基于GPU的异构并行环境下程序优化策略研究.pdfVIP

2010年8月 湖北第二师范学院学报 Aug．2010 第27卷第8期 JournalofHubeiUniversityofEducation V01．27 No．8 基于GPU的异构并行环境下程序优化策略研究 刘 星 ，孙文君2，曹雅楠 ，顾进广 (1武汉科技大学计算机科学与技术学院，武汉430081；2清华大学 工程物理系，北京 100084) 摘 要：由CPU+GPU组成的异构并行环境可以有效地提高计算系统的运算速度和处理能力。本文设计了几种有效的 优化策略。首先依据计算情况和数据规模对并行计算单元进行合理的资源动态分配；然后通过共享存储器优化、指令优 化及 内存合并技术，对算法进一步优化，将其改造成为适用于异构环境处理的并行模式，以提高算法的运行速度。论文 通过基于异构分布并行环境的蛋白质折叠结构预测算法进行实验，结果证明此优化方法是可行的、有效的，算法的运行 速度有很大的提高，获得了较好的加速比。 关键词：异构并行环境；遗传退火算法；优化策略 中图分类号：TP301 文献标识码：A 文章编号：1674-344X(2010)8-0088-04 基金项目：国家自然科学基金；湖北省自然科学基金重点项目(2009CDA136，0209CDA034)；湖北省教育厅科 学研究项目(Q201Ol110，D02091lO)。 作者简介：刘 星 (1975一)，女，四川成都人，硕士，研究方向为控制系统与控制工程、智能信息处理等。 孙文君 (1989一)，女，研究方向为控制系统，智能信息处理。 曹雅楠(1986一)，女，硕士研究生，研究方向为智能信息处理，分布式计算。 顾进广(1974一)，男，教授，博士，研究方向为智能信息处理、分布式计算。 l 引盲 部分和数据并行部分的任务交由GPU来完成，CPU负 科学计算中，绝大部分的问题都要通过并行处理 责剩下的任务和流控制部分的功能。CUDA将 CPU 来加快运行速度，更快的计算机可以解决更加复杂的 和GPU进行完美的融合，构建了由CPU+GPU所构成 问题，如蛋白质折叠预测问题。但由于物理限制，单核 的异构分布并行平台，从而给大规模的数据计算应用 CPU的计算能力已远远不能满足人们对计算速度的 提供了更加强大的计算能力，这将对提高蛋白质折叠 需求，传统的CPU架构也不利于多核效率的提高。而 预测优化的执行效率有重大意义。 图形处理器 (GPU)¨】，不但具有单指令流多数据流 2．2 CUDA编程模型 (SIMD)的并行处理特性，而且具有强大的浮点运算能 在 CUDA编程模型中，一个程序分为两个部分： 力，CPU的浮点运算能力一般在 10Gflops以下，而 Host端和 Device端 [1】。串行或低并行部分运行在 NVIDIA公司的TeslaC870系列的浮点运算能力已达 Host端，即在CPU上执行；高度并行的部分运行在De- 到500Gflops，是CPU的五十倍。因此，如何利用GPU vice端，即在GPU上执行。在Device端运行的程序在 作为协处理器，插入通用计算节点，构建由CPU+GPU CUDA中称为 “Kernel”，即内核，其协作过程如图1所 所构成的异构分布并行平台，对提高科学计算执行效 示 。 率具有重大意义。 本文研究了CPU+GPU所构成的异构环境下的 申}亍代 (1Dt) 并行优化技术及其相应策略，并对比现有的蛋白质折 并行 nc ： 曲 叠结构预测 2【的关键算法进行分析[3．4】，将其在异构 Krxm ‘ 叫Ⅲ )， 分布并行环境下进行优化，并验证算法在该环境下的 串行代码 ( t) I 适应能力及执行效率。 井行Kcme vic