如何加速—APU异构计算简析

◇如何加速—APU异构计算简析

　　既然APU名为加速处理器，那么其设计理念就是以加速为主，而APU内部所融合的是CPU核心和独显核心，那么其加速就必然是建立在这两个基本核心之上的，而对于异构计算来说，CPU和GPU之间的互补加速也是其重要的构成部分。

　　异构计算的英文名称是Heterogeneous computing，主要是指使用不同类型指令集和体系架构的计算单元组成系统的计算方式。常见的计算单元类别包括CPU、GPU等协处理器、DSP、ASIC、FPGA等。我们常说的并行计算正是异构计算中的重要组成部分。

CPU与GPU协作进行异构计算示意图（基于OpenCL）

　　异构计算近年来得到更多关注，主要是因为通过提升CPU时钟频率和内核数量而提高计算能力的传统方式遇到了散热和能耗瓶颈。而与此同时，GPU等专用计算单元虽然工作频率较低，具有更多的内核数和并行计算能力，总体性能/芯片面积的比和性能/功耗比都很高，却远远没有得到充分利用。

　　CPU的设计让其比较擅长于处理不规则数据结构和不可预测的存取模式，以及递归算法、分支密集型代码和单线程程序。这类程序任务拥有复杂的指令调度、循环、分支、逻辑判断以及执行等步骤。而GPU擅于处理规则数据结构和可预测存取模式。而APU的设计理念则正是让CPU和GPU完美合作，集合两者的长处，用异构计算来达到整体性能的最佳化。

OpenCL

　　在这里我们有必要提一下OpenCL，OpenCL的全称是Open Computing Language，意思是开放运算语言，是第一个面向异构系统通用目的并行编程的开放式、免费标准，也是一个统一的编程环境，便于软件开发人员为高性能计算服务器、桌面计算系统、手持设备编写高效轻便的代码，而且广泛适用于多核心处理器(CPU)、图形处理器(GPU)、Cell类型架构以及数字信号处理器(DSP)等其他并行处理器。目前大部分的异构计算都是基于OpenCL来进行的（之前AMD的Stream即基于OpenCL 1.1），而在APU开放之后，我们也会在Lynx平台上看到更多基于OpenCL或由OpenCL作为基础转变而来的异构计算应用，这些应用将充分利用APU中CPU和GPU单元的加速性能。