發(fā)布時(shí)間：2017-04-09 16:19

  本文關(guān)鍵詞：基于重用距離的GPU緩存缺失分析模型的設(shè)計(jì)與驗(yàn)證，，由筆耕文化傳播整理發(fā)布。

【摘要】：近十年來(lái),GPU從專用圖形處理器逐漸發(fā)展成通用計(jì)算平臺(tái),憑借其強(qiáng)大的并行計(jì)算能力和功耗控制能力,GPU通用計(jì)算在科學(xué)計(jì)算領(lǐng)域得到了廣泛的應(yīng)用和關(guān)注。由于GPU芯片將大部分面積都分配給計(jì)算單元,僅分配少量芯片面積給緩存和控制單元,大量GPU應(yīng)用程序的性能受限于GPU的訪存速度,而非計(jì)算能力。對(duì)于GPU訪存限制型應(yīng)用程序,緩存使用效率對(duì)程序整體性能影響顯著,優(yōu)化緩存使用效率以提高整體性能是一種重要的手段。為了幫助程序開(kāi)發(fā)者理解GPU緩存行為特征,選擇恰當(dāng)?shù)木彺鎯?yōu)化方法,準(zhǔn)確性高、速度快、功能全的GPU緩存缺失分析工具就顯得的尤為重要。本文根據(jù)GPU并行計(jì)算平臺(tái)的特點(diǎn),優(yōu)化了重用距離算法在GPU平臺(tái)的精度和速度,并設(shè)計(jì)了基于重用距離的GPU緩存缺失分析模型。具體地,根據(jù)GPU緩存微結(jié)構(gòu)特征,修正重用距離算法中核心數(shù)據(jù)的更新時(shí)間,修正線程阻塞信息的使用機(jī)制,提升了GPU平臺(tái)下重用距離算法精度。然后,根據(jù)GPU線程維度設(shè)置,將重用距離計(jì)算劃分為多個(gè)子任務(wù)并行完成；合并訪存記錄以節(jié)省存儲(chǔ)空間；根據(jù)訪存總數(shù)量改變?cè)L存序列采樣標(biāo)準(zhǔn)；提升GPU平臺(tái)下重用距離算法速度。最后,基于重用距離理論,建立GPU緩存缺失分析模型,分析GPU應(yīng)用程序的緩存行為特征。除了實(shí)現(xiàn)傳統(tǒng)的緩存缺失類型分析,還提出緩存容量敏感性分析,預(yù)測(cè)在緩存容量發(fā)生變化時(shí),缺失率將如何改變；以及,指令級(jí)緩存缺失分析,將GPU程序的緩存缺失定位到具體的訪存指令。經(jīng)過(guò)在PolyBench/GPU和Parboil兩個(gè)GPU測(cè)試集上的驗(yàn)證實(shí)驗(yàn),優(yōu)化后,本文設(shè)計(jì)的GPU平臺(tái)重用距離算法的平均誤差由13.6%降至5.74%,重用距離計(jì)算的平均時(shí)間開(kāi)銷由7749ms降低到1297ms。此外,為了檢驗(yàn)?zāi)Ｐ偷膶?shí)用性,將其運(yùn)用于具體的GPU應(yīng)用程序緩存缺失行為特征的分析中,并根據(jù)模型的分析結(jié)果,針對(duì)性地設(shè)計(jì)緩存性能優(yōu)化方案,根據(jù)實(shí)驗(yàn)結(jié)果,優(yōu)化后各GPU應(yīng)用程序緩存缺失率和執(zhí)行時(shí)間均明顯下降,驗(yàn)證了本文設(shè)計(jì)的GPU緩存缺失分析模型的實(shí)用性。
【關(guān)鍵詞】：GPU 緩存 重用距離 缺失分析
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP332
【目錄】：

• 摘要5-6
• Abstract6-10
• 專用術(shù)語(yǔ)注釋表10-11
• 第一章 緒論11-17
• 1.1 研究背景與意義11-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀13-14
• 1.3 論文的研究目標(biāo)和主要工作14-15
• 1.4 論文組織結(jié)構(gòu)15-17
• 第二章 GPU緩存效率優(yōu)化與緩存缺失分析17-27
• 2.1 緩存的硬件結(jié)構(gòu)17-20
• 2.1.1 緩存的基礎(chǔ)知識(shí)17-18
• 2.1.2 GPU體系結(jié)構(gòu)中的緩存18-19
• 2.1.3 不同GPU微架構(gòu)下的緩存微結(jié)構(gòu)比較19-20
• 2.2 GPU緩存效率的軟件優(yōu)化20-22
• 2.2.1 GPU應(yīng)用程序緩存效率低下的常見(jiàn)原因20-21
• 2.2.2 GPU緩存效率的軟件優(yōu)化方法21
• 2.2.3 GPU緩存缺失行為分析的重要性21-22
• 2.3 基于重用距離的緩存缺失分析22-25
• 2.3.1 經(jīng)典的重用距離算法22-23
• 2.3.2 基于經(jīng)典重用距離算法的緩存缺失分析23-24
• 2.3.3 GPU平臺(tái)重用距離算法與緩存缺失分析的難點(diǎn)24-25
• 2.4 本章小結(jié)25-27
• 第三章 GPU平臺(tái)重用距離算法優(yōu)化27-39
• 3.1 Nugteren等人提出的GPU平臺(tái)重用距離算法27-31
• 3.1.1 線程分組27-28
• 3.1.2 訪存合并28-29
• 3.1.3 訪存排序29-30
• 3.1.4 重用距離計(jì)算30-31
• 3.2 GPU平臺(tái)重用距離算法的精度優(yōu)化31-34
• 3.2.1 根據(jù)緩存行分配策略修正核心數(shù)據(jù)更新時(shí)間32-33
• 3.2.2 線程阻塞條件修正33-34
• 3.3 GPU平臺(tái)重用距離算法的速度優(yōu)化34-37
• 3.3.1 重用距離計(jì)算并行化34-35
• 3.3.2 訪存序列采樣與存儲(chǔ)優(yōu)化35-37
• 3.4 本章小結(jié)37-39
• 第四章 GPU緩存缺失分析模型的設(shè)計(jì)39-47
• 4.1 緩存模型的整體框架39-40
• 4.2 訪存序列生成模塊的設(shè)計(jì)40-42
• 4.2.1 序列生成器的設(shè)計(jì)41
• 4.2.2 訪存序列生成模塊的編譯系統(tǒng)41-42
• 4.3 重用距離計(jì)算模塊設(shè)計(jì)42
• 4.3.1 架構(gòu)普適性設(shè)計(jì)42
• 4.4 緩存行為分析模塊設(shè)計(jì)42-45
• 4.4.1 緩存缺失類型分析43-44
• 4.4.2 程序緩存容量敏感性分析44
• 4.4.3 指令級(jí)緩存缺失分析44-45
• 4.5 本章小結(jié)45-47
• 第五章 GPU緩存缺失分析模型的實(shí)驗(yàn)驗(yàn)證47-61
• 5.1 實(shí)驗(yàn)環(huán)境47-48
• 5.2 測(cè)試程序集的選擇48-51
• 5.2.1 運(yùn)算訪存比評(píng)測(cè)49-50
• 5.2.2 內(nèi)存印跡評(píng)測(cè)50-51
• 5.2.3 緩存缺失率評(píng)測(cè)51
• 5.3 GPU緩存缺失分析模型的精度驗(yàn)證51-54
• 5.3.1 實(shí)驗(yàn)設(shè)計(jì)51-52
• 5.3.2 實(shí)驗(yàn)結(jié)果與分析52-54
• 5.4 重用距離計(jì)算速度驗(yàn)證54-57
• 5.4.1 實(shí)驗(yàn)設(shè)計(jì)54-55
• 5.4.2 實(shí)驗(yàn)結(jié)果與分析55-57
• 5.5 GPU緩存分析模型的架構(gòu)普適性驗(yàn)證57-59
• 5.5.1 實(shí)驗(yàn)設(shè)計(jì)57
• 5.5.2 實(shí)驗(yàn)結(jié)果與分析57-59
• 5.6 本章小結(jié)59-61
• 第六章 案例分析61-67
• 6.1 使用GPU緩存缺失分析模型的流程61-62
• 6.2 bfs：強(qiáng)制型缺失嚴(yán)重程序的分析與優(yōu)化62-63
• 6.3 gesummv：緩存容量敏感型程序的分析與優(yōu)化63-64
• 6.4 atax：指令級(jí)缺失顯著程序的分析與優(yōu)化64-66
• 6.5 本章小結(jié)66-67
• 第七章 總結(jié)與展望67-69
• 7.1 總結(jié)67
• 7.2 展望67-69
• 致謝69-71
• 參考文獻(xiàn)71-73

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 王曦;;網(wǎng)絡(luò)環(huán)境下高職圖書(shū)館服務(wù)體系缺失分析[J];內(nèi)江科技;2013年12期

2 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 彭園園;孟巖;姚鳳霞;韓娟娟;黃尚志;;中國(guó)人DMD基因缺失檢測(cè)多重PCR新體系的建立[A];第八次全國(guó)醫(yī)學(xué)遺傳學(xué)學(xué)術(shù)會(huì)議(中華醫(yī)學(xué)會(huì)2009年醫(yī)學(xué)遺傳學(xué)年會(huì))論文摘要匯編[C];2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 張亞;基于重用距離的GPU緩存缺失分析模型的設(shè)計(jì)與驗(yàn)證[D];東南大學(xué);2016年

  本文關(guān)鍵詞：基于重用距離的GPU緩存缺失分析模型的設(shè)計(jì)與驗(yàn)證，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：295653