[发明专利]一种基于GPU/CPU混合架构的流程序多粒度划分与调度方法

权利要求书

1.一种基于GPU/CPU混合架构的流程序多粒度划分与调度方法，其特征在于，包括：

步骤1引入扩大因子，将计算任务actor稳态执行次数整体扩大；

步骤2根据actor是否具有可并行性以及相应通信开销的大小将其分配到GPU端或CPU端上去运行；

步骤3根据actor连续迭代执行是否存在数据依赖性，将其水平分裂到各GPU端；

步骤4选择合适的CPU核数量，将CPU端任务均衡分配给各CPU核；

步骤5对SDF图进行拓扑排序以满足数据的读写规则，依次遍历拓扑排序中的各actor，确定各actor被流水调度执行时的阶段号；

步骤6根据各actor的通信特点，采用不同存储结构和不同访问类型进行数据流程序的存储访问优化；

步骤7根据各actor的计算特点，压缩计算相同的actor的目标代码。

2.如权利要求1所述的方法，其特征在于，所述步骤1包括以下子步骤：

(1-1)利用下式求得CPU端允许的扩大倍数N₁的上限：

N₁≤M_CPU/M_CPUSumneeded

其中，M_CPU表示主存可用空间的大小；M_CPUSumneeded表示CPU端所有任务未扩大前所需的存储空间总和；

(1-2)利用下式求得GPU端允许的扩大因子N₂的上限：

N₂≤M_GPU/M_GPUSumneeded

其中，M_GPU表示GPU可用的存储空间；M_GPUSumneeded表示GPU端所有任务未扩大前所需的存储空间总和；

(1-3)根据GPU缓冲区分配机制，利用下式求得N₂的限制条件：

N₂≤M_GPUMaxbuffer/M_GPUMaxneeded

其中，M_GPUMaxbuffer表示GPU每次允许分配缓冲区的最大值；M_GPUMaxneeded表示GPU端所有任务未扩大前各需存储空间的最大值；

(1-4)根据N₁和N₂的限制条件，选择合适的扩大因子。

3.如权利要求1所述的方法，其特征在于，所述步骤2包括以下子步骤：

(2-1)依次判断SDF图中各actor的状态，将状态为stateful的actor划分到CPU端，状态为stateless的actor划分到GPU端，其中，状态为stateful的actor表示该actor连续两次迭代运算之间存在数据依赖，两次迭代运算不可并行执行，状态为stateless的actor表示多次迭代运算之间互相独立，可并行执行；

(2-2)针对划分到GPU端的状态为stateless的actor，依次判断其父子结点，如果其父结点状态为stateful，并且其子结点的状态为stateful，那么将该状态为stateless的结点分配到CPU端，剩余的状态为stateless的结点则分配到GPU端。