HMPP用于异构多核并行编程。

OpenHMPP标准基于一组指令,是用于处理硬件加速器的编程模型,但又没有GPU编程的相关复杂性。这种基于指令的方法已经实现,因为他们使应用程序代码和硬件加速器使用之间形成松散关系。

本文涉及组成OpenHMPP标准HMPP指令, 但并不处理指令的执行链接到指令执行。

简介

编辑

OpenHMPP基于指令的编程模型提供了一种语法,有效地减轻硬件加速器上的计算,优化数据向/从硬件存储器移动。
模型基于 CAPS (编译器和超标量体系结构以及嵌入式处理器)页面存档备份,存于互联网档案馆) 的初始化工作, 以及来自INRIA, CNRS, 雷恩第一大学和雷恩INSA的共同项目。

OpenHMPP标准概念

编辑

OpenHMPP标准基于codelets的概念, 可以在硬件上远程执行。

OpenHMPP Codelet 概念

编辑

codelet具有以下属性:

  1. 它是一个纯函数。
    • 它不包含静态或不稳定的变量声明,也不涉及任何全局变量,除非这些已经由HMPP “resident”指令所声明
    • 它不包含任何具有无形体(不能内联)的函数调用。这包含库和系统函数的使用, 例如 malloc, printf, ...
    • 每个函数必须引用静态纯函数(没有函数指针)。
  2. 它不返回任何值(C中的void函数或FORTRAN子程序)。
  3. 参数的数量应该是固定的(即没有像C中的vararg那样可变数量的参数)。
  4. 它不是递归的。
  5. 它的参数设定为non-aliased。
  6. 它不包含callsite指令(即RPC至另一个codelet)或其他HMPP指令。

这些属性确保codelet RPC可以通过硬件远程执行。此RPC及其相关的数据传输可以是异步的。

Codelet RPCs

编辑

HMPP提供同步和异步的RPC。异步操作的执行依赖于硬件。

 
Synchronous versus asynchronous RPC

HMPP 存储器模型

编辑

HMPP考虑到两个地址空间: 一个主机处理器和硬件存储器。

 
HMPPP memory Model

指令概念

编辑

OpenHMPP指令可能被视为“元信息” 添加到应用程序源代码。它们是安全的元信息,即不会改变原始代码的行为。它们处理函数的远程执行(RPC),以及数据向/从硬件存储器传输。
下表介绍了OpenHMPP指令。OpenHMPP指令满足不同需求: 其中一些专门用于声明,其他用于执行的管理。

流程控制指令 数据管理标签
声明 codelet
group
resident
map
mapbyname
操作标签 callsite
synchronize
region
allocate
release
advancedload
delegatedstore

指令集的概念

编辑

HMPP方法的基本点之一是指令的概念及其关联的标签,使它能够在分布于应用程序中的整个指令集上公开一个相干结构。

有两种类型的标签:

  • 一类关联到codelet。携带这种标签的指令一般仅限于管理一个(在文档 的其余部分称为stand-alone,以便从一组codelet中区分开)。
  • 一类关联到一组codelets。这些标签说明如下: “<LabelOfGroup>“, 其中“LabelOfGroup” 是由用户指定一个名称。 具有这种标签的指令一般涉及到整个组。组的概念是保留给这样一类问题,即要求对整个应用程序的数据做具体管理以获取性能。

OpenHMPP指令语法

编辑

为了简化符号, 正则表达式 将用于描述HMPP指令的语法。 下面的颜色通常用于描述指令的语法:

  • 保留的HMPP关键字是蓝色;
  • 在HMPP关键字中可以被减少的基本语法是红色;
  • 用户变量仍然为黑色。

一般语法

编辑

OpenHMPP指令的一般语法如下:

  • C语言:
#pragma hmpp <grp_label> [codelet_label]? directive_type [,directive_parameters]* [&]
  • FORTRAN语言:
!$hmpp <grp_label> [codelet_label]? directive_type [,directive_parameters]* [&]

其中:

  • <grp_label>: 是命名一组 codelets 的唯一标识符。在应用程序中没有组被定义的情况下, 这个标签可以简单地略过。Legal标签必须遵循此语法: [a-z,A-Z,_][a-z,A-Z,0-9,_]*。请注意 “< >” 字符属于语法,且对这类标签是强制性的。
  • codelet_label: 是命名一个codelet的唯一标识符。Legal 标签必须遵循此语法: [a-z,A-Z,_][a-z,A-Z,0-9,_]*
  • directive: 是指令的名称;
  • directive_parameters: 指定一些指令相关联的参数。这些参数可能是不同类型并指定 给指令的某些参数或执行的一种模式(例如同步与异步);
  • [&]: 是用于在下一行继续该指令的字符 (C和FORTRAN都是相同的)。

指令参数

编辑

关联到一个指令的参数可能是不同类型。以下是 在HMPP中定义的指令参数:

  • version = major.minor[.micro]: 由预处理器指定HMPP指令的版本。
  • args[arg_items].size={dimsize[,dimsize]*}: 指定一个非标量参数 (数组)的大小。
  • args[arg_items].io=[in|out|inout]: 表示指定函数参数是输入, 输出或两者兼而有之。默认情况下, 非限定参数为输入。
  • cond = "expr": 指定组或codelets开始执行的一个条件C或Fortran布尔表达式的值为是 C或Fortran布尔表达式的值为true。
  • target=target_name[:target_name]*: 指定是哪个target以尝试使用给定的顺序。
  • asynchronous: 指定不阻止codelet的 执行 (默认是同步的)。
  • args[<arg_items>].advancedload=true: 表明指定的参数是预加载的。只有in或inout参数可以被预加载。
  • args[arg_items].noupdate=true: 此属性指定 硬件上的数据已经可用,因此不需要转换。 当设置了此属性时, 所考虑的参数没有任何传递。
  • args[<arg_items>].addr="<expr>": <expr>是一个表达式,给出了数据上载的地址。
  • args[<arg_items>].const=true: 表示参数只要上载一次。

OpenHMPP 指令

编辑

声明和执行一个codelet的指令

编辑

codelet指令声明在硬件加速器上远程执行计算。
codelet 指令:

  • codelet标签是强制性的并且在应用程序中是唯一的
  • 如果没有组被定义则不需要组标签。
  • Codelet指令在函数声明之前插入。

该指令的语法是:

#pragma hmpp <grp_label> codelet_label codelet 
                            [, version = major.minor[.micro]?]?
                            [, args[arg_items].io=[[in|out|inout]]*
                            [, args[arg_items].size={dimsize[,dimsize]*}]*
                            [, args[arg_items].const=true]*
                            [, cond = "expr"]
                            [, target=target_name[:target_name]*]

可以在一个函数中加入多个codelet指令,以便指定不同用途或不同执行文本。但是, 一个给定调用站点标签只能有一个codelet指令。 Callsite指令指定程序内的给定点如何使用一个codelet。
该指令的语法是:

#pragma hmpp <grp_label> codelet_label callsite
                     [, asynchronous]?
                     [, args[arg_items].size={dimsize[,dimsize]*}]*
                     [, args[arg_items].advancedload=[[true|false]]*
                     [, args[arg_items].addr="expr"]*
                     [, args[arg_items].noupdate=true]*

这里有一个例子:

/* declaration of the codelet */

#pragma hmpp simple1 codelet, args[outv].io=inout, target=CUDA
static void matvec(int sn, int sm, loat inv[sm], float inm[sn][sm], float *outv){
    int i, j;
    for (i = 0 ; i < sm ; i++) {
      float temp = outv[i];
      for (j = 0 ; j < sn ; j++) {
        temp += inv[j] * inm[i][ j];
    }
   outv[i] = temp;
 }
 
 int main(int argc, char **argv) {
   int n;
   ........
 
 /* codelet use */
 #pragma hmpp simple1 callsite, args[outv].size={n}
 matvec(n, m, myinc, inm, myoutv);
   ........
 }

某些情况下, 需要具体管理整个应用程序的数据(CPU/GPU 数据移动优化, 共享变量...)。
group指令允许声明一组codelets。 指令中定义的参数应用于所有属于该组的 codelets。

该指令的语法是:

#pragma hmpp <grp_label> group 
                          [, version = <major>.<minor>[.<micro>]?]? 
                          [, target = target_name[:target_name]*]]? 
                          [, cond  = “expr]?

数据传输指令可以优化通信开销

编辑

硬件使用时的主要瓶颈通常是硬件和住处理器之间的数据传输。
要限制通信开销,可以通过使用硬件的异步属性,连续执行相同的codelet以重叠数据传输。

  • allocate指令

allocate指令锁定硬件,并分配所需的内存量。 #pragma hmpp <grp_label> allocate [,args[arg_items].size={dimsize[,dimsize]*}]*

  • release指令

release指令指定何时为一组或一个独立codelet释放硬件。

#pragma hmpp <grp_label> release
  • advancedload 指令

advancedload指令在codelet远程执行之前预取数据。 #pragma hmpp <grp_label> [codelet_label]? advancedload

                  ,args[arg_items]
                  [,args[arg_items].size={dimsize[,dimsize]*}]*
                  [,args[arg_items].addr="expr"]*
                  [,args[arg_items].section={[subscript_triplet,]+}]*
                  [,asynchronous]
  • delegatedstore 指令

delegatedstore指令是一个同步障,以等待一个异步codelet执行完成,然后下载结果。 #pragma hmpp <grp_label> [codelet_label]? delegatedstore

                ,args[arg_items]
                [,args[arg_items].addr="expr"]*
                [,args[arg_items].section={[subscript_triplet,]+}]*
  • 异步计算

同步指令指定等待,直到一个异步callsite执行完成。对于同步指令, codelet 标签始终是强制性的,并且若是codelet属于一个组,需要有组标签。 #pragma hmpp <grp_label> codelet_label synchronize

  • 示例

在下面的例子中,完成设备初始化,内存分配和输入数据的上载在循环外只有一次,而不是每次循环迭代。
同步指令允许在启动另一个迭代之前等待codelet的异步执行的完成。最后在循环外delegatedstore指令将上载sgemm结果。

int main(int argc, char **argv) {

#pragma hmpp sgemm allocate, args[vin1;vin2;vout].siez={size,size}
#pragma hmpp sgemm advancedload, args[vin1;vin2;vout], args[m,n,k,alpha,beta]
  
for ( j = 0 ; j < 2 ; j ++) {
   #pragma hmpp sgemm callsite, asynchronous, args[vin1;vin2;vout].advancedload=true, args[m,n,k,alpha,beta].advancedload=true
   sgemm (size, size, size, alpha, vin1, vin2, beta, vout);
   #pragma hmpp sgemm  synchronize
}

#pragma hmpp sgemm delegatedstore, args[vout]
#pragma hmpp sgemm release

Codelets之间共享数据

编辑

这些指令共同映射所有参数共享所有组的给定名称。
所有映射参数的类型和尺寸必须是相同的。 map指令映射设备上的几个参数。 #pragma hmpp <grp_label> map, args[arg_items]

此指令除了参数按其名称直接指定映射之外,与map指令很类似。 mapbyname 指令相当于多映射指令。

#pragma hmpp <grp_label> mapbyname [,variableName]+

全局变量

编辑

Resident指令声明某些变量在一个组内为全局变量。 然后可以从任何属于组的codelet中直接访问这些变量。此指令应用于源代码中在其之后的声明语句。

此指令的语法是:

#pragma hmpp <grp_label> resident 
               [, args[::var_name].io=[[in|out|inout]]*
               [, args[::var_name].size={dimsize[,dimsize]*}]*
               [, args[::var_name].addr="expr"]*
               [, args[::var_name].const=true]*

符号::var_name 以::为前缀, 表示一个应用程序的变量声明为resident。

加速区

编辑

codelet/callsite指令合并为一个区域。目的是避免代码重构中构建codelet。 因此,所有codelet或callsite指令可用属性都可以用于regions指令。 在C语言中:

#pragma hmpp [<MyGroup>] [label] region         
                           [, args[arg_items].io=[[in|out|inout]]*
                           [, cond = "expr"]<
                           [, args[arg_items].const=true]*
                           [, target=target_name[:target_name]*]
                           [, args[arg_items].size={dimsize[,dimsize]*}]*
                           [, args[arg_items].advancedload=[[true|false]]*
                           [, args[arg_items].addr="expr"]*
                           [, args[arg_items].noupdate=true]*
                           [, asynchronous]?
                           [, private=[arg_items]]*
   {
C BLOCK STATEMENTS
   }

实现

编辑

HMPP开放标准基于HMPP 2.3版本(2009年5月, CAPS 公司).

HMPP基于指令的编程模型已经实现如下:

  • HMPP 工作台, 用于混合计算的CAPS企业编译器
  • PathScale ENZO 编译器套件(支持NVIDIA GPUs)


此外,HMPP开放标准用于石油和天然气,能源,制造业,金融,教育及研究领域的高性能计算,让开发人员使用大部分多核处理器,同时保留其遗留资源。

参阅

编辑

参考

编辑