[发明专利]气体动理论统一算法中的CPU+GPU异构并行优化方法

权利要求书

1.一种气体动理论统一算法中的CPU+GPU异构并行优化方法，其特征在于，包括CPU+GPU异构并行的实现以及优化；

其中，所述CPU+GPU异构并行的实现是在原有MPI并行程序的基础上，将六层嵌套循环分别以速度矢量信息和空间位置坐标为线索分配给CPU和GPU设备，从而将原有MPI并行程序三个维度的并行，扩展为六个维度的并行；

所述CPU+GPU异构并行的优化方法包括：

S1、基于Boltzmann方程统一算法的并行运行流程和热点代码，对CPU消耗时间进行统计；

S2、基于Boltzmann模型方程统一算法的数据结构和变量使用情况，对各存储器的使用情况进行统计；

S3、基于Boltzmann模型方程统一算法并行计算得到对应的变量依赖关系；

S4、基于Boltzmann模型方程统一算法并行计算的CPU消耗时间、存储器配置、变量依赖关系，通过系统、算法、语句三种级别对CPU+GPU异构并行的Boltzmann模型方程统一算法进行并行优化；

在S3中，变量依赖关系是基于大规模并行的参数作为并行线索，以此设计线程映射方案；

其中，所述映射方案的建立包括：

S31、基于MPI+CUDA软件架构的并行程序，将主程序进行任务拆分，并将拆分后的任务通过MPI分配至多个CPU线程；

S32、各线程进一步将任务拆分为多个子任务，基于CUDA架构将子任务分配到各GPU线程开始并行计算；

在S4中，系统级别的优化被配置为包括分别对数据传输、内存使用的优化；

数据传输的优化被配置为包括：

减少数据传输次数，其是通过对程序的输入数据进行甄别和筛选，分层次进行数据传输，以减少每次数据输入的数量；

减少输入数组中的部分元素，其是通过将大数组降维处理成为小数组，以提升GPU显存的使用效率；

内存使用的优化被配置为包括：

根据参数特点分配内存，其是基于存储器的使用情况统计，对热点代码中调用次数和修改次数很多的数据，放入私有或是共享存储器中；对于调用次数多但是没有修改的数据，放入常量存储器中；调用和修改次数不多的数据，保留在全局存储器中；

减少数组内存的申请次数，其是基于GPU核函数可变数组的最大使用需求，将申请的内存长期赋予这些可变数组；

在S4中，对算法级别的优化是在原有的MPI模式并行离散速度空间基础上，将每个计算节点的CPU将位置空间计算分配给CUDA架构的GPU设备；

在S4中，所述语句级别的优化被配置为包括:

循环合并，其是将热点代码中的部分循环进行合并处理；

循环拆分，其是将子程序中的一个归约运算拆分成多个归约运算进行并行处理；

指令优化，其是将延迟高、吞吐量低的指令转化成延迟低、吞吐量大的指令；

分支优化，其是通过将分支置于循环外、拆分循环、合并多个条件、优化分支顺序四种方式以实现。

2.如权利要求1所述的气体动理论统一算法中的CPU+GPU异构并行优化方法，其特征在于，在S1中，通过对三维程序计算流程和需求分析进行梳理，得到三维CUDA程序总体设计思路与子程序之间的调用关系，进而通过子程序的运行流程和热点代码，得出软件内部各子程序的CPU消耗时间。

3.如权利要求1所述的气体动理论统一算法中的CPU+GPU异构并行优化方法，其特征在于，在S2中，存储器的使用进行配置方法被配置为包括：

S21、将统一算法中子程序用于数据传输的全局变量按照功能进行分组；

S22、对热点代码中的每组变量被各子程序调用的次数进行统计。