张鹏博，郭兵，黄义纯，曹亚波

(四川大学 计算机学院，成都 610065)

通用图形处理器GPGPU的并行计算研究*

张鹏博，郭兵，黄义纯，曹亚波

(四川大学 计算机学院，成都 610065)

随着图形处理器(GPU)从仅用来进行图形图像渲染，脱离成为并行计算平台通用图形处理器(GPGPU)，其计算能力越来越强，本文在研究GPGPU体系结构的基础上对GPGPU并行计算线程调度进行深入研究，阐述了GPU线程调度原理，揭示了SIMT调度模式的不足。通过公式推导阐述了系统功耗与系统运行频率的关系。

大数据；并行计算；线程调度；GPU节能

引 言

随着大数据研究技术的进步，大数据已经进入到各行各业，美国麦肯锡公司称：“数据已经渗透到当今每个行业和业务职能领域，成为重要的生产因素。人们对于大数据的挖掘和运用，预示着新一波生产力增长和消费盈余浪潮的到来”[1]。大数据自身5V(体量大、速度快、模态多、难辨识、价值大密度低)特征决定了冯·诺依曼计算机CPU用来处理数据还远远不能满足处理要求。

由于游戏产业的带动，早期GPU多用来对图形图像进行渲染。随着工艺技术的进步，今天GPU的功能已经远远不止于此，其逐渐成为研究者进行并行计算的通用并行处理器。GPGPU的体系结构及多核硬件架构也很好地适应了并行计算的要求。

传统并行调度模式主要分为4类：单指令，多数据(Single Instruction Multiple Data SIMD)；多指令，多数据(Multiple Instruction Multiple Data MIMD)；单指令，单数据(Single Instruction Single Data SISD)；多指令，单数据(Multiple Instruction Single Data MISD)。GPGPU采用的是SIMD执行模式，但为了获得更高的并行计算效率，主流的图形处理器又派生出单指令多线程(Single Instruction Multiple Thread SIMT)模式。……