王永勝

摘要：在計(jì)算機(jī)技術(shù)領(lǐng)域中，CPU和GPU兩者是相輔相成的，在CPU和GPU發(fā)展過程中遇到了各種瓶頸，要相對該種瓶頸進(jìn)行解決，就要將兩者相互結(jié)合進(jìn)行實(shí)現(xiàn)，并且關(guān)于CPU和GPU兩者相互結(jié)合的方案一直被相關(guān)人員所重視和研究?；诖耍撐木蛯PU和GPU兩者的聯(lián)合異構(gòu)計(jì)算系統(tǒng)進(jìn)行分析，兩者的結(jié)合能夠有效提高處理器的性能，并且還能夠提高處理器的性價(jià)比，促進(jìn)計(jì)算機(jī)處理器能夠邁向全新的臺階，之后對CPU+GPU異構(gòu)計(jì)算系統(tǒng)在石油勘探中的應(yīng)用進(jìn)行了研究。

關(guān)鍵詞：CPU；GPU；異構(gòu)計(jì)算機(jī)系統(tǒng)；石油勘探

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2017）29-0250-02

在大規(guī)模工程及科學(xué)技術(shù)不斷發(fā)展的過程中，CPU已經(jīng)不能滿足不斷增加的計(jì)算需求，就算是多核CPU也無法滿足。并且因?yàn)镃PU自身體系結(jié)構(gòu)的因素，其計(jì)算數(shù)量不能夠增加，并且大部分的資源被占用，導(dǎo)致CPU實(shí)際可用的計(jì)算單位有限。為了能夠有效滿足計(jì)算需求，大部分公司及研究機(jī)構(gòu)都逐漸應(yīng)用具有較高性能的超級計(jì)算機(jī)和集群系統(tǒng)，但是因?yàn)樵O(shè)備較高，并且維護(hù)成本較高，部分芯片和性能并不能夠滿足CPU。GPU屬于圖形處理器，其和CPU相比，在存儲器帶寬和處理能力方面具有優(yōu)勢。為了有效解決計(jì)算密集型方面的問題，GPU比CPU優(yōu)勢大，但是CPU和GPU硬件結(jié)構(gòu)不同，不能夠只是靠GPU完成計(jì)算，所以可以充分使用GPU和CPU兩者的計(jì)算能力，創(chuàng)建超級計(jì)算機(jī)，有效提高計(jì)算處理性能，降低處理能耗。

1 CPU+GPU異構(gòu)計(jì)算的含義和意義

1.1 CPU+GPU異構(gòu)計(jì)算的含義

CPU+GPU異構(gòu)并行處理的主要任務(wù)就是實(shí)現(xiàn)圖形的實(shí)時(shí)渲染，在任務(wù)處理過程中，CPU的主要目的就是負(fù)責(zé)具有較強(qiáng)邏輯性的事務(wù)計(jì)算，GPU的主要目的就是負(fù)責(zé)具有較高計(jì)算密度的圖形渲染。為了能夠有效滿足事務(wù)計(jì)算的需求，CPU設(shè)計(jì)的主要目的就是通過執(zhí)行單元降低延遲，以此得到指令和數(shù)據(jù)，所以就是使用較為復(fù)雜的分支預(yù)測及控制邏輯和大量的緩存，從而有效提高任務(wù)的處理效率。GPU要在制定過程中實(shí)現(xiàn)較高的存儲器帶寬和較強(qiáng)的計(jì)算能力，所以就要通過較多的執(zhí)行單元對較為簡單的線程進(jìn)行執(zhí)行，在線程等待數(shù)據(jù)的時(shí)候，能夠?qū)α硗庠诰途w中等待計(jì)算線程進(jìn)行切換。簡單來說，CPU對于遲延較為敏感，GPU重視對數(shù)據(jù)吞吐量的提高。從而表示，CPU+GPU 異構(gòu)計(jì)算能夠充分將CPU和GPU兩者的優(yōu)勢發(fā)揮出來，從而能夠最大限度地使用計(jì)算能力，使其能夠在任務(wù)執(zhí)行過程中具有較高的運(yùn)算能力[1]。

1.2 CPU+GPU異構(gòu)計(jì)算的意義

CPU+GPU異構(gòu)設(shè)計(jì)在各大服務(wù)器中被廣泛應(yīng)用，我國品牌服務(wù)器市場最先發(fā)布了桌面超級計(jì)算機(jī)“倚天”，其具有較快的運(yùn)算速度，并且價(jià)格較為便宜，主要是因?yàn)槭褂昧薈PU+GPU異構(gòu)機(jī)構(gòu)。“倚天”中具有異構(gòu)設(shè)計(jì)的高性能，并且還有其他特點(diǎn)，比如數(shù)量較多的峰值運(yùn)算性能，GPU的不斷發(fā)展能夠有效滿足并行數(shù)值計(jì)算的特點(diǎn)，并且其還具有較為強(qiáng)大的并行處理能力和可編程流水線，從而能夠提高在面對單指令多數(shù)據(jù)流中的性能。GPU的并行運(yùn)算能力能夠通過對CPU和GPU兩者的對比看出來，CPU因?yàn)榧軜?gòu)因素，一直都是提高制程工藝及主頻實(shí)現(xiàn)提高計(jì)算能力，但是此種方法會(huì)出現(xiàn)多種問題，GPU的性能缺失不斷提高的[2]。

集群所要面臨的挑戰(zhàn)主要是因?yàn)樾詢r(jià)比，相關(guān)研究表示，高性能集群計(jì)算市場的75%需求，但是以上規(guī)模的集群系統(tǒng)價(jià)格不同。本文所說的“倚天”計(jì)算峰值雖然每秒四萬一次，但是成本卻只有其他計(jì)算系統(tǒng)的五分之一。此種性價(jià)比優(yōu)勢，使CPU+GPU異構(gòu)計(jì)算機(jī)系統(tǒng)在使用過程中降低了使用成本。主要包括以下內(nèi)容：機(jī)房面積較小，耗電較少，噪音較低。從此方面分析，滿足今后綠色I(xiàn)T的發(fā)展趨勢。最后，其還能夠?yàn)橛脩羰褂眠^程中提供靈活性，因?yàn)轶w積和普通計(jì)算機(jī)相同，價(jià)格便宜實(shí)惠，導(dǎo)致用戶能夠更加方便的對其進(jìn)行部署，所以有效解決了傳統(tǒng)用戶在使用過程中單一并且排隊(duì)的問題，有效提高了用戶在使用過程中的效率[3]。

2 CPU+GPU異構(gòu)的計(jì)算模型

本文提出的CPU+GPU異構(gòu)平臺計(jì)算模型是面向開發(fā)者及面向用戶構(gòu)成的，其主要包括應(yīng)用層、平臺層及硬件層，詳見圖1：

系統(tǒng)模型之所以面向程序開發(fā)人員，其將硬件設(shè)備層作為基礎(chǔ)，對平臺層任務(wù)數(shù)據(jù)的劃分方式進(jìn)行了分析，并且談?wù)摿硕嘧尤蝿?wù)中數(shù)據(jù)的調(diào)度策略和處理過程中的方式，接口模型主要是面向具有并行加速的程序調(diào)用方，其將硬件設(shè)備層和平臺作為基礎(chǔ)，對用戶接口設(shè)計(jì)的思想及實(shí)現(xiàn)進(jìn)行了分析。系統(tǒng)模型將CPU+GPU的傳統(tǒng)計(jì)算模型中的部分特點(diǎn)進(jìn)行了保存，通過CPU負(fù)責(zé)部分串行程序處理、多任務(wù)調(diào)度和邏輯控制，在處理任務(wù)過程中，系統(tǒng)模型能夠使部分任務(wù)通過CPU+GPU兩者并行完成，有效創(chuàng)新了傳統(tǒng)模型中單獨(dú)使用GPU或者CPU實(shí)現(xiàn)任務(wù)處理，從而能夠充分使用已經(jīng)具有的計(jì)算資源，以多任務(wù)環(huán)境為基礎(chǔ)實(shí)現(xiàn)數(shù)據(jù)調(diào)度，設(shè)計(jì)全新的數(shù)據(jù)調(diào)度分配架構(gòu)，對執(zhí)行代價(jià)計(jì)算調(diào)度進(jìn)行合理定義，根據(jù)不同的任務(wù)屬性提出了不同的數(shù)據(jù)調(diào)度策略和機(jī)制，從而實(shí)現(xiàn)任務(wù)在CPU和GPU端的動(dòng)態(tài)劃分，以此解決在數(shù)據(jù)處理過程中兩者的空閑等待問題，并且還對大型任務(wù)的大規(guī)模數(shù)據(jù)及劃分進(jìn)行描述，有效解決了現(xiàn)有資源中大規(guī)模數(shù)據(jù)處理的問題[4]。

2.1 任務(wù)數(shù)據(jù)的劃分

任務(wù)數(shù)據(jù)劃分的方法能夠支持不同規(guī)模的典型應(yīng)用，通過需要處理的方法對功能分解成為多個(gè)子功能，組合順序和算法具有密切的關(guān)系，本文定義了可回寫性及可拆性?？苫貙懶詫ψ尤蝿?wù)在處理之后的數(shù)據(jù)是否能夠?qū)懟氐教幚碇暗脑紨?shù)據(jù)塊進(jìn)行描述，對結(jié)果的正確性不會(huì)影響?？刹鹦詫θ蝿?wù)數(shù)據(jù)是否能夠在不同存儲空間存放，并且同時(shí)運(yùn)行進(jìn)行描述。

在任務(wù)中的數(shù)據(jù)處理相互獨(dú)立，數(shù)據(jù)沒有耦合關(guān)系，任務(wù)能夠拆分到GPU和CPU兩端進(jìn)行處理，在處理過程中兩者不會(huì)彼此影響，此種任務(wù)為可拆任務(wù)。如果任務(wù)之間具有耦合關(guān)系，并且數(shù)據(jù)不能夠拆分，如果將此任務(wù)拆分成為不能夠執(zhí)行，那么此任務(wù)就是不可拆任務(wù)。對不同子任務(wù)的處理數(shù)量進(jìn)行確定，假如通過應(yīng)用算法能夠?qū)⑷蝿?wù)進(jìn)行分解，那么在這些任務(wù)處理過程中，不僅要對數(shù)據(jù)的通信及處理開銷進(jìn)行處理，還要對不同子任務(wù)添加的系統(tǒng)開銷進(jìn)行處理，比如內(nèi)核函數(shù)、線程的創(chuàng)建等。所以就要提高子任務(wù)的規(guī)模和能夠處理的數(shù)據(jù)量，從而降低系統(tǒng)的額外開銷，以此有效提高整體的執(zhí)行效率[5-6]。endprint

2.2 任務(wù)評價(jià)

為了能夠有效解決數(shù)據(jù)在多任務(wù)背景下CPU及GPU的調(diào)度分配問題，所以就對任務(wù)評價(jià)模塊進(jìn)行劃分，其提出了任務(wù)評價(jià)機(jī)制，通過對任務(wù)屬性進(jìn)行分析，并且對任務(wù)執(zhí)行代價(jià)進(jìn)行預(yù)測，從而能夠?yàn)閿?shù)據(jù)的調(diào)度處理提供有效的數(shù)據(jù)分配及調(diào)度策略?；诙嗳蝿?wù)背景，其對獨(dú)立任務(wù)處理開銷及任務(wù)之間的通信開銷等進(jìn)行了全面的考慮，從而使整體執(zhí)行效率有進(jìn)一步的提高。

任務(wù)評價(jià)模塊中要通過對自任務(wù)屬性進(jìn)行分析，比如依賴性及可拆性，模塊主要對使用哪種方式對優(yōu)秀執(zhí)行者進(jìn)行任務(wù)調(diào)度，CPU、GPU兩者可以成為任務(wù)執(zhí)行者，因?yàn)镚PU計(jì)算能力及CPU要高，任務(wù)執(zhí)行要通過GPU實(shí)現(xiàn)，但是如果任務(wù)計(jì)算量較小，其數(shù)據(jù)通信量就較大，GPU計(jì)算能力不能夠解決數(shù)據(jù)通信的性能消耗，所以這個(gè)時(shí)候就要通過CPU執(zhí)行，不需要GPU的參與[7-8]。

3 CPU+GPU異構(gòu)計(jì)算系統(tǒng)的應(yīng)用

石油勘查能力和計(jì)算方式具有密切的關(guān)系，目前在油氣勘探過程中最精準(zhǔn)的方式就是地震波法，其是利用人工地震波收集地下深處不同巖層的反射波，之后將反射波轉(zhuǎn)變成為數(shù)據(jù)，并且利用計(jì)算處理模式對勘探區(qū)域的地質(zhì)構(gòu)造進(jìn)行模擬，使用此種方式能夠精確地找到石油就天然氣的儲藏位置。因?yàn)榈卣鸩ǚㄊ占降臄?shù)據(jù)都是通過TB計(jì)算，在海洋勘探時(shí)候的數(shù)據(jù)容量就超過PB容量，所以就要通過具有較高性能的計(jì)算機(jī)對大量的數(shù)據(jù)在短時(shí)間內(nèi)進(jìn)行處理，從而提高勘探的效率[9]。

從軟件方法分析，并行編程及算法的研究也是石油行業(yè)將來發(fā)展的方向。在多向量處理并行計(jì)算機(jī)出現(xiàn)之后，不僅要對任務(wù)級大粒度并行進(jìn)行全面的考慮，還要對出處理機(jī)中細(xì)粒度并行算法進(jìn)行全面的考慮。在現(xiàn)社會(huì)中，處理器和納米技術(shù)在不斷的發(fā)展，單位面積方面的晶體管已經(jīng)基本飽和，處理器的提高速度也在不斷的降低，基于AMD的PUU發(fā)展方向?yàn)槎嗪硕嗑€程，但是因?yàn)榫哂泄潭ǖ脑O(shè)計(jì)傳承，促進(jìn)高性能計(jì)算已經(jīng)無法滿足石油行業(yè)大規(guī)模計(jì)算的需求。之后，多核心少緩存向量處理器被研發(fā)，比如GPU，其能夠提高晶體管計(jì)算效率，將其和CPU相互結(jié)合，是最為成功的同一設(shè)備架構(gòu)。

從硬件發(fā)展方面分析，應(yīng)用到石油行業(yè)中會(huì)在短時(shí)間內(nèi)將計(jì)算的性能體現(xiàn)處理，比如處理器更新、體系結(jié)構(gòu)、網(wǎng)絡(luò)環(huán)境等發(fā)展。在處理器不斷更新的過程中，石油勘探中的技術(shù)都不斷升級，將傳統(tǒng)計(jì)算機(jī)無法承載的方式都推廣到實(shí)際生產(chǎn)中，比如全波形反演及逆時(shí)偏移。并且，高性能計(jì)算機(jī)的體系結(jié)構(gòu)也在發(fā)生著變化，全新的向量處理器和中央處理器能夠共同實(shí)現(xiàn)并行計(jì)算，比如CPU+GPU體系機(jī)構(gòu)的MIC處理器。和傳統(tǒng)PC集群體系結(jié)構(gòu)進(jìn)行對比，全新的體系結(jié)構(gòu)具有較高的計(jì)算效率，較少的資源消耗及較少的占地空間，在石油勘探中，部分計(jì)算密集型的方式都是通過和此種結(jié)構(gòu)相互結(jié)合在工業(yè)化產(chǎn)業(yè)中使用的。在石油行業(yè)不斷發(fā)展過程中，其和網(wǎng)絡(luò)技術(shù)及并行文件系統(tǒng)的發(fā)展具有密切的聯(lián)系，并且在高性能計(jì)算機(jī)不斷發(fā)展的過程中，其能夠有效解決計(jì)算效率中的瓶頸問題及處理器速度進(jìn)一步提高的問題[10]。

4 結(jié)束語

CPU+GPU異構(gòu)計(jì)算系統(tǒng)的高性能計(jì)算機(jī)在處理器自身不斷發(fā)展過程中發(fā)展的時(shí)代已經(jīng)過去，處理器由單核心處理能力朝著多核心方向發(fā)展，系統(tǒng)架構(gòu)朝著多核心異構(gòu)方向發(fā)展已經(jīng)在工業(yè)工作中融入。相信，以云計(jì)算為基礎(chǔ)的服務(wù)、系統(tǒng)及資源調(diào)度等能夠?yàn)槭涂辈槭聵I(yè)提供資源使用能力，為石油勘查的高性能計(jì)算提供基礎(chǔ)。

參考文獻(xiàn)：

[1] 陽王東， 李肯立. 基于HYB格式稀疏矩陣與向量乘在CPU+GPU異構(gòu)系統(tǒng)中的實(shí)現(xiàn)與優(yōu)化[J]. 計(jì)算機(jī)工程與科學(xué)， 2016， 38（2）：202-209.

[2] 石林. 關(guān)于CPU+GPU異構(gòu)計(jì)算模式程序開發(fā)中編程方法研究[J]. 科學(xué)大眾：科學(xué)教育， 2014（10）：149-149.

[3] 李敏. 高性能并行計(jì)算機(jī)的發(fā)展及其在石油勘探中的應(yīng)用[J]. 科技導(dǎo)報(bào)， 2014， 32（2）：80-83.

[4] 陽王東， 李肯立. 準(zhǔn)對角矩陣與向量相乘在CPU+GPU異構(gòu)集群上的實(shí)現(xiàn)與優(yōu)化[J]. 小型微型計(jì)算機(jī)系統(tǒng)， 2015， 36（7）：1659-1664.

[5] 成思遠(yuǎn). 異構(gòu)（CPU-GPU）計(jì)算機(jī)系統(tǒng)性能評測與優(yōu)化技術(shù)研究[D]. 長沙： 國防科學(xué)技術(shù)大學(xué)， 2011.

[6] 馮穎， 袁慶華， 沈健煒. 基于CPU+GPU異構(gòu)計(jì)算的編程方法研究[J]. 通信技術(shù)， 2011， 44（2）：141-143.

[7] 蔡鎮(zhèn)河， 張旭， 欒江霞. CPU+GPU異構(gòu)模式下并行計(jì)算效率研究[J]. 計(jì)算機(jī)與現(xiàn)代化， 2012（5）：185-188.

[8] 肖漢. 基于CPU+GPU的影像匹配高效能異構(gòu)并行計(jì)算研究[D]. 武漢： 武漢大學(xué)， 2011.

[9] 孟晨， 曹宗雁， 王龍，等. 基于Charm++運(yùn)行時(shí)環(huán)境的異構(gòu)計(jì)算應(yīng)用容錯(cuò)研究[J]. 計(jì)算機(jī)工程與應(yīng)用， 2016， 52（13）：1-7.

[10] 甘新標(biāo). 面向眾核GPU的編程模型及編譯優(yōu)化關(guān)鍵技術(shù)研究[D]. 長沙： 國防科學(xué)技術(shù)大學(xué)， 2012.endprint