一种基于OPENACC指令的加速体验.docVIP

一种基于OPENACC指令的加速体验 　　摘要：随着越来越多的公司和企业使用GPU来作为加速计算设备，对并行程序的需求也越来越大，目前我们一般都使用CUDA或OPENCL等底层API进程序开发，但是使用这些底层API来进行开发效率都不高，目前出现OPENACC指令就是针对这个问题提出来的，在该文里，我们针对高斯模糊算法，分别使用CPU，OPENACC，CUDA进行实现，比较他们的效率，发现在虽然OPENACC相对于CUDA性能要低一些，但相对其陡峭的学习曲线和低下的开发效率，OPENACC有着不错的性价比，而且随着编译器和硬件技术的发展，OPENACC有着广阔的发展空间。 　　关键词：　OPENACC；　CUDA　；GPGPU；卷积 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2012）34-8248-03 　　1　简介 　　随着性价比的日益提高，包含加速设备的异构计算系统越来越受到欢迎，但是，由于复杂的代码设计或是只能特定于厂商设备，使得底层的API来进行GPU的软件开发困难重重，所以对于开发大型软件或项目来说，这样一个没有效率和高度依赖设备厂商的开发过程是不可接受的。 　　目前已经出现了一些方法，即采有基于指导的高层API来转移这些底层代码由编译器实现，当然，从一般意义来说，这并没有简化程序的并行化设计，还是要由程序员来负责挖掘代码中的并行功能，但是这大大提高了程序的开发效率和代码的可维护性，而且，将几种指令加速进行标准化将使代码跨设备并行化成为可能，在2011年12月，一群OPENMP的成员同时推出了OPENACC，这些成员包括CAPS，CRAY，NVIDIA，PGI等公司，它将C/C++或FORTAN中的循环部分计算转移到加速设备中，在该文中，我们使用高斯模糊算法来体验OPENACC指令，并把它与CPU，CUDA进行比较分析，并结合代码进行综合分析。 　　2　相关的工作 　　GPU的通用化设计带来了新的编程模式的巨大改变，目前，主要的GPU编程模型为CUDA[13]和OPENCL[10]，二者都是使用GPU核函数来发挥GPU加速器的威力，当然，CUDA只适用于NVIDIA的GPU，而OPENCL则是作为一个标准适用于多个厂商的硬件设备，由于底层代码的重复性和易错性，用这些API进行开发通常效率很低。目前，已经提出了几个基于制导指令的加速计算协议，类似于OPENMP的指令制导模型，OPENACC也是于加速某个代码区域的加速编程模型. 　　The　Portland　Group提供了应用于C和Fortan语言的PGI加速模型，这个模型除了提供基于指令制导的编译器辅助加速之外，还附加一系列的附加功能，而CAPS公司建立的HMPP环境则是用指令产生一系列的代码片段，这些片段可用于许多硬件设备上进行加速。hiCUDA则使用核心指令，数据传输条件和函数调用定义了一个高层的CUDA抽象，除了支持CUDA规范，hiCUDA比OPENACC给了程序员更多的工作和责任，OPENMPC则可以将OPENMP的代码翻译成CUDA代码。 　　3　openacc总述 　　在为不同系统，主机CPU和加速设备提供可移植的同时，用于C/c++和fORTAN的OpenAcc指令把低层GPU编程的工作转移给编译器，但是，到目前为止，已经实现的OPENACC仅仅支持NVIDIA　GPU，在这里，我们对OPENACC作一个简述。 　　OPENACC　API基于一个主机模型，在这个主机模型里，主程序运行在主机里，而且计算紧密区域则会加载到附属的加速设备上去，内存模型则分为主机和设备二层，而且二者之间并不同步。执行和数据管理一般由OPENACC来标定，下面是一些基本指令介绍 　　最重要的指令是parallel和kernels指令，这二个指令描述了同步或异步的执行区域，因为kernels　目前的实现都有些问题，这里我们重点放在parallel指令介绍，parallel包围着的代码区域对应着能以队排运行OPENCL的核函数，为了提高性能，我们还可以使用gangs关键词，对应着worker或vector_length的长度，关键词gang和vector则对应工作组及在工作组里的工作项，在OPENCL里，worker定义了某些工作项的组合，类似于CUDA里warp的概念，在parallel区域里，loop关键词则表明了在加速器里工作项的共享项，编程者也可以插入另外的语句在parallel，kernels或是loop关键词来优化或是数据管理 　　4　openacc实现卷积 　　卷积是在各种实际问题的实践中，例如：统计学中加权的滑动平均；　物理学中任何一个线性系统（符合叠加原理）；声学中回声由源声与各种反射效应表