使用oneAPI和SYCL实现并行归并排序
一、问题陈述
在处理大量数据时,排序算法的效率至关重要。归并排序是一种有效的、基于比较的排序算法,它使用分治策略。然而,传统的归并排序算法是串行的,当处理大量数据时,可能会遇到性能瓶颈。因此,我们需要寻找一种方法,将归并排序算法并行化,以提高其处理大量数据的能力。
二、项目简介
本项目的目标是使用oneAPI和SYCL来实现并行归并排序算法。我们将使用SYCL的并行计算功能,将排序和合并操作分配给多个线程同时执行。这样可以充分利用异构计算设备的并行计算能力,提高排序效率。
分析一下、归并排序是⼀种分治算法,其基本原理是将待排序的数组分成两部分,分别对这两部分进行排序,然后将已排序的子数组合并为⼀个有序数组。可考虑利用了异构并行计算的特点,将排序和合并操作分配给多个线程同时执行,以提高排序效率。具体实现过程如下:
- 将待排序的数组分割成多个较小的子数组,并将这些⼦数组分配给不同的线程块进行处理。
- 每个线程块内部的线程协作完成子数组的局部排序。
- 通过多次迭代,不断合并相邻的有序⼦数组,直到整个数组有序。
三、采用技术栈和主要方案🏵️
本项目使用了oneAPI和SYCL作为主要的技术栈。oneAPI是一种跨供应商的开放编程模型,用于简化异构计算。SYCL是一种基于C++的异构并行编程模型,它是oneAPI的一部分。
我们的主要方案是将归并排序算法并行化。首先,我们将数据分割成更小的部分,然后对每个部分进行排序,最后将排序后的部分合并。这个过程是递归的,直到数据不能再分割。在合并阶段,我们使用并行算法来提高效率。我们使用了SYCL的buffer和queue,以及parallel_for来实现并行计算。
下面是代码的详细解释:
void mergeSort(queue &q, buffer<int, 1> &buf, int left, int right) {
if (right - left < 2) return;
int mid = (left + right) / 2;
mergeSort
函数是归并排序的主要部分。它接受一个队列q
,一个缓冲区buf
,以及两个整数left
和right
作为参数。队列q
是用来提交任务的,缓冲区buf
是存储数据的,left
和right
定义了要排序的数据的范围。
// 分割数据
mergeSort(q, buf, left, mid);
mergeSort(q, buf, mid, right);
这部分代码将数据分割成两部分,并对每一部分进行排序。这是通过递归调用mergeSort
函数实现的。
// 合并数据
buffer<int, 1> tmp_buf(right - left);
q.submit(& {
auto buf_acc = buf.get_access<access::mode::read_write>(h);
auto tmp_acc = tmp_buf.get_access<access::mode::discard_write>(h);
h.parallel_for(nd_range<1>(range<1>(right - left), range<1>(64)), = {
int i = left + item.get_global_id(0);
int j = mid + item.get_global_id(0) - (mid - left);
if (i < mid && (j >= right || buf_acc[i] <= buf_acc[j])) {
tmp_acc[item.get_global_id(0)] = buf_acc[i];
} else {
tmp_acc[item.get_global_id(0)] = buf_acc[j];
}
});
});
这部分代码是合并操作的主要部分。首先,创建一个临时缓冲区tmp_buf
来存储排序后的数据。然后,提交一个任务到队列q
。在这个任务中,首先获取buf
和tmp_buf
的访问器buf_acc
和tmp_acc
,然后使用parallel_for
函数来并行地执行合并操作。nd_range<1>(range<1>(right - left), range<1>(64))
指定了工作项的总数和每个工作组的大小。nd_item<1> item
是一个表示单个工作项的对象,它提供了一些用于并行编程的功能,比如获取工作项的全局和局部ID。
// 将排序后的数据复制回原数组
q.submit(& {
auto buf_acc = buf.get_access<access::mode::discard_write>(h);
auto tmp_acc = tmp_buf.get_access<access::mode::read>(h);
h.parallel_for(nd_range<1>(range<1>(right - left), range<1>(64)), = {
buf_acc[left + item.get_global_id(0)] = tmp_acc[item.get_global_id(0)];
});
});
}
这部分代码将排序后的数据从临时缓冲区tmp_buf
复制回原缓冲区buf
。这是通过提交另一个任务到队列q
来实现的。在这个任务中,首先获取buf
和tmp_buf
的访问器buf_acc
和tmp_acc
,然后使用parallel_for
函数来并行地执行复制操作。
int main() {
queue q;
std::vector<int> data = {5, 3, 1, 4, 2};
buffer<int, 1> buf(data.data(), data.size());
mergeSort(q, buf, 0, data.size());
auto host_buf = buf.get_access<access::mode::read>();
for (int i = 0; i < data.size(); ++i) {
std::cout << host_buf[i] << " ";
}
std::cout << std::endl;
return 0;
}
main
函数是程序的入口点。首先,创建一个队列q
和一个缓冲区buf
。然后,调用mergeSort
函数来对数据进行排序。最后,将排序后的数据打印出来。
完整代码如下:
#include <CL/sycl.hpp>
#include <algorithm>
#include <iostream>
#include <vector>
using namespace sycl;
void mergeSort(queue &q, buffer<int, 1> &buf, int left, int right) {
if (right - left < 2) return;
int mid = (left + right) / 2;
// 分割数据
mergeSort(q, buf, left, mid);
mergeSort(q, buf, mid, right);
// 合并数据
buffer<int, 1> tmp_buf(right - left);
q.submit(& {
auto buf_acc = buf.get_access<access::mode::read_write>(h);
auto tmp_acc = tmp_buf.get_access<access::mode::discard_write>(h);
h.parallel_for(nd_range<1>(range<1>(right - left), range<1>(64)), = { // 优化点:使用nd_range来指定工作组大小
int i = left + item.get_global_id(0);
int j = mid + item.get_global_id(0) - (mid - left);
if (i < mid && (j >= right || buf_acc[i] <= buf_acc[j])) {
tmp_acc[item.get_global_id(0)] = buf_acc[i];
} else {
tmp_acc[item.get_global_id(0)] = buf_acc[j];
}
});
});
// 将排序后的数据复制回原数组
q.submit(& {
auto buf_acc = buf.get_access<access::mode::discard_write>(h);
auto tmp_acc = tmp_buf.get_access<access::mode::read>(h);
h.parallel_for(nd_range<1>(range<1>(right - left), range<1>(64)), = {
buf_acc[left + item.get_global_id(0)] = tmp_acc[item.get_global_id(0)];
});
});
}
int main() {
queue q;
std::vector<int> data = {5, 3, 1, 4, 2};
buffer<int, 1> buf(data.data(), data.size());
mergeSort(q, buf, 0, data.size());
auto host_buf = buf.get_access<access::mode::read>();
for (int i = 0; i < data.size(); ++i) {
std::cout << host_buf[i] << " ";
}
std::cout << std::endl;
return 0;
}
四、收获🍎
通过这个项目,我们学习了如何使用oneAPI和SYCL来实现并行归并排序。我们理解了并行计算的概念,掌握了SYCL编程模型,理解了异构计算的优势,学习了如何优化并行算法,以及理解了归并排序算法。这些都是在进行高性能计算和并行编程时非常重要的知识点。希望这篇文章能帮助你在学习和使用oneAPI时有所收获。😊