CPU微架构下的高性能计算：G80/GT200体系结构与CUDA应用优化

本文主要探讨了基于CPU微体系结构的高性能计算，特别是在多核/众核处理器架构中的GPU应用。随着处理器技术的飞速发展，多核处理器已经成为研究的热点，其中GPU因其卓越的计算能力在众多架构中脱颖而出。不同于传统的图形图像领域，GPU也被证明能大幅度提升高性能计算中的核心算法效率，为未来体系结构的设计提供了有价值的方向。 论文深入研究了NVIDIA公司的G80/GT200体系结构和CUDA编程模型。CUDA作为一种GPU编程框架，使得开发者可以利用GPU的并行计算特性来实现高性能算法。作者针对CUDA，设计并优化了多种排序算法，如数组倒序、奇偶排序和双调排序，这些算法在GPU上表现出色，性能提升显著，分别达到了4.1倍、17倍和25倍的加速效果。此外，论文还涉及到了矩阵乘法的加速，通过利用GPU的纹理Cache、提高计算访存比和预取技术，实现了大约10%、60%和8.7%的性能提升。 作者进一步探讨了在CPU-GPU异构系统中的任务划分策略，通过这种方式，矩阵乘法性能提升了10%，这表明了有效利用GPU的优势对于提升整体计算性能的重要性。论文还借助GPU性能模拟器GPGPU.Sim，对不同架构配置下的算法进行了模拟分析，同时对未来GPU微体系结构的改进提出了潜在设想。 该研究内容涵盖了国家863计划的两个关键项目——“通用流处理器体系结构关键技术研究”和“可重构异构流处理器的体系结构技术研究”，以及国家自然科学基金的“面向科学计算的异构多流体系结构关键技术研究”。研究成果直接服务于课题组的高性能计算应用。 本文的关键词包括GPU、CUDA、GPGPU.Sim、排序算法、矩阵乘法和任务划分，全面展示了在CPU微体系结构背景下，如何通过GPU的特性实现高性能计算的创新方法和技术突破。