基于OpenCL的多GPU并行計算的研究與應用.pdf

1、異構計算被視為計算機處理器的發(fā)展繼單核、多核之后的第三個時代，它實現(xiàn)了多種體系架構的處理器間協(xié)同運算，有效緩解在提升CPU時鐘頻率和內核數(shù)量的過程中遇到的散熱和能耗問題，同時增強了計算平臺的可擴展性。
　　異構計算系統(tǒng)通常包含除CPU以外的一個或多個協(xié)處理器，協(xié)處理器一般是包含眾多處理核心的專用功能計算設備，只有通過合適的并行程序才能充分利用其并行計算能力。OpenCL是一個為異構設備編寫程序的標準框架，雖然它的出現(xiàn)增加了程序在各

2、平臺之間的可移植性，但是在多個計算設備協(xié)同計算時，多種計算設備的調用、設備間的負載均衡等問題嚴重制約了它的普及。因此，對異構系統(tǒng)下多設備并行計算的研究具有重要的意義。
　　本文依據OpenCL規(guī)范，利用多線程技術實現(xiàn)了多平臺下多GPU的調用，分析了不同的任務劃分模型對計算性能的影響，優(yōu)化了存儲器間的數(shù)據傳輸。隨后，設計了可利用多個GPU輔助加速的兩個算法來驗證多GPU并行計算研究的可行性，第一個算法為適合較大規(guī)模數(shù)據的內部排序算法

3、，算法中設計了適合設備端的GPU內部排序算法和主機端的基于敗者樹數(shù)據結構的歸并排序算法，與CPU串行排序算法相比，該算法在多GPU的輔助下對較大規(guī)模數(shù)據的排序運算時，性能提升了十倍左右。另一個算法利用多GPU加速柔性作業(yè)車間調度問題的求解，該算法設計了適合GPU架構的數(shù)據結構以及基于島嶼模型的遺傳算法，利用GPU提高了種群內個體的進化以及個體的評估效率。該算法在多GPU的加速下，與基于CPU的遺傳算法求解柔性作業(yè)車間調度問題相比，在處理