高性能低能耗GPGPU計(jì)算技術(shù)研究.pdf

1、高性能計(jì)算是科學(xué)和工程領(lǐng)域的關(guān)鍵基礎(chǔ)技術(shù)，致力于研究和開發(fā)高性能計(jì)算機(jī)相關(guān)的硬件體系結(jié)構(gòu)及軟件技術(shù)。高性能計(jì)算的技術(shù)被廣泛應(yīng)用于各個(gè)領(lǐng)域如云計(jì)算、大數(shù)據(jù)處理及物聯(lián)網(wǎng)等以提高實(shí)驗(yàn)規(guī)模和效率，推動(dòng)各個(gè)領(lǐng)域取得突破性進(jìn)展。世界超級(jí)計(jì)算機(jī)五百強(qiáng)等排名是各國高性能計(jì)算研究實(shí)力乃至于綜合國力的體現(xiàn)。高性能計(jì)算機(jī)系統(tǒng)可根據(jù)硬件分為同構(gòu)系統(tǒng)和異構(gòu)系統(tǒng)，由CPU和GPU（Graphics Processing Unit）等不同種類處理器構(gòu)成的系統(tǒng)為異構(gòu)系

2、統(tǒng)，在性能和能效方面具備優(yōu)勢(shì)?；贑PU和GPU異構(gòu)架構(gòu)的高性能計(jì)算技術(shù)稱為GPU高性能計(jì)算，是當(dāng)前的一個(gè)熱門研究領(lǐng)域。本文以提高GPU高性能計(jì)算的能效和性能，拓展其應(yīng)用為目標(biāo)，從體系結(jié)構(gòu)研究、系統(tǒng)軟件研究和應(yīng)用研究這三個(gè)層次上提出一些軟硬件新技術(shù)。
　　本文的第一部分工作提出高能效的新GPU處理器架構(gòu)。近年來，GPU以其高并行度、高能效和高訪存帶寬的優(yōu)勢(shì)，被廣泛部署在超級(jí)計(jì)算機(jī)、數(shù)據(jù)中心及科研平臺(tái)上用于加速各種科學(xué)計(jì)算。大型計(jì)算

3、機(jī)系統(tǒng)的高能耗一直是研究者們努力解決的問題。GPU處理器中負(fù)責(zé)處理指令的前端部件是處理器中較為耗能的部件之一。我們提出將GPU內(nèi)的多個(gè)流多處理器進(jìn)行劃分，將鄰近的數(shù)個(gè)流多處理器組合起來同步運(yùn)行，通過共享前端而節(jié)能的新GPU處理器架構(gòu)。為了實(shí)現(xiàn)新架構(gòu)的正確高效運(yùn)行，我們研究在合適的時(shí)機(jī)建立前端共享、解除共享及重建共享的機(jī)制，以及支持新處理器架構(gòu)的硬件實(shí)現(xiàn)和提高新處理器架構(gòu)性能的方法。實(shí)驗(yàn)證明，新GPU架構(gòu)可顯著降低GPU前端部分耗能，從而

4、提高整個(gè)處理器的能效。
　　本文的第二部分工作研究提高GPU高性能計(jì)算性能的系統(tǒng)軟件方法和技術(shù)。作為主要的高度并行加速器，GPU被應(yīng)用于加速各種高吞吐率的規(guī)則應(yīng)用并取得了顯著的加速比。然而，數(shù)據(jù)挖掘、物理模擬和優(yōu)化理論等諸多領(lǐng)域的算法需構(gòu)造、遍歷或更新不規(guī)則的數(shù)據(jù)結(jié)構(gòu)如樹、圖和優(yōu)先級(jí)隊(duì)列等，在GPU上運(yùn)行時(shí)表現(xiàn)出不可預(yù)測(cè)的，依賴于輸入的不規(guī)則行為，和GPU的SIMT（單指令流多線程）架構(gòu)不匹配而性能不佳。我們通過研究發(fā)現(xiàn)線程級(jí)的負(fù)

5、載不均衡是導(dǎo)致一些不規(guī)則應(yīng)用在GPU上性能下降的主要問題之一，因此提出任務(wù)池軟件方法用于均衡線程的負(fù)載。任務(wù)池方法是GPU上首個(gè)可在線程層次進(jìn)行負(fù)載均衡的方法。我們實(shí)現(xiàn)一個(gè)開源軟件庫，可用于不規(guī)則應(yīng)用在GPU上運(yùn)行的特征化和負(fù)載均衡。我們運(yùn)用CUIRRE軟件庫特征化和優(yōu)化了數(shù)個(gè)真實(shí)的不規(guī)則應(yīng)用，使它們的性能得到了明顯的提升。
　　本文的第三部分工作探索將GPU運(yùn)用于不規(guī)則大數(shù)據(jù)（Big Data）處理。大數(shù)據(jù)是當(dāng)今的研究熱點(diǎn)之一。

6、Gartner報(bào)告預(yù)計(jì)世界上的數(shù)據(jù)在近5年會(huì)增長8倍，且其中8成的數(shù)據(jù)會(huì)是不規(guī)則的，而許多不規(guī)則大數(shù)據(jù)如社交網(wǎng)絡(luò)數(shù)據(jù)等均以圖的方式存放。如何高效處理大規(guī)模的圖數(shù)據(jù)獲得有用信息是很多領(lǐng)域諸如數(shù)據(jù)分析、網(wǎng)絡(luò)搜索和推薦系統(tǒng)等的迫切需求。我們?cè)O(shè)計(jì)并實(shí)現(xiàn)一個(gè)非分布式的通用圖數(shù)據(jù)處理軟件平臺(tái)，具備有效的圖劃分、存儲(chǔ)和預(yù)加載機(jī)制，可在CPU和GPU異構(gòu)的單臺(tái)PC上高效處理超過內(nèi)存大小的大規(guī)模圖數(shù)據(jù)。通過實(shí)驗(yàn)驗(yàn)證新平臺(tái)具備較優(yōu)的性能和能效。