解，并根据最优解来判断是否需要对其中的某些gpu设备中的任务进行动态迁移调度；
(3)、如果需要对gpu设备中的视频任务进行动态迁移调度，那么就以gpu设备中视频的每一帧为处理单元，识别并提取出gpu设备中的每一个work-item的底层硬件的计算状态信息，并将该计算状态信息拷贝回服务器的host端；
(4)、服务器的host端根据每个gpu设备的工作信息进行分析，然后选择出需要调度到的新gpu设备，并将步骤(3)中拷贝的计算状态信息移植到新gpu设备上，进而恢复当前计算任务。
2.根据权利要求1所述的一种在gpu中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(2)中，统计信息的数据结构为{indexi，datai}，表示gpu设备索引为indexi的统计信息数据。
3.根据权利要求1或2所述的一种在gpu中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(2)中，服务器的host端记录下的统计信息具体包括：各个gpu设备的计算单元的利用率c、各个gpu设备的内存使用率m、各个gpu设备的功耗p以及各个gpu设备任务调度时间开销o，所述利用率c，通过固定时间间隔执行shell脚本来获取，所述内存使用率m，可以通过固定时间间隔执行shell脚本来获取，所述功耗p通过固定时间间隔执行shell脚本来获取，所述开销o通过长期测量得出。
4.根据权利要求3所述的一种在gpu中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(2)中，根据最优问题来计算每个gpu设备数据处理容量的最优解，最优问题表示为：
subjecttof1(c)≤b1，b1∈rn，
f2(m)≤b2，b2∈rn，
1tp≤d，d∈r；
该公式包含了四部分：gpu利用率c、内存使用率m、设备的功耗p以及任务调度时间开销o，系统中所有gpu设备的gpu利用率、内存使用率、功耗、开销均为向量，即c,m,p,o∈rn，其中n为系统gpu设备个数，权重为向量wc,wm,wp,wo，即wc,wm,wp,wo∈rn，f1(x)和f2(x)，其中x∈rn，分别是计算gpu利用率和内存使用率的设备下确界权重函数，b1和b2为设备下确界资源向量。
5.根据权利要求4所述的一种在gpu中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(2)中，根据最优解来判断是否需要对其中的某些gpu设备中的任务进行动态迁移调度的具体判断方法为：将计算得到的每个gpu设备数据处理容量的最优解与当前状态下gpu设备的实际工作状态进行比较，如果gpu设备实际的工作状态与其计算得到的最优解一致，就不需要对该gpu设备中的任务进行迁移，如果gpu设备实际的工作状态与其计算得到的最优解不一致，就对该gpu设备种的任务进行迁移。
6.根据权利要求1所述的一种在gpu中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(3)中，每一个work-item的底层硬件的计算状态信息具体包括：全局内存、工作项的栈空间、指针以及程序计数器。
7.根据权利要求6所述的一种在gpu中并行处理视频压缩的动态任务迁移调度方法，其特征在于：步骤(3)中，全局内存的具体提取方法为：当gpu设备收到服务器host端计算状态提取的指令时，通过查询链表中所有的全局内存块的信息，并且找到host端对应的传输目的地址，把每一段内存块拷贝到host端的相应的位置。