CUDA硬件实现分析（一）------安营扎寨-----GPU的革命

CUDA硬件实现分析（一）------安营扎寨
------GPU的革命
序言：有个不会写计算机程序的朋友看了blog，问我，这个GPU也能当故事写吗？我觉得或许GPU真的算是一场革命吧，他的发展或许在酝酿中，不过到08年底，09年初，一定会有一场轰轰烈烈的竞争。那个时候或许从OS层面都会给人带来震撼。如果把CPU的多core看成由几个特种兵组成的，每个特种兵都手里面都拿着8杆枪（SSE）。那么GPU可以看成农民起义……一上来就是成百上千的人，虽然单兵作战能力比不上CPU的单个core，但是毕竟人数众多。就现在GPU的性能，在并行运算上如果不考虑double硬件的成本，已经早早超过CPU的并行运算能力。这或许就是一场革命，这次革命不知是简简单单的GPU和CPU的转变，而是并行算法和串行算法的竞争。并行算法虽然研究到现在已经有很多年，但是真正的实际运用，离我们普通大众还是差很远。但是GPU，并行计算的出现，一下子把我们和并行计算的距离拉近了好多。现在在学校里面学习计算机的时候都是从串行算法开始，养成了很多固定的串行思维。当遇到问题并行划分的时候，就还带着串行的思想，那就不好了：）

正文：前面我们已经说到线程的一些概念，但是这些概念都是软环节的。我们常常会听到某某单位说他们的软硬件配置如何如何的好。软件再好，每个士兵都是可造之才，但是如果硬件条件跟不上，也没他们的勇武之地。就像国内做过一些跳槽原因的统计，很多人已经跳槽都是为了高工资，但实际统计结果表明，很多人都觉得在以前那个公司里面学不到东西，或者说得不到发挥自己长处的地方。那就得看公司有没有这样的机会让你发挥你的能力了。看到这里，扯远了～很多人都看得不耐烦了……书接上回《 CUDA 线程执行模型分析（二）大军未动粮草先行------GPU的革命》。已经讲到CUDA在线程模型是一个什么样子，经过几天的吸收，也应该在脑子里面有一些印象了。但是你会问一个问题，我们是不是可以开无数个线程来执行啦？或许招兵的人都想找到很多很多的人，但是你得也考虑一下你的粮食有多少，军营有多大。在这么我们得讨论一下现在的支持CUDA的nvidia的显卡现在的硬件情况。

空洞的讲解或许还是没怎么又说服力，下面以G80为例子。
1. G80里面有16个Multiprocessor.
2. 每个Multiprocessor都有一组（G80里面是8个）32位的Processor（每个Processor都是SIMD架构，什么叫SIMD架构：军训的时候，大家都到了食堂，不是像在学校里面，每个人那自己的碗筷就三三俩俩的去吃饭，那可要讲究纪律，啥叫纪律，一群人站在桌子面前，连长没发话，谁也不敢坐下来……连长一声令下：“坐下”。所有的人才按照敢坐下来，也是同时坐下来- -！要是谁没有同步坐下来，那就惨了- -！再来一次，一定要是同步坐下去的，都能听到声的，咵！恨不得把板凳给坐碎了------还是部队的东西结实，兄弟们怎么坐到军训结束只有坐坏屁股的，没有听说凳子坐坏的- -！所以啊，爱惜公物就是爱惜自己。记住了吧，这就是SIMD：Single Instruction Multiple Data 。 ）还有共用的Instruction Unit（这玩儿就不用翻译是啥了吧～看SIMD，自己理解去）。在G80里面有两个SFU模块。
3. 每一个时钟周期内，按照warp（这玩儿咋翻译啦？就理解为运行的时候，一个block里面一起运行的thread，例如block里面有512个thread，但是每次只有32个thread在运行，那么这32个thread就是一个运行的warp组- -! 还好不是rap- -！俺就真没法解释了）
4. 每一个warp里面包含的thread数量是有限的，现在的规定是32个。将来不知道会不会有变化？不知道，这个只有CUDA开发人员知道了。

我们还是按照我们的既定方式学习吧～看图说话- -！接下来又是一张图：


刚才我们已经说到了硬件上的处理器的模型，现在我们来看看内存吧。前面的章节我们已经讲到了内存的register，local，shared，constant，texture，global，现在看到对应的硬件的位置了吧？哦，对了，有人会问，local和global跑那里去了，你看看，是不是多了一个Device Memory嘛。Local和Global 都是在Device Memory上的。只是在线程模型运行的时候，为了方便说明线程的模型，把它单独划分出来好说明。其实Constant和Texture都是在Device Memory里面的，但是人家是只读的Cache，所以比Global和local要快一些。不过Cache和shared Memory比起来，又显得慢一些了。

硬件的架构差不多就是这么多。如果还不是很清楚，我们再讲讲军营的生活。还是讲吃食堂吃饭吧（回想起大学的时候和几个好朋友一起成立了一个编程爱好者协会……结果后来变成了好吃协会- -！）。由于我们现在的连队人数众多，一个grid里面就可以有65535个thread，所以一下子让这么多人一起吃饭，是不可能的。我们有好多个grid怎么办？所以每次Device（就是显卡）只处理一个grid。但是每个grid里面又有那么多人。一来是咱们地方小，不能容纳那么多人一起吃饭，而来是也没必要再建立那么多食堂。大家可以轮流吃，早吃的早走，晚来的也晚不了多久。

这次是Grid1先到达食堂，然后他把士兵分成了几个block，（我们上次已经讲过的，block和grid的关系，应该还记得把）但是现在桌子还是少，为了大家不乱起来，每个block的人就指定到某一个multiprocessor（一个周期只能容纳32个人一起用餐）哪里。

这个block1的人就围着multiprocessor1这张桌子坐，但是这张桌子也不是太大，所以block里面的人又分成32个人一组（warp）来吃饭。那如果这个block没有32个人，就占不完这张桌子，所以一个multiprocessor又可以让别的block的thread一起来用餐。

因为一次就把所有的register和shared memory分配给了所有的block的所有的thread。所以怎么样合理的少用register和shared memory就可以同时让更多的thread得到处理。

讲了这么多，怎么来看自己的显卡那片军营如何拉？下面给出两种方法，一种是用一个小软件，GPU-Z的工具，这个工具可以得到很多显卡的参数，这个可以上网搜索到。

第二种方法是用CUDA的命令，这个只是针对支持CUDA的显卡的，下面给一段代码：

/********************************************************************

*  InitCUDA.cu

*  This is a init CUDA of the CUDA program.

*********************************************************************/

#include <stdio.h>

#include <stdlib.h>

#include <cuda_runtime.h>

 

/************************************************************************/

/* Init CUDA                                                            */

/************************************************************************/

bool InitCUDA(void)

{

  int count = 0;

  int i = 0;

 

  cudaGetDeviceCount(&count);

  if(count == 0) {

        fprintf(stderr, "There is no device./n");

        return false;

  }

 

  for(i = 0; i < count; i++) {

        cudaDeviceProp prop;

        if(cudaGetDeviceProperties(&prop, i) == cudaSuccess)

        {                

              printf("name:%s/n",                                         prop.name);

              printf("totalGlobalMem:%u/n",                   prop.totalGlobalMem);

              printf("sharedMemPerBlock:%u/n",                prop.sharedMemPerBlock);

              printf("regsPerBlock:%d/n",                           prop.regsPerBlock);

              printf("warpSize:%d/n",                               prop.warpSize);

              printf("memPitch:%u/n",                               prop.memPitch);

              printf("maxThreadsPerBlock:%d/n",               prop.maxThreadsPerBlock);

              printf("maxThreadsDim:x %d, y %d, z %d/n",      prop.maxThreadsDim[0],prop.maxThreadsDim[1],prop.maxThreadsDim[2]);

              printf("maxGridSize:x %d, y %d, z %d/n",      prop.maxGridSize[0],prop.maxGridSize[0],prop.maxGridSize[0]);

              printf("totalConstMem:%u/n",                    prop.totalConstMem);

              printf("major:%d/n",                                  prop.major);

              printf("minor:%d/n",                                  prop.minor);

              printf("clockRate:%d/n",                              prop.clockRate);

              printf("textureAlignment:%u/n",                       prop.textureAlignment);

 

              if(prop.major >= 1) {

                    break;

              }

 

        }

  }

  if(i == count) {

        fprintf(stderr, "There is no device supporting CUDA 1.x./n");

        return false;

  }

  cudaSetDevice(i);

       

  printf("CUDA initialized./n");

  return true;

}