Ch1 高等計算機(jī)的核心技術(shù)-并行處理

高等計算機(jī)系統(tǒng)結(jié)構(gòu)研究生課程高等計算機(jī)系統(tǒng)結(jié)構(gòu)課程介紹參考書目：1．PattersonD.A.，Hennesy

J.L.，Computer

Architecture：AQuantitativeApproach，Morgan

KanfmannPublishers，1995。2．ComputerOrganization &Design：The

Hardware／SoftwareInterface。第一章高等計算機(jī)的核心技術(shù)——并行處理第二章加速比性能模型與可擴(kuò)展性分析第三章互連與通信第四章劃分與調(diào)度第五章并行存儲器系統(tǒng)第六章CacheCoherence第七章MemoryConsistency第八章指令級并行處理第一章高等計算機(jī)的核心技術(shù)——并行處理1.1什么是并行處理

1.1.1并行處理定義 1.1.2并行性級別1.2為什么要開發(fā)并行處理技術(shù)1.3并行處理計算機(jī)結(jié)構(gòu)沿革1.4其它并行處理計算機(jī)技術(shù)1.1什么是并行處理1.1.1并行處理定義并行處理是指同時對多個任務(wù)或多條指令、或同時對多個數(shù)據(jù)項進(jìn)行處理。 完成此項處理的計算機(jī)系統(tǒng)稱為并行處理計算機(jī)系統(tǒng)。弗林分類法按照指令流和數(shù)據(jù)流多倍性的特點，計算機(jī)可以劃分為以下四類：1、SISD：單指令流單數(shù)據(jù)流計算機(jī)2、SIMD：單指令流多數(shù)據(jù)流計算機(jī)3、MISD：多指令流單數(shù)據(jù)流計算機(jī)4、MIMD：多指令流多數(shù)據(jù)流計算機(jī)SISD：傳統(tǒng)的單CPU順序機(jī)SIMD：空間并行，多PE，向量處理MISD：流水線＋脈動陣列，專用MIMD：真正的并行處理機(jī)，包括共享存儲器型和消息傳遞型。MMPUCUDSISIS1、SISD：單指令流單數(shù)據(jù)流計算機(jī)

SISD典型單處理機(jī)，包括：單功能部件處理機(jī)：IBM1401，VAX-11

多功能部件處理機(jī)：IBM360/91，370/168，CDC6600

流水線處理機(jī)：標(biāo)量流水線處理機(jī)MM1PU2CU….ISISPUnPU1MM2MMnDS2DSnDS12、SIMD：單指令流多數(shù)據(jù)流計算機(jī)

SIMD并行處理機(jī)、陣列處理機(jī)、向量處理機(jī)、相聯(lián)處理機(jī)、超標(biāo)量處理機(jī)、超流水線處理機(jī)、…多個PU按一定方式互連，在同一個CU控制下，多各自的數(shù)據(jù)完成同一條指令規(guī)定的操作；從CU看，指令順序（串行）執(zhí)行，從PU看，數(shù)據(jù)并行執(zhí)行。3、MISD：多指令流單多數(shù)據(jù)流計算機(jī)MMCU1PU1CUnPUnCU2PU2……IO脈動式陣列（systolicarray）PU2CU1….IS3IS1PUnPU1MM1DS1CU2CUn….IS2MM2DS2MM2DS2IS1IS2IS3包括：緊密偶合：IBM3081、IBM3084松散偶合：D-825、Cmmp、CRAP-23、MIMD：多指令流單多數(shù)據(jù)流計算機(jī)

同時性（simultaneity）——兩個或多個事件在同一時刻發(fā)生，資源重復(fù)。

并發(fā)性（concurrency）——兩個或多個事件在同一時間間隔內(nèi)發(fā)生，分時共用。

流水特性（pipelining）——在一個重疊的時間內(nèi)所發(fā)生的流水事件，時間重疊。

1.1.2并行性級別

粒度（granularity）：衡量一個軟件進(jìn)程的計算量的度量。最簡單的是指此程序段中的指令數(shù)。分細(xì)、中、粗三種。 按粒度的不同，并行性級別可以分為指令級、循環(huán)級、過程級、子程序級和作業(yè)級等不同的層次。它們對應(yīng)的計算粒度可以為細(xì)粒度、中粒度和粗粒度。如下：1.指令級并行典型細(xì)粒度，一般少于20條指令。借助優(yōu)化編譯器自動檢測并行性，將源代碼變成運(yùn)行時系統(tǒng)能識別的并行形式。2.循環(huán)級并行

典型循環(huán)含少于500條指令，由于有些循環(huán)操作在連續(xù)迭代中并不相關(guān)，易于向量化，是在并行機(jī)或向量機(jī)上運(yùn)行的最優(yōu)程序結(jié)構(gòu)。遞歸循環(huán)的并行化比較困難。向量處理由優(yōu)化編譯器在循環(huán)級開發(fā)，仍屬于細(xì)粒度計算。3.過程級并行

中粒度并行，指令少于2000條，分析過程間的并行性比細(xì)粒度要困難。有時需要重新設(shè)計程序，并要編譯器的支持。SIMD、多任務(wù)處理屬于這一層。4.子程序級并行（粗）中粒度并行，幾千條指令，常在messagepassing多計算機(jī)上以SIMD或MIMD方式執(zhí)行。并行性主要由算法設(shè)計人員與程序員開發(fā)。5.作業(yè)級并行粗粒度并行，數(shù)萬條指令，常由加載程序和操作系統(tǒng)處理這類并行性，靠算法有效性來保證。一般說來： 細(xì)粒度：用并行化或向量化編譯器來開發(fā)，共享變量通信支持。 中粒度：靠程序員和編譯器一起開發(fā)，共享變量通信。 粗粒度：取決于操作系統(tǒng)和算法的效率，消息傳遞通信。例子：在共享存儲器型多處理機(jī)上執(zhí)行：

L1: DO 10 I=1,N L2: A(I)=B(I)+C(I) L3: 10 Continue L4: SUM=0 L5: DO 20 J=1,N L6: SUM=SUM+A(J) L7: 20 Continue假設(shè)：L2，L4，L6每行要用一個機(jī)器周期。L1，L3，L5，L7所需時間可以忽略。 所有數(shù)組已經(jīng)裝入主存，程序已裝入Cache中（取指令和加載數(shù)據(jù)可以忽略不計）。 忽略總線爭用或存儲器訪問沖突。 上面的程序?qū)嶋H上把數(shù)組B(I)和C(I)相加，最后得到一個總和。

共享存儲多處理機(jī)結(jié)構(gòu)如下圖：P1P2……Pm系統(tǒng)互連I/OSM1……SMm處理機(jī)共享存儲器 在單機(jī)系統(tǒng)中，2N個周期可以完成上述的操作：

I循環(huán)中執(zhí)行N次獨立迭代需要N個周期；

J循環(huán)中執(zhí)行N次遞歸迭代也需要N個周期。 在共享存儲型的多處理機(jī)系統(tǒng)上： 假設(shè)有M臺處理機(jī)，可以將循環(huán)分成M段，每段有L=N/M個元素。 代碼如下所示：

Doall k=1,M Do10I=L(k-1)+1,kL A(I)=B(I)+C(I) 10 Continue

SUM(k)=0 Do20J=1,L

SUM(k)=SUM(k)+A(L(k-1)+J) 20 Continue

Endall 分段的I循環(huán)可以在L個周期中完成； 分段的J循環(huán)在L個周期中產(chǎn)生M個部分和。 所以產(chǎn)生所有的M個部分和共需要2L個周期（還需要將這些部分和合并）。 假設(shè)經(jīng)過共享存儲器的處理機(jī)之間的每次通信操作需要k個周期。 設(shè)N=32，M=8，則經(jīng)過2L（即8個周期）后在8臺處理機(jī)上各有一個部分和，還需要8個數(shù)相加。 為了合并部分和，可以設(shè)計一個l層的二進(jìn)制加法樹，其中l(wèi)=log2M，加法樹用l(k+1)個周期從樹葉到樹根順序合并M個部分和，如下：

二進(jìn)制加法樹： 所以，多處理機(jī)系統(tǒng)需要 才能得到最終的結(jié)果。 假定數(shù)組中有N=220個元素，順序執(zhí)行需要2N=221個機(jī)器周期，假設(shè)機(jī)器間通信的開銷平均值為k=200個周期，則在M=256臺處理機(jī)的并行執(zhí)行需要：第一章高等計算機(jī)的核心技術(shù)——并行處理 1.1什么是并行處理

1.2為什么要開發(fā)并行處理技術(shù) 1.3并行處理計算機(jī)結(jié)構(gòu)沿革 1.4其它并行處理計算機(jī)技術(shù)1.2為什么要開發(fā)并行處理技術(shù)

對單用戶，可以提高加速比（SpeedupOriented)；

對多用戶，可以提高吞吐率（ThroughputOriented).

對不同的需求我們可以做需求分析如下： 1.天氣預(yù)報 天氣預(yù)報模式為非線性偏微分方程，預(yù)報臺風(fēng)暴雨過程，計算量為1014—1016次浮點運(yùn)算，需要10GFlops—100GFlops的巨型機(jī)。 用途：局部災(zāi)害性天氣預(yù)報。2.石油工業(yè)

地震勘探資料處理 油藏數(shù)值模擬 測井資料處理 地震勘探由數(shù)據(jù)采集、數(shù)據(jù)處理和資料解釋三階段組成。 目前采用的三維地震勘探比較精確的反映地下情況，但數(shù)據(jù)量大，處理周期長。

100平方公里的三維勘探面積，道距25米，60次覆蓋，6秒長記錄，2毫秒采樣，一共采集2.881010個數(shù)據(jù)，約為116GB。 疊加后數(shù)據(jù)為4.8108個數(shù)據(jù)。用二維疊前深度偏移方法精確的產(chǎn)生地下深度圖像，需要進(jìn)行251012FLOP，采用100MFLOPs機(jī)器計算250天，1GFLOPs機(jī)計算25天，10GFLOPs機(jī)器35分?？紤]到機(jī)器持續(xù)速度常常是峰值速度的10-30%，所以需要100GFlops的機(jī)器。CrayT932/32約為60GFLOPs。3.航空航天 研究三維翼型對飛機(jī)性能的影響。數(shù)值模擬用時間相關(guān)法解Navier-Stoker方程，網(wǎng)格分點為1204050，需內(nèi)存160MB，6億計算機(jī)上解12小時，如果在數(shù)分鐘內(nèi)完成設(shè)計，則需要千億次計算機(jī)。4.重大挑戰(zhàn)性課題需求（圖3.5）

計算空氣動力學(xué)：千億次/秒（1011）

圖像處理： 百億次/秒（1010）

AI： 萬億次/秒（1012）5.核武器 核爆炸數(shù)值模擬，推斷出不同結(jié)構(gòu)與不同條件下核裝置的能量釋放效應(yīng)。 壓力： 幾百萬大氣壓 溫度： 幾千萬攝氏度 能量在秒級內(nèi)釋放出來。設(shè)計一個核武器型號，從模型規(guī)律、調(diào)整各種參數(shù)到優(yōu)選，需計算成百上千次核試驗。LosAlamos實驗室要求計算一個模型的上限為8-10小時。 千萬次機(jī)上算橢球程序的計算模型需要40-60CPU小時。 二維計算，每方向上網(wǎng)格點數(shù)取100，二維計算是一維的200倍，三維是一維的33000倍。若每維設(shè)1000網(wǎng)格點，則三維計算是一維的幾十萬倍之多。此時對主存儲器容量要數(shù)十、數(shù)百億字單元（64位）。 另外還有I/O能力的要求，可視化圖形輸出。 6.解決方案只有開發(fā)并行處理技術(shù)才能滿足要求：

3Tperformance：

TeraflopsofComputingPower TerabyteofMainMemory Terabyte/sofI/Obandwidth第一章高等計算機(jī)的核心技術(shù)——并行處理1.1什么是并行處理1.2為什么要開發(fā)并行處理技術(shù)1.3并行處理計算機(jī)結(jié)構(gòu)沿革

1.3.1向量機(jī)與多向量機(jī) 1.3.2SIMD計算機(jī) 1.3.3Shared-MemoryMultiprocessors 1.3.4Distributed-MemoryMultiprocessors

1.3.5四類實用的并行系統(tǒng)1.4其它并行處理計算機(jī)技術(shù)1.3并行處理計算機(jī)結(jié)構(gòu)沿革1.3.1向量機(jī)與多向量機(jī)向量機(jī)的結(jié)構(gòu)如下圖：ScalarFunctionalpipelinesScalarControlunitscalarprocessorscalarinstructionMainMemory(Programanddata)MassStorageHostComputerI/O(user)VectorControlunitvectorregistersvectorprocessorcontrolVectorFunctionalpipelinesVectorFunctionalpipelines……vectorinstruction程序和數(shù)據(jù)從Host進(jìn)入主機(jī)指令先在Scalarcontrolunit譯碼，如是標(biāo)量或控制操作指令，則在標(biāo)量功能流水部件種執(zhí)行。如果是向量指令，則進(jìn)入向量控制部件。register-to-register：

Crayseries FujitsuVP2000seriesmemory-to-memory：

Cyber205多向量機(jī)發(fā)展過程：CDC7600(CDC,1970)CDCCyber205(Levine,1982)Memory-MemoryCray1(Russell,1978)register-registerETA10(ETA,Inc,1989)CrayY-MPCrayResearch1989FujitsuNECHitachiModelsCrayMPPCrayResearch1993其中：

CrayY-MP,C90：

Y-MP有2，4，8個處理器，而C90有16個處理單元（PE），處理速度16GFlops。

ConvexC3800family：8個處理器，4GB主存儲器，

Peakperformance為2GFlops。1.3.2SIMD計算機(jī)SIMD計算機(jī)的結(jié)構(gòu)如下圖：ControlUnitProc0Mem0Proc1Mem1……ProcN-1MemN-1PE0PE1PEN-1InterConnectionNetworkMasParMP-1：可有1024，4096，…，16384個處理器。在16KPEs，32位整數(shù)運(yùn)算，16KB局部存儲器模塊的配置下，可達(dá)26000MIPS，單精度浮點運(yùn)算1.5GFlops，雙精度浮點運(yùn)算650MFlops。CM-2：

65536個處理單元，1Mbit/PE。 峰值速率為28GFlops，持續(xù)速率5.6GFlops。SIMD計算機(jī)發(fā)展過程圖如下：IlliacIV(1968)GoodYearMPP(1980)BSP(1982)MasParMP1(1990)IBMGF/11(1985)DAP610(AMT，Inc.1987)CM2(1990)CM5(1991)1.3.3MIMD－Shared-MemoryMultiprocessorsUMA(Uniform-memory-access)model：

物理存儲器被所有處理機(jī)均勻共享，所有處理機(jī)對所有存儲字具有相同的存取時間。P0I/OP1SM1……PnSMnInterConnectionNetwork(Bus、Crossbar、MultistageNetwork)……處理器共享存儲器NUMA(NonUniform-memory-access)model：訪問時間隨存儲字的位置不同而變化。P1……PnLMnInter-ConnectionNetwork……LM1P2LM2……COMA(Cache-onlymemoryarchitecture)：只用高速緩存的多處理機(jī) 遠(yuǎn)程高速緩存訪問則借助于分布高速緩存目錄進(jìn)行。PDInterConnectionNetwork……distributedcachedirectoriesCPDCPDCKendallSquareResearch’sKSR-1Shared-MemoryMultiprocessors發(fā)展過程如下：Cmmp(cmu,1972)IllinoisCedar(1987)UltraComputerNYU(1983)FujitsuVPP500(1992)IBMRP3(1985)BBNButterfly(1989)stanford/Dash(1992)KSR-1(1990)1.3.4MIMD－Distributed-MemoryMultiprocessorsP……Message-passinginterconnectionnetwork(Mesh,ring,torus,hypercube,cube,cycle)MPMPMP……PPMMMMP……MPMP……MP例子：

IntelParagonXP/s：

采用50MHz的i860處理器，每個節(jié)點16-128MB主存儲器，采用2D-Mesh互連，浮點運(yùn)算5-300GFlops，或2.8-160Gips。

nCube2SModel80：

有4096-8192個PE，主存儲器16384-262144MB，浮點運(yùn)算163800-34000MFlops，整數(shù)運(yùn)算61000-123000MIPS。 CosmicCube(1981)nCube-2/6400(1990)Mosaic(1992)Intelparagon(1992)MIT/Jmachine(1992)intel

iPSC’s(1983)Distributed-Memorymultiprocessors發(fā)展進(jìn)程：1.3.5四類實用的并行系統(tǒng)1.向量機(jī)與多向量機(jī)硬、軟件技術(shù)相對成熟、應(yīng)用廣泛、市場占有率高。很難達(dá)到3Tperformance來解決GrandChallenge

問題。 下面圖表說明了這一類機(jī)器的發(fā)展過程。GFlops100100.11976197919821985198819911994YearCray1/10.16GFCrayX-MP/20.24GFCray2/41.9GFCrayY-MP/82.6GFCrayJ916/163.2GFCrayC916/1616GFCrayT932/3260GF2.對稱式多處理機(jī)SMP

SMP：Symmetric

MultiProcessors SharedMemorymultiProcessors SmallsizeMultiProcessors

處理機(jī)之間無主從之分，對外有相同的訪問權(quán)，都有執(zhí)行操作系統(tǒng)核心和I/O服務(wù)程序的能力。 共享存儲器、統(tǒng)一地址空間，系統(tǒng)編程比較容易。

CPU可多至16臺左右，做服務(wù)器用，市場前景好。典型的SMP有：

SunSPARCserver1000 SunSPARCcenter2000 SGIPowerChallengeSGIPowerChallengeL：2-6CPU，1.8GFlopsSGIPowerChallengeXL：

2-18CPU，5.4GFlops

*64位MIPSchip，每周期指令發(fā)射數(shù)為4

*8路交錯主存、帶寬為1.2GB/s

*I/O帶寬320MB/s（每個控制器），配置4個可達(dá)1.2GB/s3.MPP系統(tǒng)（分布存儲）多于100個PE，消息傳遞，分布存儲； 可擴(kuò)展，峰值可達(dá)3Tperformance；

貴，市場有限； 持續(xù)速度是峰值速度的3-10%； 可解決某些GrandChallenge問題，是國家綜合實力的象征。 4.機(jī)群系統(tǒng)

NOW：NetworkOfWorkstations

COW：ClusterOfWorkstations特點： 投資風(fēng)險小，軟件財富繼承性好；可構(gòu)成異構(gòu)系統(tǒng)，資源利用率高； 通信開銷大。 一種典型的機(jī)群系統(tǒng)結(jié)構(gòu)如下：CPUMemoryI/OCPUMemoryI/O……CPUMemoryI/OI/OI/OI/OMemoryMemory……MemoryCPUCPUCPUNetwork第一章高等計算機(jī)的核心技術(shù)——并行處理

1.1什么是并行處理 1.2為什么要開發(fā)并行處理技術(shù)

1.3并行處理計算機(jī)結(jié)構(gòu)沿革

1.4其它并行處理計算機(jī)技術(shù)1.4其它并行處理計算機(jī)技術(shù)1.數(shù)據(jù)流技術(shù) dataflow以數(shù)據(jù)驅(qū)動機(jī)制代替控制流機(jī)制 當(dāng)功能部件輸入端的操作數(shù)可用時就啟動執(zhí)行；可開發(fā)程序中所有的并行性，但費(fèi)用昂貴，實際性能與功能部件數(shù)量、存儲器帶寬以及掛起和可用部件相匹配的程度有關(guān)。 如：MIT的MonSoos，*T

ETL的Sigma1，EM52.多線程 每臺處理機(jī)有多個控制線程，同時運(yùn)行多個現(xiàn)場，是實現(xiàn)時延隱藏的一種有效機(jī)制。 比如:

Tera，Alewife

成本高。3.邏輯推理與規(guī)約結(jié)構(gòu) 邏輯推理： 日本第五代機(jī)，面向邏輯語言、執(zhí)行速度慢，軟件與程序設(shè)計環(huán)境欠豐富。

規(guī)約結(jié)構(gòu)：

Alice，PGR，面向函數(shù)語言，執(zhí)行速度慢，軟件與環(huán)境欠豐富。4.關(guān)鍵技術(shù) 并行算法（數(shù)值算法與非數(shù)值算法） 并行計算模型 互連與通信 并行存儲技術(shù) 同步與時延隱藏技術(shù) 并行I/O

劃分、調(diào)度與負(fù)載平衡 優(yōu)化編譯 并行調(diào)試 工具與環(huán)境5.美國的主要行動（1）組織基于NSF的國家科學(xué)計算聯(lián)盟 （NationalComputationalScienceAlliance）

建立國家科技網(wǎng)（Grid）：97.11開始，五年計劃，總經(jīng)費(fèi)3.4億美元。

目標(biāo)：使美國在全國范圍內(nèi)的元計算機(jī)（網(wǎng)上的計算機(jī)可作為一個整體看待）達(dá)到實用水平。 為在桌面上解決計算科學(xué)與工程時提供一個有力的解題環(huán)境。 解決基于元計算環(huán)境的并行、分布、協(xié)作和immersive等問題。

UIUC、San

Diago組織實施。（2）DOE（能源部）支持的ASIC計劃 （AcceleratedStrategicComputingInitiative）

保證在21世紀(jì)美國在核研究和核儲備繼續(xù)處于領(lǐng)先地位。 以LosAlamos，