OpenHMPP+到CUDA源到源翻譯系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、通用計(jì)算圖形處理器(GPGPU，General Purpose Computation on GPU)具有較強(qiáng)的計(jì)算能力和較大的存儲(chǔ)帶寬，使得它在高性能計(jì)算方面有著CPU無(wú)法替代的優(yōu)勢(shì)。隨著CUDA、OpenCL等異構(gòu)并行計(jì)算架構(gòu)的出現(xiàn)，GPGPU在編程效率方面得到了一定程度的提升，進(jìn)而在通用計(jì)算的大道上邁進(jìn)了大大的一步。盡管如此，編寫(xiě)高性能的GPU程序仍然是一項(xiàng)非常繁瑣的工作，并且對(duì)程序員有很高要求:一方面，程序員需要分析特定應(yīng)用的計(jì)

2、算模式和訪存模式等程序特征;另一方面，程序員需要掌握特定GPU的計(jì)算核心和存儲(chǔ)系統(tǒng)等硬件特征。除此之外，GPU硬件的升級(jí)使得原有的高效的GPU程序變得低效，缺乏有效的兼容性機(jī)制。OpenHMPP+（開(kāi)放的異構(gòu)多核并行編程）是一種基于制導(dǎo)語(yǔ)句的編程模型，它解決了GPU編程的復(fù)雜性，但程序性能無(wú)法得到保證。本文提出了源到源翻譯器框架HMPPCompiler，能夠?qū)в蠴penHMPP+制導(dǎo)語(yǔ)句的C語(yǔ)言自動(dòng)翻譯成優(yōu)化的CUDA代碼，從而大大提

3、高了GPU在通用計(jì)算方面的編程效率。
　　 本文的主要研究成果包括:(1)設(shè)計(jì)了OpenHMPP+到CUDA的源到源翻譯系統(tǒng)。該系統(tǒng)需要集成到Cetus編譯器框架內(nèi)部，借助Cetus的內(nèi)部表示完成源到源的翻譯。該系統(tǒng)的內(nèi)部組件包括HMPP詞法分析器、并行循環(huán)探測(cè)器、CUDA代碼生成器。其中CUDA代碼生成器為核心組件，它包含了Host端CUDA代碼生成和CUDA核心代碼生成兩個(gè)模塊。(2)實(shí)現(xiàn)了OpenHMPP+串行程序到CUD

4、A并行程序的自動(dòng)翻譯。源到源翻譯的核心思想是將串行代碼中的for循環(huán)映射為CUDA線程。在實(shí)現(xiàn)過(guò)程中，提出了最優(yōu)循環(huán)搜索算法，并將算法得出的最優(yōu)循環(huán)映射為CUDA線程，用于獲得更好的性能。(3)對(duì)源到源翻譯系統(tǒng)進(jìn)行了改進(jìn)。在原有設(shè)計(jì)的基礎(chǔ)之上，對(duì)源到源翻譯系統(tǒng)實(shí)施了改進(jìn)，用于生成更加高效的CUDA代碼，這些改進(jìn)策略主要包括存儲(chǔ)分配、并行性挖掘、CUDA配置參數(shù)的選擇。在存儲(chǔ)分配方面，主要考慮了全局存儲(chǔ)器的合并訪問(wèn)，共享存儲(chǔ)器和寄存器的合

5、理使用;在并行性挖掘方面，主要考慮了循環(huán)展開(kāi)、循環(huán)切片、循環(huán)展開(kāi);在CUDA配置參數(shù)選擇方面，提出了最優(yōu)配置參數(shù)的選擇機(jī)制。首先，編譯器通過(guò)參數(shù)搜索空間精簡(jiǎn)算法生成包含候選參數(shù)集的CUDA kernel模板程序;然后，運(yùn)行CUDA kernel模板程序，并選出最優(yōu)的CUDA參數(shù)配置。
　　 本文采用完整的Rodinia基準(zhǔn)測(cè)試程序包對(duì)HMPPCompiler框架進(jìn)行了性能評(píng)測(cè)。通過(guò)實(shí)驗(yàn)分析，HMPPCompiler生成的代碼的性