多核編程時(shí)代來臨 你準(zhǔn)備好了嗎？
如今具有上千個(gè)內(nèi)核的集群已經(jīng)司空見慣了。在普通的臺(tái)式機(jī)和筆記本電腦中可以見到具有數(shù)百個(gè)內(nèi)核的GPU芯片，這些芯片除了完成圖形處理任務(wù)外，現(xiàn)在還被用于計(jì)算事務(wù)。
為目前的服務(wù)器、臺(tái)式機(jī)和筆記本電腦系統(tǒng)編程相對(duì)來說還比較簡單。不過，隨著內(nèi)核數(shù)量呈1個(gè)或2個(gè)數(shù)量級(jí)的增加，事情變得越來越具有挑戰(zhàn)性。舉例來說，服務(wù)器可能包含多個(gè)多核芯片，每個(gè)芯片可向?qū)ΨQ多處理(SMP)系統(tǒng)提供數(shù)十個(gè)支持虛擬機(jī)(VM)的內(nèi)核，從而允許系統(tǒng)運(yùn)行數(shù)百個(gè)虛擬機(jī)。
過去，一般使用高速總線或交換系統(tǒng)鏈接芯片內(nèi)的多個(gè)內(nèi)核。但***架構(gòu)傾向于采用非統(tǒng)一內(nèi)存架構(gòu)(NUMA)方法。芯片通常含有大量片上內(nèi)存(采用一級(jí)、二級(jí)或三 級(jí)緩存的形式)。Intel、AMD和其它公司還為內(nèi)核配置了多個(gè)內(nèi)存控制器。
片上內(nèi)核可以快速訪問它們的一級(jí)緩存，但由于數(shù)據(jù)遠(yuǎn)離內(nèi)核，因此具有較長的延時(shí)。片外訪問請求通過芯片互連進(jìn)行傳送。當(dāng)這些請求沒有期望的信息時(shí)，Intel和AMD采用芯片之間的多個(gè)點(diǎn)到點(diǎn)連接并通過相鄰芯片傳送這些請求。
遺憾的是，發(fā)送到數(shù)量極其龐大的內(nèi)核要求采用不同的方法，如網(wǎng)格或更常見的網(wǎng)絡(luò)/集群技術(shù)。諸如串行快速I/O(SRIO)、InfiniBand和以太網(wǎng)等網(wǎng)絡(luò)接口就經(jīng)常被用來實(shí)現(xiàn)集群。消息包用來處理通信事務(wù)。與片上通信相比，此時(shí)的延時(shí)一般較長。
SRIO具有最少的開銷和最小的數(shù)據(jù)包，并提供端到端的握手。InfiniBand一般用于處理較大的消息，是許多超級(jí)計(jì)算機(jī)集群的***。以太網(wǎng)具有明顯的開銷和延時(shí)問題，但使用十分普及，已經(jīng)成為互聯(lián)網(wǎng)的最主要接口。這三種接口都可以用于片外通信，但對(duì)于片上通信而言，設(shè)計(jì)變化較大。
SMP NUMA芯片
許多公司正在致力于研究具有數(shù)百甚至數(shù)千個(gè)內(nèi)核的芯片，一些公司現(xiàn)在已經(jīng)可以供貨。Tilera公司的64位Tile-Gx產(chǎn)品線非常適合通信應(yīng)用，而該公司的***產(chǎn)品還可以滿足云和服務(wù)器集群要求(參見electronicdesign.com網(wǎng)站上發(fā)表的“Single Chip Packs In 100 VLIW Cores”)。Adapteva公司的32位Epiphany(圖1)架構(gòu)則支持嵌入式信號(hào)處理(參見electronicdesign.com網(wǎng)站上發(fā)表的“Multicore Array Targets Embedded Applications”)。
圖1：Adaptewa的Epiphany 32位內(nèi)核通過矩形的網(wǎng)格鏈接在一起。
Tilera和Adapteva公司給每個(gè)處理內(nèi)核都配套了通信交換機(jī)，該交換機(jī)是通信網(wǎng)格的一部分。每個(gè)內(nèi)核有自己的實(shí)現(xiàn)方式和特點(diǎn)，但它們非常類似，因?yàn)榫W(wǎng)格由多種通信網(wǎng)絡(luò)組成，可承載不同類型的信息。
Tilera在這種網(wǎng)絡(luò)中還加入了緩存支持功能，因?yàn)樵摴緦?shí)現(xiàn)了一種復(fù)雜的緩存一致機(jī)制，允許將內(nèi)核組織起來形成“計(jì)算島”。這些內(nèi)核允許隔離，因此單顆芯片可以一次運(yùn)行多個(gè)操作環(huán)境。對(duì)這些區(qū)域中的內(nèi)存的訪問操作相同，與所涉及的內(nèi)核無關(guān)，因?yàn)榫彺媸欠植际降?，但這也給訪問與另一個(gè)內(nèi)核相關(guān)的數(shù)據(jù)帶來了額外延時(shí)。
Adapteva的內(nèi)核也存在類似的訪問延時(shí)問題和功能，但這些內(nèi)核沒有任何本地緩存。同樣，所有內(nèi)核都能訪問系統(tǒng)中的所有內(nèi)存。每個(gè)內(nèi)核有32kB的存儲(chǔ)器供代碼和數(shù)據(jù)共享。這種方法使編程人員需承擔(dān)更多的責(zé)任，但極大地簡化了芯片設(shè)計(jì)。該方法還能降低復(fù)雜性和對(duì)電源的要求。Epiphany內(nèi)核主要用于嵌入式應(yīng)用，該類應(yīng)用中，設(shè)計(jì)人員通常需要管理整個(gè)系統(tǒng)，而安全等細(xì)節(jié)要求并沒有提升。
這兩種方法只是強(qiáng)調(diào)了編程人員在處理大量內(nèi)核時(shí)面臨的一些挑戰(zhàn)。只有大部分內(nèi)核在做有用工作時(shí)，這些系統(tǒng)才是高效的。在單顆內(nèi)核上運(yùn)行串行算法無法從相鄰內(nèi)核獲得任何優(yōu)勢。
Intel公司的Larrabee(參見electronicdesign.com網(wǎng)站上發(fā)表的“Intel Makes Some Multicore Lemonade”)催生了Intel的22nm Knights Corner多集成內(nèi)核(MIC)平臺(tái)(圖2)。Knights Corner擁有32個(gè)支持四線程的1.5GHz內(nèi)核，總共支持128個(gè)線程。Knights Corner還在使用了環(huán)的內(nèi)核間提供緩存一致性。這種環(huán)在Larrabee中使用過，可連接到GDDR5(圖形化雙倍數(shù)據(jù)速率第5版)內(nèi)存控制器、I/O和一些固定功能邏輯(圖3)。
圖3：Knight Corner平臺(tái)通過一個(gè)高速環(huán)連接Intel架構(gòu)(IA)內(nèi)核。
共享內(nèi)存可用于進(jìn)程間通信，并用來實(shí)現(xiàn)消息傳遞系統(tǒng)。換句話說，一些硬件設(shè)計(jì)用硬件實(shí)現(xiàn)消息傳遞，這樣可以簡化軟件設(shè)計(jì)。當(dāng)多芯片系統(tǒng)創(chuàng)建出來后，這些系統(tǒng)將更容易發(fā)展。
消息傳遞芯片與系統(tǒng)
消息傳遞網(wǎng)格網(wǎng)絡(luò)在Intel的單芯片云計(jì)算機(jī)(SCC)上將24個(gè)片(tile)聯(lián)結(jié)在一起。每一片有一個(gè)5端口的路由器，其中一個(gè)端口專屬于兩個(gè)x86 IA內(nèi)核。這兩個(gè)內(nèi)核共享一個(gè)16MB的消息緩存。每個(gè)內(nèi)核有自己的一級(jí)和二級(jí)緩存。4個(gè)DDR3(雙倍數(shù)據(jù)速率3)內(nèi)存控制器分布于通信網(wǎng)格的四周。
這種網(wǎng)格網(wǎng)絡(luò)具有2TB/s的帶寬。與Adapteva的Epiphany類似，SCC使用固定的X-Y路由機(jī)制。區(qū)別在于，Epiphany工作在字級(jí)，而Intel的芯片工作在消息級(jí)。SCC路由器支持兩個(gè)消息類，可實(shí)現(xiàn)8個(gè)虛擬通道。
SeaMicro公司沒有把許多內(nèi)核放到單顆芯片上，而是用256個(gè)雙內(nèi)核、1.66GHz Intel Atom N570芯片搭建了一個(gè)系統(tǒng)(參見electronicdesign.com網(wǎng)站上發(fā)布的“512 64-Bit Atom Cores In 10U Rack”)。有個(gè)1.28Tb/s的環(huán)形結(jié)構(gòu)連接著這些64位芯片。消息傳遞用于芯片之間的通信。這種環(huán)形結(jié)構(gòu)還能將處理器連接到SATA存儲(chǔ)控制器和以太網(wǎng)控制器。
多道程序設(shè)計(jì)方法
并行編程方法多種多樣，有時(shí)取決于基本的硬件架構(gòu)。許多方法要求共享內(nèi)存，而基于消息的解決方案可以被映射到各種架構(gòu)。
消息傳遞接口(MPI)包含大多數(shù)網(wǎng)絡(luò)平臺(tái)都提供的基本套接字。采用最基本的形式時(shí)，消息傳遞接口是任務(wù)之間面向字符或面向記錄的管道。通過消除與二進(jìn)制數(shù)據(jù)有關(guān)的許多問題，可擴(kuò)展標(biāo)記語言(XML)改變了數(shù)據(jù)向四周傳遞的方式，但這需要花費(fèi)更多的編程開銷。
MPI論壇提供的MPI標(biāo)準(zhǔn)庫經(jīng)常用于任務(wù)級(jí)并行編程通信，它支持從集群到大量并行機(jī)器的所有設(shè)備。
MPI規(guī)范包括進(jìn)程、組和通信器。一個(gè)進(jìn)程可以屬于一個(gè)或多個(gè)組。通信器提供了進(jìn)程之間的鏈路，并包含一組有效參與者。內(nèi)部通信器在組內(nèi)工作。中間通信器在組間工作。通信器的創(chuàng)建和銷毀是動(dòng)態(tài)進(jìn)行的。
OpenMP(開放式多處理)是一種共享內(nèi)存的應(yīng)用編程接口(API)，經(jīng)常與SMP系統(tǒng)一起使用。編譯器內(nèi)部的支持是必須的，C、C++和Fortran等眾多編程語言都可以獲得OpenMP支持。OpenMP比MPI簡單，但缺乏細(xì)微的任務(wù)控制機(jī)制，而且不支持GPU。
多內(nèi)核協(xié)會(huì)(MCA)設(shè)計(jì)的規(guī)范不僅提供了系統(tǒng)之間的互操作性，而且提供了操作系統(tǒng)之間的可移植性。其OpenMCAPI(開放多內(nèi)核通信API)可促進(jìn)基本的多內(nèi)核共享內(nèi)存通信。
MCAPI 1.0規(guī)范發(fā)布于2008年，它定義了輕量級(jí)進(jìn)程間通信(IPC)系統(tǒng)，這種系統(tǒng)支持種類廣泛的環(huán)境，包括SMP、不對(duì)稱多處理(AMP)、集群甚至ASIC和FPGA。
MCAPI提供基本的消息傳遞支持，可以幫助開發(fā)人員在上面搭建更為復(fù)雜的系統(tǒng)。MCAPI能夠充分發(fā)揮共享內(nèi)存系統(tǒng)和其它架構(gòu)的優(yōu)勢。MCA多內(nèi)核資源管理API(MRAPI)作為MCAPI的有效補(bǔ)充，提供了應(yīng)用級(jí)的資源管理功能。MRAPI可應(yīng)用于SMP和AMP系統(tǒng)。
共享內(nèi)存系統(tǒng)本身可用于矩陣操作，像GPU那樣的多內(nèi)核平臺(tái)也運(yùn)作良好。MathWorks公司的Matlab因?yàn)橹С謹(jǐn)?shù)字運(yùn)算而非常出名，它不僅可以利用多內(nèi)核SMP系統(tǒng)，還能充分利用GPU功能(參見electronicdesign.com網(wǎng)站上發(fā)表的“Mathworks Matlab GPU Q And A”)。Matlab可以隱藏基本的計(jì)算系統(tǒng)。一些Matlab應(yīng)用程序在GPU上運(yùn)行時(shí)可以取得顯著的加速效果，但許多Matlab應(yīng)用程序在CPU上運(yùn)行得一樣好甚至更好。
憑借NVidia GPU的CUDA功能，GPU開創(chuàng)了非圖形化顯示應(yīng)用的先河(參見electronicdesign.com網(wǎng)站上發(fā)表的“SIMT Architecture Delivers Double-Precision Teraflops”)。NVidia的CUDA支持C、C++和Fortran等編程語言，但正如指出的那樣，僅適用于NVidia硬件。
Kronos Group的OpenCL(開放計(jì)算語言)是可以在各種GPU和CPU上運(yùn)行的一種更為通用的解決方案(參見electronicdesign.com網(wǎng)站上發(fā)表的“Match Multicore With Multiprogramming”)。OpenCL提供了與CUDA相似的架構(gòu)和功能。
在OpenCL術(shù)語中，內(nèi)核(kernel)是一個(gè)可以在GPU等器件上運(yùn)行的函數(shù)，可以被主程序調(diào)用。內(nèi)核有點(diǎn)類似于遠(yuǎn)程過程調(diào)用(RPC)。OpenCL可以在同時(shí)也是主機(jī)的CPU上運(yùn)行，但一般情況下OpenCL用于充分發(fā)掘其它計(jì)算資源的優(yōu)勢。
OpenCL內(nèi)核具有一個(gè)與之關(guān)聯(lián)的OpenCL程序。程序所做的工作在ND-Range環(huán)境中進(jìn)行定義，這種環(huán)境包含了工作組(work-group)，而工作組又包含了工作項(xiàng)(work-item)。工作項(xiàng)與CUDA線程是一樣的。OpenCL模型基于的是GPU中采用的單指令多線程(SIMT)架構(gòu)。
工作項(xiàng)執(zhí)行計(jì)算任務(wù)。工作組定義了工作項(xiàng)相互之間如何進(jìn)行通信。SIMT方法有許多線程在處理不同的數(shù)據(jù)，但運(yùn)行相同的代碼。雖然不是所有應(yīng)用程序都能很好地映射到這種架構(gòu)，但還是許多應(yīng)用程序可以做到這一點(diǎn)，GPU可以將性能較CPU提高10至100倍，因?yàn)镚PU內(nèi)部具有數(shù)百個(gè)內(nèi)核。
主應(yīng)用程序定義了使用OpenCL API的所有組件，包括器件上的內(nèi)存分配，并提供內(nèi)核程序。這種內(nèi)核程序以源碼形式提供，在運(yùn)行時(shí)編譯。這種方法提供了可移植性，并且因?yàn)橛?jì)算過程通常在大型數(shù)據(jù)數(shù)陣列上完成，可將開銷減至最小。
同樣，編譯只在內(nèi)核建立時(shí)執(zhí)行一次，而不是每次調(diào)用內(nèi)核時(shí)都要執(zhí)行。發(fā)往內(nèi)核的參數(shù)將進(jìn)入隊(duì)列，從而使得主機(jī)能以異步方式提供數(shù)據(jù)。結(jié)果從隊(duì)列消息中讀取。
CUDA和OpenCL對(duì)并行計(jì)算來說相對(duì)較新，面向的是數(shù)據(jù)并發(fā)機(jī)制。目標(biāo)管理集團(tuán)(OMG)，也即統(tǒng)一建模語言(UML)的傳播者，做了許多工作來標(biāo)準(zhǔn)化并行計(jì)算。
UML可以用來定義并行處理，但大多數(shù)編程人員更愿意使用基于其它OMG規(guī)范的工具，如公共對(duì)象請求代理架構(gòu)(CORBA)(參見electronicdesign.com網(wǎng)站上發(fā)表的“Software Frameworks Tackle Load Distribution”)和數(shù)據(jù)分布式服務(wù)(DDS)(參見electronicdesign.com網(wǎng)站上發(fā)布的“DDS V1.0 Standardizes Publish/Subscribe”)。
分布式任務(wù)
CORBA提供了一個(gè)遠(yuǎn)程過程調(diào)用環(huán)境，這一環(huán)境可在協(xié)同操作任務(wù)的異類網(wǎng)絡(luò)中工作。CORBA使用了一種接口定義語言(IDL)來規(guī)范數(shù)據(jù)如何在系統(tǒng)之間映射，從而允許基本系統(tǒng)匯集可能具有不同格式、壓縮率或編碼(如小端與大端格式整數(shù))的數(shù)據(jù)。CORBA為所有主要的編程語言(如Ada、C、C++、Java甚至COBOL和Python)提供了標(biāo)準(zhǔn)映射，并為許多其它語言提供了非標(biāo)準(zhǔn)的實(shí)現(xiàn)。
CORBA也使用對(duì)象請求代理(ORB)。ORB提供了對(duì)由ORB組成的CORBA網(wǎng)絡(luò)的程序訪問。ORB額外提供許多服務(wù)，包括目錄服務(wù)、調(diào)度和事務(wù)處理。來自不同源的ORB可以在一起工作。
CORBA實(shí)現(xiàn)一般都較大，可滿足復(fù)雜的應(yīng)用需求。多個(gè)系統(tǒng)提供相似的服務(wù)，如微軟的DCOM(分布式組件對(duì)象模型)和.NET框架或Java的遠(yuǎn)程方法調(diào)用(RMI)。一些方法提供更適合嵌入式系統(tǒng)的較輕量級(jí)環(huán)境。其它方法則提供了層次化的實(shí)現(xiàn)，這允許低端節(jié)點(diǎn)成為更復(fù)雜環(huán)境的一部分。
OMG DDS代表用于數(shù)據(jù)分發(fā)的一類發(fā)布/訂閱方法，但它有別于RPC方法。利用DDS，數(shù)據(jù)源將把信息發(fā)布為主題，不管有多少訂閱者都能訪問這些主題。數(shù)據(jù)在可用或改變時(shí)即向外提供。
DDS可能像CORBA一樣復(fù)雜，因?yàn)樯婕霸S多問題，包括匯集、流控制、服務(wù)質(zhì)量和安全等細(xì)節(jié)。其它發(fā)布/訂閱接口的復(fù)雜性通常都沒DDS高，因?yàn)樗鼈儽辉O(shè)計(jì)為與特定的操作系統(tǒng)或語言一起使用。同樣，有許多途徑將并行通信方法混合在一起。
微軟的分散軟件服務(wù)(DSS)是一種輕量級(jí)、REST風(fēng)格(代表性狀態(tài)轉(zhuǎn)移)、基于.NET的運(yùn)行時(shí)環(huán)境，最初是微軟機(jī)器人開發(fā)平臺(tái)(RDS)的一部分(參見electronicdesign.com網(wǎng)站上發(fā)布的“Frameworks Make Robotics Development Easy—Or Easier, At Least”)。當(dāng)然，輕量級(jí)是一個(gè)相對(duì)術(shù)語，因?yàn)镈SS相當(dāng)深?yuàn)W復(fù)雜。
DSS設(shè)計(jì)為在并發(fā)和協(xié)調(diào)運(yùn)行時(shí)(CCR)之上運(yùn)行，而CCR也是機(jī)器人開發(fā)平臺(tái)(RDS)的一部分。事實(shí)表明，DSS對(duì)其它應(yīng)用來說也非常有用。DSS是一種基于web的技術(shù)，因此每個(gè)DSS節(jié)點(diǎn)都有一個(gè)通用資源標(biāo)識(shí)符。DSS提供了一種動(dòng)態(tài)發(fā)布和識(shí)別服務(wù)的機(jī)制。
對(duì)機(jī)器人技術(shù)來說，微軟DSS/CCR的另外一種替代技術(shù)是開源機(jī)器人操作系統(tǒng)(ROS)(參見electronidesign.com網(wǎng)站上發(fā)布的“Cooperation Leads To Smarter Robots”)。ROS同樣基于web，但它將諸如安全等許多問題轉(zhuǎn)移到了外部網(wǎng)絡(luò)支持。
并行語言
諸如MathWorks的Matlab等編程語言在處理矩陣操作時(shí)提供了并行操作功能，可充分發(fā)揮GPU(如果有的話)的優(yōu)勢。并行計(jì)算工具箱增加了語言功能，如并行的for循環(huán)、特殊的數(shù)組類型和并行的數(shù)字函數(shù)。
Intel的Parallel Studio遵循相似的方法(參見electronicdesign.com網(wǎng)站上發(fā)表的“Dev Tools Target Parallel Processing”)。其功能特性包括線程創(chuàng)建模塊(TBB)，該模塊用于表達(dá)基于C++任務(wù)的并行機(jī)制(參見electronicdesign.com網(wǎng)站上發(fā)布的“Parallel Programming Is Here To Stay”)。***版本提供諸如parallel_pipeline等函數(shù)，這種函數(shù)提供了強(qiáng)類型、lambda友好的管線接口。
Parallel Studio的另外一個(gè)部分是Intel的Cilk++軟件開發(fā)套件(SDK)。Cilk++是通過Parallel Studio C/C++編譯器對(duì)C++進(jìn)行的并行擴(kuò)展。它增加了cilk_for、cilk_spawn和cilk_sync等關(guān)鍵詞。與大多數(shù)并行編程語言擴(kuò)展一樣，Cilk++設(shè)計(jì)允許任務(wù)的低開銷創(chuàng)建、管理和同步。運(yùn)行時(shí)支持負(fù)載均衡、同步和任務(wù)間通信。
像Java等一些編程語言已經(jīng)具有先進(jìn)的任務(wù)管理功能。Ada就是一種非常成熟的編程語言，在研究并行編程時(shí)應(yīng)加以考慮。Ada對(duì)任務(wù)管理的支持非常好，在要求高度安全和可靠性的應(yīng)用中使用Ada說明了為何該語言有助于大型復(fù)雜的并行處理應(yīng)用。
愛立信(Ericsson)最初為電話管理應(yīng)用開發(fā)了Erlang編程語言。這種語言使用演員模型進(jìn)行并發(fā)處理。Erlang也像Java一樣提供自動(dòng)碎片收集功能。函數(shù)式語言子集有嚴(yán)格的評(píng)估、單賦值和動(dòng)態(tài)類型。對(duì)于并行編程來說，函數(shù)式編程語言具有許多優(yōu)勢。
Haskell是最重要的函數(shù)式編程語言之一(參見electronicdesign.com網(wǎng)站上發(fā)表的“Embedded Functional Programming Using Haskell”)。由于Haskell同樣還用于研究，因而并行編程支持處于不斷變化中。某種方法采用的“策略”可以針對(duì)特定應(yīng)用或主機(jī)進(jìn)行調(diào)整。
Haskell的Hindley-Milnet全局類型推論在處理并行算法時(shí)可提供許多優(yōu)勢，但函數(shù)式編程的單賦值(不可變的變量)、惰性評(píng)估以及Monads的使用將使習(xí)慣于C/C++和Java的編程人員感到困惑。
谷歌(Google)的Go和Scala是全新設(shè)計(jì)的兩種語言，與Haskell相比更加傳統(tǒng)，可提供并發(fā)編程環(huán)境(參見electronicdesign.com網(wǎng)站上發(fā)表的“If Your Programming Language Doesn’t Work, Give Scala A Try”)。這兩種語言吸收了函數(shù)式編程和其它編程語言的許多長處。Scala雖然不是Java的超集，但非常接近。
Go包含了被稱為goroutines的輕量級(jí)線程，這些線程使用圖案匹配通道進(jìn)行通信。Scala在Java虛擬機(jī)(JVM)上運(yùn)行，它包含了具有收集接口的并行收集功能，但可以使用并行語義處理內(nèi)容。
美國國家儀器(NI)公司的LabVIEW是少數(shù)幾種數(shù)據(jù)流編程語言中的其中一種(參見electronicdesign.com網(wǎng)站上發(fā)表的“LabVIEW 2010 Hits NI Week”)。數(shù)據(jù)流語義允許并行出現(xiàn)計(jì)算任務(wù)，而LabVIEW應(yīng)用程序可以很好地映射到包括FPGA和GPU在內(nèi)的并行硬件。LabVIEW的圖形化特性使得并行操作對(duì)編程人員來說更加透明。
并行編程有許多種選擇。像Cilk++或OpenCL等逐步增強(qiáng)型語言可能適合許多場合使用，但開發(fā)人員也不應(yīng)忽視那些更加激進(jìn)的變化。
原文：http://laoyaoba.com/ss6/html/08/n-241608.html
【編輯推薦】
