AMD OpenCL例子阅读笔记系列之Radix_Sort(六)

    终于到最后出结果的时刻了，有点小激动呢哼。通过5的分析，实际上再看最后一个内核函数就会很轻松了。最后一个内核函数是permute函数，以64*256个元素为组进行处理。每个work-item处理256个数据。在单倍情况下就只有64*256个数据处理，这时候全局和局部都是64，一维情况。

        看了下，似乎没有什么难以理解的地方，主要用到了局部内存和内核同步等知识。直接上内核函数。

__kernel
void permute(__global const uint* unsortedData,
             __global const uint* scanedBuckets,
             uint shiftCount,
             __local ushort* sharedBuckets,
             __global uint* sortedData)
{

    size_t groupId = get_group_id(0);
    size_t localId = get_local_id(0);
    size_t globalId = get_global_id(0);
    size_t groupSize = get_local_size(0);
    
    
    /* Copy prescaned thread histograms to corresponding thread shared block */
    for(int i = 0; i < RADICES; ++i)
    {
        uint bucketPos = groupId * RADICES * groupSize + localId * RADICES + i;
        sharedBuckets[localId * RADICES + i] = s