合作内核：面向阻塞算法的GPU并行编程新策略（FSE 2017）

Cooperative Kernels: GPU Multitasking for Blocking Algorithms是一篇发表于2017年FSE（International Conference on Formal Methods in Computer-Aided Design）的研究论文，由来自Imperial College London的Tyler Sorensen、Hugues Evrard和Alastair F. Donaldson共同撰写。随着对GPU性能提升的需求增加，研究人员注意到如何优化非规则数据并行算法在GPU上的执行成为了一个重要课题。这些算法通常采用阻塞（Blocking）策略，这意味着它们需要一个公平的调度机制。 传统的GPU编程模型，如OpenCL，虽然支持大规模并行计算，但并没有强制实施公平调度。实际上，当前的GPU调度器在实践中往往不够公平，这可能会限制算法的效率，特别是当与图形渲染等其他任务共享资源时。为了克服这个问题，作者提出了“合作内核”（Cooperative Kernels）的概念。 合作内核是对传统GPU编程模型的一种扩展，特别设计用于编写阻塞算法。其核心思想是将工作群组进行公平调度，确保每个任务都能获得适当的时间片。通过引入一组语言扩展，工作群组和调度器能够协同工作，实现真正的多任务处理。这样，即使在同一GPU上运行多个阻塞算法，也能保证性能的平衡，不会因为争夺资源而影响整体效率。 该论文详细描述了合作内核的原型实现，包括如何在现有API中嵌入这些扩展，以及如何调整调度策略以适应阻塞算法的特性。此外，论文还探讨了这种方法在实际应用中的效果，比如在并行矩阵乘法、图遍历等典型计算密集型任务中的性能提升。通过这种方式，研究者旨在推动GPU编程模型的发展，使之更好地支持非规则数据并行算法的执行，提高整体计算性能。