[计算机]利用GPU进行高性能数据并行计算.pdf

维普资讯 利用 GPU 进行高性能数据并行计算 一文 ／丁艺 明 刘 波 GPU通过单指令 多数据 (SIMD)指令类型来支持数 据并行计算。参见图1，在单指令多数据流的结构 中，单 数 一 控制部件向每条流水线分派指令，同样的指令被所有 处理部件同时执行。例如NVIDIA8800GT显卡中包含有 14组多处理器 (Multiprocessor)，每组处理器有8个处理 单元 (Processor)，但每组多处理器只包含一个指令单元 (InstructionUnit)。 GPU强大计算能力 早期的3D游戏，显卡只是为屏幕上显示像素提供一 个缓存，所有的图形处理都是由CPU单独完成。图形渲 染适合并行处理，擅长于执行串行工作的CPU实际上难 以胜任这项任务。直到1995年，PC机领域第一款GPU 3dfxVoodoo出来以后，游戏的速度、画质才取得了一个 飞跃。GPU的功能更新很迅速，平均每一年多便有新一代 的GPU诞生，运算速度也越来越快。以下表1表 明2006 年度GPU与CPU价格相当的情况下，GPU的计算能力已 经远远高于CPU的计算能力。注：GFLOPS为每秒浮点 运算能力。 图1 NVDIAGeForce8体系结构 为什么GPU跑得快? GPU流式编程模型 GPU具有两点主要特征：超长流水线与并行计算。 GPU编程 以流式编程模型为基础，它以允许高效计 如果装配一台汽车需要 10个时间单元，将它分成 10 算和通信的方式构造程序。在流式编程模型中，所有数据 个流水线阶段，每个阶段分配一个时间单元，那么一条装 都表现为流。我们把流定义为具有相同数据类型的数据的 配线每一个时间单元就可以生产一辆汽车。显然流水线模 有序集。数据类型可以是简单的(整数或浮点数流)或复杂 式的生产在理想状况下要比串行方式快了十倍。 的(点或三角形或变换矩阵流)。流可以是任意长度，如果 200804 97 维普资讯 ／(o～o[[u 一 流很长 (流中有上百或更多的元素)，那么流上的操作并行 码计算成MD5值 ，然后再去和保存在文件系统中的MD5 度将很高。流上允许的操作包括复制它们，从它们导出子 值进行比较，进而确定输入的密码是否正确。 流，用一个单独的索引流索引入它们，以及用核在它们上 在我们的程序中，允许用户输入一长度为五的密码的 执行计算。GPU程序称为核，核操作整个流，获取一个 MD5值，每位密码变化范围是A—Za—z口、^_、01一，共64种 或多个流作为输入并产生一个或多个流作为输出。核的特 字符。穷举所有的密码并用MD5算法得到所有的MD5值， 征是它操作多个流上的所有元素而不是独立的元素。 与用户输入的MD5值比较，若枚举的密码MD5值与用户 CPU程序以异步的方式调用GPU核程序。GPU作为 输入