基于CPU-GPU異構(gòu)平臺的性能優(yōu)化及多核并行編程模型的研究.pdf

1、隨著圖形處理器（GPU）的計算能力和可編程性的不斷提高，利用GPU進行通用計算（GPGPU）逐漸成為研究的熱點。通常GPGPU計算采用CPU-GPU的異構(gòu)模式，雖然這種異構(gòu)模式能夠獲得好的性能收益，但其程序開發(fā)和性能優(yōu)化的復雜度要比同構(gòu)系統(tǒng)大的多。
　　 在CPU-GPU異構(gòu)系統(tǒng)上進行計算會遇到很多性能瓶頸，例如：負載均衡、同步與延遲、數(shù)據(jù)局部性、任務(wù)劃分等。這些因素對提高程序的性能至關(guān)重要。此外，盡管CUDA編程模型極大的降低

2、了CPU-GPU異構(gòu)平臺編程的難度，但對于大多數(shù)串行程序開發(fā)者來說，其開發(fā)門檻還是相對較高，而且當?shù)讓拥挠布脚_發(fā)生變化時，軟件開發(fā)者又要學習一種新的編程模型并針對新的硬件平臺重新改寫已有的程序，這無疑加重了程序員的負擔。因此設(shè)計一種使用簡單、平臺無關(guān)的多核并行編程模型具有重要意義。
　　 本文主要進行了以下研究工作：
　　 （1）分析了影響CPU-GPU異構(gòu)平臺上程序性能的關(guān)鍵因素，全面總結(jié)了已有的優(yōu)化方法并設(shè)計了一種

3、使用原子函數(shù)實現(xiàn)不同線程塊之間同步等自己的優(yōu)化方法和優(yōu)化策略。對每一種優(yōu)化方法都進行了實驗驗證和理論分析，其中我們設(shè)計的使用原子函數(shù)實現(xiàn)不同線程塊之間同步的方法比現(xiàn)有的重新啟動內(nèi)核函數(shù)的方法要快4～5倍。
　　 （2）為了進一步驗證各種優(yōu)化方法的效果，也為了完整的介紹在CPU-GPU異構(gòu)上進行程序開發(fā)的流程（算法設(shè)計、編程實現(xiàn)、性能優(yōu)化），我們以解決生物信息學中的DNA或蛋白質(zhì)局部序列比對問題為例，在CPU-GPU異構(gòu)平臺上設(shè)計

4、并實現(xiàn)了基于列并行的Smith-Waterman算法，綜合運用多種優(yōu)化方法進行優(yōu)化后的并行程序獲得了平均37倍的加速比。
　　 （3）在深入分析了OpenMM并行編程框架之后，設(shè)計了一個基于庫的、平臺無關(guān)的多核并行編程模型。為了驗證該模型的可行性和易用性，實現(xiàn)了一個面向科學計算的原型系統(tǒng)，通過設(shè)計合理的API層次結(jié)構(gòu)，對上層用戶屏蔽了底層硬件的具體細節(jié)，用戶只需在編譯時根據(jù)具體的底層硬件平臺選擇相應(yīng)的動態(tài)鏈接庫就可以將原來的串行