[发明专利]面向异构SIMD扩展部件的自动向量化方法

摘要

本发明涉及高性能计算自动并行化领域，特别涉及一种面向异构SIMD扩展部件的自动向量化方法，适用于不同向量长度、不同向量指令集的异构SIMD扩展部件，设计一套虚拟指令集，能够在自动向量化统一架构下将输入的C和Fortran程序转化为虚拟指令的中间表示，通过向量长度解虚拟化和指令集解虚拟化，自动变换为面向异构SIMD扩展部件的向量化代码，使程序员从繁冗复杂的手工向量化编码中解脱出来，本发明将向量化方法与相关优化方法相结合，从不同粒度进行向量识别，通过常规优化和引用点优化，最大限度的发掘循环级和基本块级的混合并行性，通过分析跨越基本块的数据依赖，对生成后的代码进行冗余优化，有效提升了程序的执行效率。

主权项

一种面向异构SIMD扩展部件的自动向量化方法，其特征在于包含如下步骤：步骤1、设计虚拟向量指令集，针对不同向量长度和不同向量指令集的异构SIMD扩展部件，设计一套虚拟向量指令集，该虚拟向量指令集包括存取指令、算数运算指令、逻辑运算指令、移位指令、选择指令、比较指令和整理指令共七类基本指令，且该虚拟向量指令集与具体平台指令集无关、与向量长度无关、与数据类型无关，所述虚拟向量指令集中的虚拟向量长度Lenv与具体平台指令集架构的长度位数无关，其值 Len v = 2 [ log 2 MAX ( Len 1 , . . . Len i , . . . ) ] , 其中Leni为不同平台的向量长度；步骤2、预分析与优化，对能否进行基本块向量化进行可行性分析；步骤3、引用点分析与优化；步骤4：超字并行向量化发掘；步骤5：向量长度解虚拟化，为保证虚拟向量长度能够转化为不同长度的物理向量，打包进虚拟向量的基本操作数为打包进物理向量操作数的倍数；步骤6：指令集解虚拟化，由虚拟指令向具体平台指令集进行映射；步骤7：向量化代码优化，针对基本块间的冗余操作，以基本块为单位构建控制流图和数据流图，发掘基本块间的数据依赖，在基本块间建立各个变量打包、拆包的收益模型，在相邻基本块间进行向量化代码优化。