[发明专利]共享虚拟存储器

说明书

背景技术

这通常涉及共享虚拟存储器实施方式。

计算工业正在朝向多样性的平台体系结构发展，该平台体系结构由通用CPU以及作为分离设备或集成设备而附连的可编程GPU所构成。这些GPU通过连续或非连续互连来连接，具有不同的工业标准体系结构(ISA)并可使用它们自己的操作系统。

由通用处理器(CPU)以及图形处理器(GPU)的组合所组成的计算平台已经无处不在，特别是在客户机计算空间中。如今，几乎所有桌面和笔记本平台都载有一个或多个CPU以及集成或分离的GPU。例如，一些平台具有与集成图形芯片组成对的处理器，而其余的使用通过诸如PCI-Express之类的接口连接的分离图形处理器。一些平台载有CPU和GPU的组合。例如，它们中的一些包括更为集成的CPU-GPU平台，而其他的包括图形处理器以补偿集成GPU供给。

这些CPU-GPU平台可提供在图形处理、医疗成像、数据挖掘、以及其他领域的非图形工作负载上的极大的性能提升。大量的数据并行GPU可被用于获取代码的高度并行部分上的高吞吐量。多样性的CPU-GPU平台可具有多个独特的体系结构约束，诸如：

●GPU可以集成和分离的方式连接。例如，一些图形处理器与芯片组集成。另一方面，其他当前的GPU以分离方式通过诸如PCI-Express之类的接口附连。虽然硬件可提供CPU和集成图形处理器之间的缓存一致性，但是对分离的GPU却很难如此。系统也可具有混合配置，其中低功率低性能GPU与CPU集成，且具有更高性能的分离GPU。最终，平台也可具有多个GPU卡。

●CPU和GPU可具有不同的操作系统。例如，处理器可具有它自己的操作系统内核。这意味着虚拟存储器翻译机制在CPU和GPU之间可能是不同的。相同的虚拟地址可能被通过CPU和GPU上的两个不同的页表被同时映射到两个不同的物理地址。这也意味着系统环境(加载器、链接器、等等)在CPU和GPU之间可以是不同的。例如，加载器可将应用加载在CPU和GPU上的不同基地址。

●CPU和GPU可具有不同的ISA，并因此相同的代码可能无法在两个处理器上运行。

附图简述

图1是根据一个实施例的CPU-GPU存储器模型的图示。

图2是用于增加了所有权权限的共享存储器模型的一个实施例的流程图。

图3是共享存储器模型的一个实施例的流程图。

图4是利用PCI开口的共享存储器模型的一个实施例的流程图。

图5是利用PCI开口的共享存储器模型的一个实施例的流程图。

图6是操作中的共享存储器模型的一个实施例的流程图。

详细描述

本发明的多个实施例提供了用于CPU-GPU平台的编程模型。特别是，本发明的多个实施例提供用于集成和分离设备的统一编程模型。该模型也可以统一地对多个GPU卡和混合GPU系统(分离的和集成的)工作。这允许软件销售商编写单个应用堆栈并将使其面向所有不同的平台。此外，本发明的实施例提供了在CPU和GPU之间的共享存储器模型。代替了共享整个虚拟地址空间，仅仅一部分虚拟地址空间需要被共享。这允许在分离的和集成的设置中的有效实现。进一步的，语言注释可被用于区分必须被运行在GPU上的代码。语言支持可被扩展为包括诸如函数指针之类的特征。

共享存储器模型的诸实施例提供了新颖的编程式样。特别是，数据结构可以在CPU和GPU之间无缝共享，并且可以从一端向另一端传递指针而不要求任何格式编组。例如，在一个实施例中，游戏引擎和包括物理、人工智能(AI)以及渲染。物理和AI代码最好在CPU上执行，而渲染最好在GPU上执行。诸如场景图片之类的数据结构可能需要在CPU和GPU之间共享。在一些当前的编程环境中这样的执行模型可能是行不通的，因为场景图片需要被来来回回地串行化(或格式编组)。然而在共享存储器模型的诸实施例中，场景图片可简单地位于共享存储器中，并可被CPU和GPU共同访问。

在一个实施例中，实现了包括语言和运行时支持的完全编程环境。多个高度并行的非图形负载可经由端口与该环境对接。该实现可工作在多样性的操作系统上，即，在CPU和GPU上运行不同操作系统。此外，可在CPU和GPU之间允许用户级通信。这可使得应用堆栈更为高效，因为可以消除CPU-GPU通信中的OS驱动器堆栈的开销。该编程环境可经由端口与两个不同的多样性CPU-GPU平台模拟器对接——一个模拟作为分离设备附加到CPU的GPU，另一个模拟集成CPU-GPU平台。

总之，CPU-GPU平台的编程模型的诸实施例可以：