CUDA并行计算Petri网解决方案

可达图计算目前正在解决的问题

• 目前抑制计算速度提升的因素如下：
  1. 计算出的可达图数据不能均匀分布在哈希表中，可参考jdk8中hashmap源码
  2. 结合BDD算法计算可达图时需要的建立带有约束的二元决策树
  3. 程序编写BDD计算可达图的串行程序。
  4. 将二元决策树进行分离并优化，简化新增叶子节点过程，减少遍历原决策树的时间
  5. 将每批的触发结果进行哈希均匀分布，尽量通过布尔计算来压缩比较时间，减少线程分化
  6. CUDA代码的高效策略，并行化中的压缩与分配

拟定的可达图计算解决方案

方案一：

1. 初始化GPU本地内存空间，和共享内存空间，设置哈希表的初始容量为4096，block（线程块）初始值也为4096，因此意味着哈希表每个索引值对应一个线程块。
2. 将初始状态和变迁的布尔表达式存储在纹理内存中（纹理内存存放常量加快读取速度）
3. 将待计算的状态分配给对应SM中，并进行相应计算
4. SM中具体进行的操作有：
   1. 利用BDD的布尔算法得出每个SM中分配的状态在变迁发射后的状态
   2. 计算每个状态的哈希值和哈希表的索引值
   3. 将根据状态结果的索引值挂载到对应位置的本地内存中，如果对应位置无值则挂载状态为0
   4. 本地内存的单位空间采用BDD结构，挂载时与已存在数据进行异或操作，如果结果全为0则不进行数据挂载，如果结果含有1，则将第一个出现1对应的位置作为节点并把数据插入，形成ROBDD（简化有序二叉决策图）。
   5. 如果挂载点数据异或结果全为0，返回重复状态1
5. 判断挂载数是否大于10，如果不大于10，将将BDD的结果分发给各个线程块中的共享内存中，提高SM的读取速度，减少处理时间。
6. 当有内存中的挂载数超过了10或者哈希表所占空间超过了75%，SM则停止进行变迁触发，为避免哈希冲突，执行扩容机制，具体扩容机制如下：
   1. 将读取所有挂载状态不为0的空间，并抽取空间的某一状态计算扩容后的新索引值。
   2. 将原索引值下的所有数据复制到扩容后的新索引值下。
7. 如果所有挂载点在计算后返回值为1，则停止计算，将本地内存数据复制到主机，并统计数据结果，统计可达状态数，完成可达图计算

方案二：

• 修改步骤4.4为：将计算后的状态直接挂载到索引值对应的存储位置，如果挂载数小于3则使用链式结构存储，如果大于等于3则将其用红黑树结构存储

整体运算过程示意图