第三章
归约问题
首先来介绍一个并行计算的案例:
有一个长度为n的数组L,求他们的和。
如果按顺序叠加,那么时间复杂度就是O(n)。
伪代码就是:
count←0
for i←1 to n
count+=L[i]
return count
那还有一种在串行是O(n),在并行上可以是 ⌈ l o g 2 n ⌉ \left \lceil log_2n \right \rceil ⌈log2n⌉的算法,称为并行归约算法。这种算法是基于二分法的思想来做的,其基本思路就是,把输入的数组划分成更小的基本单位,直到计算每一个基本单位的和都只需要一个加法指令,然后自底向上的合并这些结果,称为归约。而并行计算的优势在于并行,因此最底层的基本单位的和的计算就可以使用并行来处理,同时,得到的基本单位的和组成的集合可以就地保存在输入向量中,不需要有额外的空间开销。
那么这些基本单位的划分可以分为两种:相邻配对和交错配对。
还是拿上面的L来说,相邻配对指的是相邻的两个元素组成一个基本单位,比如L[0]和L[1],L[2]和L[3],如果数组有奇数个元素,那么最后就剩一个单独的L[n-1]做基本单位。
交错配对指的是,以n/2为分界线,左右两边各自重新分序号,序号相同的组在一起。比如L[0]和L[4],L[1]和L[5](如果L的长度为8),直到L[3]和L[7]。
下列的示意图应该可以更好地帮助大家理解(3-19为相邻配对,3-20为交错配对):
如何实现并行归约?
首先,思路就是,每次都是线程全部并行计算完之后,再开始下一步的线程并行计算,直至活跃的线程只有一个。这个思路既可以是循环的,也可以是递归的。在Chapter 3(5)里面我曾经介绍过一个设备端的API:__syncthreads,可以使用这个API来使得线程块内的活跃线程全部到达同一个点。
特别需要注意的一点就是:线程块之间是无法等待的,所以需要把每个线程块得到的结果通过cudaMemcpy拷贝回主机端进行串行计算。
其设备端代码如下:
__global void reduceNeighbored(int *g_idata,int *g_odata,unsigned int n)
{
//set thread ID
unsigned int tid=threadIdx.x;
unsigned int idx=blockIdx.x*blockDim.x+threadIdx.x;
int *idata=g_idata+blockIdx.x*blockDim.x;
//boundary check
if (idx>=n) return;
//in-place reduction in global memory
for(int stride=1;