粗粒度可重构体系结构中核心循环的高效流水映射技术

"核心循环到粗粒度可重构体系结构的流水化映射1" 本文主要探讨了如何将数据密集型应用中的核心循环有效地映射到粗粒度可重构体系结构（Coarse-Grained Reconfigurable Architectures, CGRAs）上，以提升性能并优化资源开销。粗粒度可重构架构是一种灵活且高效的计算平台，特别适用于处理大量数据的计算任务。然而，如何确保核心循环在CGRAs上的执行性能和成本之间的平衡是一个重大的挑战。 作者王大伟、窦勇和李思对现有工作进行了深入分析，发现映射核心循环到CGRAs的方法存在不足，因此提出了一种创新的自动流水映射策略。他们首先形式化了核心循环到CGRAs的流水映射问题，这意味着将循环的执行过程转化为可以流水化的步骤，以提高执行效率。接着，他们详细阐述了CGRAs的资源共享机制，这是实现流水化的关键，因为有效的资源共享可以减少硬件资源的重复使用，提高系统效率。 文章中还定义了一个循环自流水的CGRAs体系结构模板，该模板设计允许循环内部的操作在不同阶段并行执行，同时保持数据依赖关系的正确性。这种自流水特性使得核心循环能够更高效地利用CGRAs的并行处理能力。此外，作者给出了具体的映射方法，旨在最小化资源占用并最大化吞吐量。 通过实验对比，作者证明了他们提出的方法相对于现有先进方法有显著的优势。实验结果显示，资源占用率降低了16.3%，吞吐量提高了169.1%。这些成果表明，该方法对于提高CGRAs上数据密集型应用的执行效率具有重要意义，对于未来可重构计算和高性能计算领域的研究有着积极的推动作用。 关键词：可重构计算，粗粒度可重构体系结构，数据密集型应用，循环自流水，计算机科学，资源利用率，吞吐量 中图法分类号：TP302 DOI号：10.3724/SP.J.1016.2009.01089 这个研究为理解和优化CGRAs上的核心循环执行提供了理论基础和实践指导，对于设计更高效的可重构计算系统具有重要价值。