向量体系结构(2)----SIMD指令集扩展和GPU

进行SIMD多媒体扩展的设计，源于一个很容易观察到的事实：

许多多媒体应用程序操作的数据类型比对32位处理器进行针对性优化的数据类型更窄一些。

图像三基色，都是8位。音频采样也都是8位和16位来表示。

SIMD的多媒体扩展指令与标准的SIMD指令相比，它指定的操作数更少，因此使用的寄存器堆更小。

SIMD扩展主要对一下三项进行了简化：

1)多媒体SIMD扩展固定了操作代码中数据操作数的数目，从而在x86的体系结构的MMX，SSE，AVX中添加了数百条指令。

2)多媒体SIMD没有提供向量体系结构的更复杂的寻址模式，也就是步幅访问和集中---分散访问。

3)多媒体SIMD不像向量体系结构那样，为了支持元素的条件执行而提供遮罩寄存器。

做这些扩展指令的目的也是加快那些精心编制的库函数的运行速度，而不是由编译器来生成的这些库。

SIMD的优点：

1)芯片设计相对向量体系结构来说，较简单，且不需要那么大的存储器带宽。

2)可以比较轻松的引入一些符合新媒体标准的指令。

GPU的祖先是图形加速器，极强的图形处理能力是GPU得以存在的原因。当前GPU的研究热点是一种简化的GPU编程的编程语言。

GPU几乎拥有所有可以由编程环境捕获的并行类型：多线程，MIMD，SIMD，指令级并行

NVIDA开发的是一种类似于C的语言和编程环境，通过克服多种并行的挑战来提高GPU程序员的生产效率。这一系统称为CUDA。

将所有的这些并行形式统一为CUDA线程，以这种最低级的并行作为编程原型。

编译器和硬件可以将数以千计的CUDA线程聚合在一起。CUDA编程模型被定义为"单指令多线程(SIMT)"

执行时，以32个线程为一组，称为线程块，将执行整个线程块的硬件称为多线程SIMD处理器。

行执行和线程管理由GPU硬件负责，而不是由应用程序或操作系统完成，不同的线程块之间可以使用全局存储的原子操作来进行协调，

但是它们之间不能直接通信。

和很多并行系统一样，CUDA在生产效率和性能之间进行了一点折中，提供了一些本身固有的功能，让程序员能够显示控制硬件。

了解编程语言可以平衡生产效率和性能之间的关系。

AMD推出的与供应商无关的语言，OpenCL。

以NVIDIA系统为例，GPU可以很好的解决数据级并行的问题，也拥有着集中---分散数据传送和遮罩寄存器，但是GPU的寄存器要比

向量处理器更多。有一些功能，GPU通过硬件来实现，在向量体系结构中通过软件来实现。

网格是在GPU上运行，由一组线程块构成的代码。例如我们希望两个向量乘在一起，每个向量长度为8192个元素。执行所有8192个

元素乘法的GPU代码称为网格(向量化循环)

为了便于管理，网格可以由线程块(向量化循环体)组成。每个线程块最多512个元素。一条SIMD指令一次执行32个元素。所以该例子

中，共有16个线程块

网格和线程块是GPU硬件中实现的编程抽象，可以帮助程序员组织自己的CUDA代码。

线程块调度程序是将线程块指定给执行该代码的处理器，我们将这种处理器称为多线程SIMD处理器。

线程块调度程序与向量体系结构中的控制处理器类似。决定了该循环所需要的线程块数，以及将他们分配给不同的多线程SIMD处理器。

SIMD多线程处理器与向量处理器类似。但是它的很多功能单元都是深度流水化的。

GPU是一个由多线程SIMD处理器组成的多处理器，加自己的线程块调度程度。

GPU硬件中有两级硬件调度程序：

1) 线程块调度程序，将线程块分配给多线程SIMD处理器

2) SIMD处理器内部的SIMD线程调度程序，调度何时运行SIMD指令线程

在多线程SIMD处理器中执行的指令，由并行功能单元来执行，称为SIMD车道，每个SIMD处理器中的车道数在各代GPU中是不同的。

对于fermi，每个宽度为32的SIMD指令线程被映射到16个物理SIMD车道，所以每条SIMD指令需要两个时钟周期才能完成。

记分板，可以让SIMD线程调度程序，了解哪个SIMD指令已经做好运行准备。