王永勝

摘要：在計算機技術領域中，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，要相對該種瓶頸進行解決，就要將兩者相互結合進行實現(xiàn)，并且關于CPU和GPU兩者相互結合的方案一直被相關人員所重視和研究。基于此，該文就對CPU和GPU兩者的聯(lián)合異構計算系統(tǒng)進行分析，兩者的結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比，促進計算機處理器能夠邁向全新的臺階，之后對CPU+GPU異構計算系統(tǒng)在石油勘探中的應用進行了研究。

關鍵詞：CPU；GPU；異構計算機系統(tǒng)；石油勘探

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

在大規(guī)模工程及科學技術不斷發(fā)展的過程中，CPU已經不能滿足不斷增加的計算需求，就算是多核CPU也無法滿足。并且因為CPU自身體系結構的因素，其計算數(shù)量不能夠增加，并且大部分的資源被占用，導致CPU實際可用的計算單位有限。為了能夠有效滿足計算需求，大部分公司及研究機構都逐漸應用具有較高性能的超級計算機和集群系統(tǒng)，但是因為設備較高，并且維護成本較高，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。為了有效解決計算密集型方面的問題，GPU比CPU優(yōu)勢大，但是CPU和GPU硬件結構不同，不能夠只是靠GPU完成計算，所以可以充分使用GPU和CPU兩者的計算能力，創(chuàng)建超級計算機，有效提高計算處理性能，降低處理能耗。

1 CPU+GPU異構計算的含義和意義

1.1 CPU+GPU異構計算的含義

CPU+GPU異構并行處理的主要任務就是實現(xiàn)圖形的實時渲染，在任務處理過程中，CPU的主要目的就是負責具有較強邏輯性的事務計算，GPU的主要目的就是負責具有較高計算密度的圖形渲染。為了能夠有效滿足事務計算的需求，CPU設計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雜的分支預測及控制邏輯和大量的緩存，從而有效提高任務的處理效率。GPU要在制定過程中實現(xiàn)較高的存儲器帶寬和較強的計算能力，所以就要通過較多的執(zhí)行單元對較為簡單的線程進行執(zhí)行，在線程等待數(shù)據(jù)的時候，能夠對另外在就緒中等待計算線程進行切換。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 異構計算能夠充分將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算能力，使其能夠在任務執(zhí)行過程中具有較高的運算能力[1]。

1.2 CPU+GPU異構計算的意義

CPU+GPU異構設計在各大服務器中被廣泛應用，我國品牌服務器市場最先發(fā)布了桌面超級計算機“倚天”，其具有較快的運算速度，并且價格較為便宜，主要是因為使用了CPU+GPU異構機構?！耙刑臁敝芯哂挟悩嬙O計的高性能，并且還有其他特點，比如數(shù)量較多的峰值運算性能，GPU的不斷發(fā)展能夠有效滿足并行數(shù)值計算的特點，并且其還具有較為強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的并行運算能力能夠通過對CPU和GPU兩者的對比看出來，CPU因為架構因素，一直都是提高制程工藝及主頻實現(xiàn)提高計算能力，但是此種方法會出現(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)主要是因為性價比，相關研究表示，高性能集群計算市場的75%需求，但是以上規(guī)模的集群系統(tǒng)價格不同。本文所說的“倚天”計算峰值雖然每秒四萬一次，但是成本卻只有其他計算系統(tǒng)的五分之一。此種性價比優(yōu)勢，使CPU+GPU異構計算機系統(tǒng)在使用過程中降低了使用成本。主要包括以下內容：機房面積較小，耗電較少，噪音較低。從此方面分析，滿足今后綠色IT的發(fā)展趨勢。最后，其還能夠為用戶使用過程中提供靈活性，因為體積和普通計算機相同，價格便宜實惠，導致用戶能夠更加方便的對其進行部署，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異構的計算模型

本文提出的CPU+GPU異構平臺計算模型是面向開發(fā)者及面向用戶構成的，其主要包括應用層、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，其將硬件設備層作為基礎，對平臺層任務數(shù)據(jù)的劃分方式進行了分析，并且談論了多子任務中數(shù)據(jù)的調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用方，其將硬件設備層和平臺作為基礎，對用戶接口設計的思想及實現(xiàn)進行了分析。系統(tǒng)模型將CPU+GPU的傳統(tǒng)計算模型中的部分特點進行了保存，通過CPU負責部分串行程序處理、多任務調度和邏輯控制，在處理任務過程中，系統(tǒng)模型能夠使部分任務通過CPU+GPU兩者并行完成，有效創(chuàng)新了傳統(tǒng)模型中單獨使用GPU或者CPU實現(xiàn)任務處理，從而能夠充分使用已經具有的計算資源，以多任務環(huán)境為基礎實現(xiàn)數(shù)據(jù)調度，設計全新的數(shù)據(jù)調度分配架構，對執(zhí)行代價計算調度進行合理定義，根據(jù)不同的任務屬性提出了不同的數(shù)據(jù)調度策略和機制，從而實現(xiàn)任務在CPU和GPU端的動態(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，并且還對大型任務的大規(guī)模數(shù)據(jù)及劃分進行描述，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 任務數(shù)據(jù)的劃分

任務數(shù)據(jù)劃分的方法能夠支持不同規(guī)模的典型應用，通過需要處理的方法對功能分解成為多個子功能，組合順序和算法具有密切的關系，本文定義了可回寫性及可拆性?？苫貙懶詫ψ尤蝿赵谔幚碇蟮臄?shù)據(jù)是否能夠寫回到處理之前的原始數(shù)據(jù)塊進行描述，對結果的正確性不會影響。可拆性對任務數(shù)據(jù)是否能夠在不同存儲空間存放，并且同時運行進行描述。

在任務中的數(shù)據(jù)處理相互獨立，數(shù)據(jù)沒有耦合關系，任務能夠拆分到GPU和CPU兩端進行處理，在處理過程中兩者不會彼此影響，此種任務為可拆任務。如果任務之間具有耦合關系，并且數(shù)據(jù)不能夠拆分，如果將此任務拆分成為不能夠執(zhí)行，那么此任務就是不可拆任務。對不同子任務的處理數(shù)量進行確定，假如通過應用算法能夠將任務進行分解，那么在這些任務處理過程中，不僅要對數(shù)據(jù)的通信及處理開銷進行處理，還要對不同子任務添加的系統(tǒng)開銷進行處理，比如內核函數(shù)、線程的創(chuàng)建等。所以就要提高子任務的規(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 任務評價

為了能夠有效解決數(shù)據(jù)在多任務背景下CPU及GPU的調度分配問題，所以就對任務評價模塊進行劃分，其提出了任務評價機制，通過對任務屬性進行分析，并且對任務執(zhí)行代價進行預測，從而能夠為數(shù)據(jù)的調度處理提供有效的數(shù)據(jù)分配及調度策略?；诙嗳蝿毡尘?，其對獨立任務處理開銷及任務之間的通信開銷等進行了全面的考慮，從而使整體執(zhí)行效率有進一步的提高。

任務評價模塊中要通過對自任務屬性進行分析，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)行者進行任務調度，CPU、GPU兩者可以成為任務執(zhí)行者，因為GPU計算能力及CPU要高，任務執(zhí)行要通過GPU實現(xiàn)，但是如果任務計算量較小，其數(shù)據(jù)通信量就較大，GPU計算能力不能夠解決數(shù)據(jù)通信的性能消耗，所以這個時候就要通過CPU執(zhí)行，不需要GPU的參與[7-8]。

3 CPU+GPU異構計算系統(tǒng)的應用

石油勘查能力和計算方式具有密切的關系，目前在油氣勘探過程中最精準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，之后將反射波轉變成為數(shù)據(jù)，并且利用計算處理模式對勘探區(qū)域的地質構造進行模擬，使用此種方式能夠精確地找到石油就天然氣的儲藏位置。因為地震波法收集到的數(shù)據(jù)都是通過TB計算，在海洋勘探時候的數(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算機對大量的數(shù)據(jù)在短時間內進行處理，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算機出現(xiàn)之后，不僅要對任務級大粒度并行進行全面的考慮，還要對出處理機中細粒度并行算法進行全面的考慮。在現(xiàn)社會中，處理器和納米技術在不斷的發(fā)展，單位面積方面的晶體管已經基本飽和，處理器的提高速度也在不斷的降低，基于AMD的PUU發(fā)展方向為多核多線程，但是因為具有固定的設計傳承，促進高性能計算已經無法滿足石油行業(yè)大規(guī)模計算的需求。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算效率，將其和CPU相互結合，是最為成功的同一設備架構。

從硬件發(fā)展方面分析，應用到石油行業(yè)中會在短時間內將計算的性能體現(xiàn)處理，比如處理器更新、體系結構、網(wǎng)絡環(huán)境等發(fā)展。在處理器不斷更新的過程中，石油勘探中的技術都不斷升級，將傳統(tǒng)計算機無法承載的方式都推廣到實際生產中，比如全波形反演及逆時偏移。并且，高性能計算機的體系結構也在發(fā)生著變化，全新的向量處理器和中央處理器能夠共同實現(xiàn)并行計算，比如CPU+GPU體系機構的MIC處理器。和傳統(tǒng)PC集群體系結構進行對比，全新的體系結構具有較高的計算效率，較少的資源消耗及較少的占地空間，在石油勘探中，部分計算密集型的方式都是通過和此種結構相互結合在工業(yè)化產業(yè)中使用的。在石油行業(yè)不斷發(fā)展過程中，其和網(wǎng)絡技術及并行文件系統(tǒng)的發(fā)展具有密切的聯(lián)系，并且在高性能計算機不斷發(fā)展的過程中，其能夠有效解決計算效率中的瓶頸問題及處理器速度進一步提高的問題[10]。

4 結束語

CPU+GPU異構計算系統(tǒng)的高性能計算機在處理器自身不斷發(fā)展過程中發(fā)展的時代已經過去，處理器由單核心處理能力朝著多核心方向發(fā)展，系統(tǒng)架構朝著多核心異構方向發(fā)展已經在工業(yè)工作中融入。相信，以云計算為基礎的服務、系統(tǒng)及資源調度等能夠為石油勘查事業(yè)提供資源使用能力，為石油勘查的高性能計算提供基礎。

參考文獻：

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

[2] 石林. 關于CPU+GPU異構計算模式程序開發(fā)中編程方法研究[J]. 科學大眾：科學教育， 2014（10）：149-149.

[3] 李敏. 高性能并行計算機的發(fā)展及其在石油勘探中的應用[J]. 科技導報， 2014， 32（2）：80-83.

[4] 陽王東， 李肯立. 準對角矩陣與向量相乘在CPU+GPU異構集群上的實現(xiàn)與優(yōu)化[J]. 小型微型計算機系統(tǒng)， 2015， 36（7）：1659-1664.

[5] 成思遠. 異構（CPU-GPU）計算機系統(tǒng)性能評測與優(yōu)化技術研究[D]. 長沙： 國防科學技術大學， 2011.

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

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

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

[9] 孟晨， 曹宗雁， 王龍，等. 基于Charm++運行時環(huán)境的異構計算應用容錯研究[J]. 計算機工程與應用， 2016， 52（13）：1-7.

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