走进并行时代之GPU篇(二)

上回讲了传统的GPU体系结构，它是完全按照graphics pipeline来设计的，每一级硬件对应与pipeline的的一个stage。其中有两级是可编程的，即vertex shader和pixel shader。在传统的GPU架构下的GPU编程其实就是编写这两个shader的函数，然后通过DX或者OGL的pipeline接口写入GPU设备，通过绘制一遍流水线来实现shader功能。编写shader的通常编程方法是DX下的HLSL，OGL下的GLSL以及NV自己开发的一种语言cg来用于跨这两种平台，这三种语言语法基本上类似，会一种就等于会其他几种。用这种接口的一个弊端就是你必须了解graphics pipeline的原理，才能编写shader函数来实现你需要的通用功能，需要你把一些通用的算法map到graphics pipeline上面，这就是最开始的GPGPU研究的课题。为了隐藏流水线的具体细节，Stanford的图形实验室开发了brook语言，这也是目前AMD的brook+的前身，该语言提供了一种类c的编程接口，把底层的pipeline封装起来，DX或者OGL的接口作为后端。这样使得可编程性大大提高，算法的map由编译器实现。当然这样做损失了性能，编译器设计的好坏对于性能的保持至关重要。

 

这种传统的GPU架构用于通用计算有着几个问题。一，每次计算都需要扫一遍流水线，增加了额外的流水线开销。二，这种与流水线绑定的硬件设计，它的数据输入和数据输入都是固定的，数据流向也是固定，使得无法在其上设计通用的编程模式，必须遵循流水线的格式。即使有brook这种语言，最后也还是用DX和OGL来作为后端。

 

统一渲染架构

 

各显卡厂商为了不让GPU吊死在graphics这一棵树上，对GPGPU的推广那是不遗余力。NV对HPC这块市场虎视眈眈，积极的参加SC会议，2006年12月发布是市面上第一款统一渲染架构的GPU核心—G80，接着推出专用于HPC的Tesla，美其名曰“个人超级计算机”以及发布CUDA来作为通用计算的编程模型。自此GPU正式进入通用计算领域。

 

统一渲染架构用一句话来描述就是把原本不同硬件stage的可编程shader整个成统一的一套计算资源，是通过调度器来实现逻辑上的分级。在图形方面，这样做能够提高GPU作为显卡的性能，在实际的游戏和三维图形绘制过程中，顶点和像素处理的计算量本就不是固定的，分别用固定的硬件stage来实现显得不够灵活，很容易出现瓶颈，而用统一的一套计算单元的话就可以很灵活根据实际的负载来分配计算单元。在通用计算方面，这样的整合使得GPU的通用性更强。抛开一些用于图形方面的固定部分，如光栅化硬件等，统一渲染架构的GPU已经和CPU的设计类似了，以后还将介绍Intel即将发布的Larrabee显卡，那基本上就是一多核的CPU。这样的设计更有利于对GPU指令集的设计，从而能够设计出其上的更通用的编程模型，CUDA就得益于这种通用的统一渲染架构的设计。

 

G80体系结构

 

 

因为我自己用的是8800，所以在这里主要介绍G80。AMD的RV系列统一架构核心和G80系列大同小异，有些关键的不同接下来的篇幅会稍微提提。有一点得提一下，虽然06年12月的G80是市面上第一款统一渲染架构显卡，但其实统一渲染架构的思想05年就出现过，无意中发现05年的MICRO上的《Shader Performance Analysis on a Modern GPU Architecture》这篇文章的ATTILA架构就是