并行硬件簡介

白圓

【摘要】 隨著社會(huì)的進(jìn)步，人們的生活節(jié)奏也越來越快 ，對(duì)電子產(chǎn)品的快速反應(yīng)的需求也越來越大。并行計(jì)算技術(shù)是目前提高數(shù)據(jù)處理速率的主要手段，而不管采取什么樣的技術(shù)都離不開硬件的支持，本文簡要介紹了CPU、 FPGA、 GPU、 集群的并行實(shí)現(xiàn)結(jié)構(gòu)。

【關(guān)鍵詞】 并行計(jì)算 速率 硬件

進(jìn)程是計(jì)算機(jī)中的程序關(guān)于某數(shù)據(jù)集合上的一次運(yùn)行活動(dòng)，是操作系統(tǒng)進(jìn)行資源分配和調(diào)度的基本單位，當(dāng)運(yùn)行一個(gè)程序時(shí)，也就啟動(dòng)了一個(gè)進(jìn)程。線程是操作系統(tǒng)能夠進(jìn)行運(yùn)算調(diào)度的最小單位。一個(gè)進(jìn)程可以有很多線程，每條線程并行執(zhí)行不同的任務(wù)。在多核或多CPU上，使用多線程程序設(shè)計(jì)的好處是顯而易見，即提高了程序的執(zhí)行吞吐率。進(jìn)程是資源分配的最小單位，線程是CPU調(diào)度的最小單位。線程和進(jìn)程的區(qū)別在于，子進(jìn)程和父進(jìn)程有不同的代碼和數(shù)據(jù)空間，而多個(gè)線程則共享數(shù)據(jù)空間，每個(gè)線程有自己的執(zhí)行堆棧和程序計(jì)數(shù)器為其執(zhí)行上下文。多線程主要是為了節(jié)約CPU時(shí)間。

一、CPU的并行

1、多處理器。多處理器系統(tǒng)由分布在不同芯片上的多個(gè)處理器組成。多處理器系統(tǒng)可以構(gòu)建在同一塊電路板上，處理器之間通過一個(gè)高速通信接口連接。因此，多處理器系統(tǒng)一般有如下特征：包含兩臺(tái)及以上功能相近的處理器，并且可以相互交換數(shù)據(jù)；所有的處理器共享內(nèi)存、共享I/O通道、控制器和外部設(shè)備；在統(tǒng)一的操作系統(tǒng)的控制下，各處理器實(shí)現(xiàn)程序和數(shù)據(jù)的全面并行計(jì)算。

2、多核處理器。多核處理器是指在一枚處理器中集成兩個(gè)及以上的完整的計(jì)算內(nèi)核。通俗的講，就是單個(gè)芯片上包含任意多個(gè)（如2、4或8）CPU的處理器，各個(gè)處理器并行執(zhí)行不同的線程，根據(jù)內(nèi)部核的結(jié)構(gòu)的相同與不同，將其分成同構(gòu)和異構(gòu)兩類。處理器之間通過片外Cache或者是片外的共享存儲(chǔ)器來進(jìn)行通信。

二、FPGA的并行

FPGA（現(xiàn)場可編程門陣列）是一種由邏輯門組成的硅片，被視為具有極佳并行處理能力的硬件設(shè)備，非常適合高性能計(jì)算與海量數(shù)據(jù)處理，如數(shù)字信號(hào)處理（DSP）應(yīng)用。FPGA的運(yùn)行時(shí)鐘低于微處理器，但功耗較高。CPU在同一時(shí)刻只能執(zhí)行一個(gè)任務(wù)，CPU里基本的單元是邏輯控制單元來執(zhí)行程序。許多的邏輯單元構(gòu)成的FPGA與CPU內(nèi)部構(gòu)造不一樣，可以把FPGA看成是一推與門，非門，查找表，觸發(fā)器的組合，各元件之間的連線已經(jīng)完全固定，對(duì)FPGA編的程序用來選擇哪些相連、哪些斷開，這樣就決定了與門、非門、觸發(fā)器的連接方式。與門、非門、觸發(fā)器根據(jù)外部引腳決定輸出，許許多多的引腳同時(shí)變化，F(xiàn)PGA就有不同的輸出，這樣就構(gòu)成了FPGA的并行。FPGA是由三個(gè)基本組件構(gòu)成的可編程芯片。首先，在邏輯模塊中，數(shù)據(jù)被計(jì)算并處理以得到分析結(jié)果。其次，通過將信號(hào)從一個(gè)邏輯單元路由至下一個(gè)單元的可編程互聯(lián)，實(shí)現(xiàn)邏輯組塊的互相聯(lián)通。第三，I/ O組塊與芯片的管腳相連，以提供與外圍電路的雙向通信。由于FPGA以并行的方式運(yùn)行，所以它支持用戶創(chuàng)建任意多的任務(wù)專用核，所有這些任務(wù)專用核以類似于并行電路的方式運(yùn)行于FPGA芯片中。FPGA邏輯門的并行特質(zhì)支持非常高的數(shù)據(jù)吞吐量，更是遠(yuǎn)勝于與其相對(duì)應(yīng)的微處理器。

三、GPU的并行

GPU（圖像處理器），是整個(gè)顯卡的核心，顯卡是由GPU、顯存等等組成的。由于限制CPU發(fā)展的瓶頸（如：CPU的緩存和控制邏輯對(duì)計(jì)算速度的影響，處理器到存儲(chǔ)器帶寬的制約）日益突出，研究者們?cè)囍鴱钠渌I(lǐng)域找到突破口，轉(zhuǎn)而開始重視GPU的發(fā)展，其在處理數(shù)據(jù)、計(jì)算能力方面已經(jīng)遠(yuǎn)遠(yuǎn)超過CPU，而且GPU制作的工作流程并不復(fù)雜，成本低，使得它的應(yīng)用越來越普遍了。GPU設(shè)計(jì)者將更多的晶體管用作執(zhí)行單元，而不是像CPU那樣用作復(fù)雜的控制單元和緩存。從實(shí)際來看，CPU芯片空間的5%是ALU，而GPU空間的40%是ALU。如果我們把CPU多核的概念放到現(xiàn)在的GPU身上，核心的一個(gè)流處理相當(dāng)于一個(gè)“核”，GPU的“核”數(shù)量已經(jīng)不再停留在單位數(shù)，而是幾十甚至是上百個(gè)，因此GPU的擁有很強(qiáng)的并行計(jì)算能力。

四、集群上的并行

集群（Cluster）就是將多臺(tái)計(jì)算機(jī)互相連接在一起，構(gòu)成一個(gè)并行或分布式系統(tǒng)。根據(jù)處理器的不同，可以分為CPU集群和GPU集群。這些計(jì)算機(jī)一起工作，并行執(zhí)行一系列共同的應(yīng)用程序。通常由開發(fā)人員指定一臺(tái)計(jì)算機(jī)為主機(jī)（Master），監(jiān)控多個(gè)從機(jī)（Slaves）協(xié)調(diào)完成任務(wù)。從外部來看，它們僅僅是一個(gè)系統(tǒng)，對(duì)外提供統(tǒng)一的服務(wù)。集群內(nèi)的計(jì)算機(jī)物理上通過電纜連接，程序上則通過集群軟件（如：Hadoop）連接。這些連接允許計(jì)算機(jī)使用故障應(yīng)急與負(fù)載平衡功能。集群主要使用MapReduce這種編程模型，將用戶提交的程序由Master分解成多個(gè)線程，分配到多個(gè)Slaves上同時(shí)執(zhí)行。

五、總結(jié)

數(shù)據(jù)的處理可以分為數(shù)據(jù)的存儲(chǔ)、傳輸、計(jì)算。本文所介紹的硬件主要針對(duì)的是數(shù)據(jù)的計(jì)算，可以分為兩類：多處理器型和FPGA。無論是多核、多處理器、GPU，還是集群，都屬于多處理器型，因?yàn)樗鼈兊牟⑿惺腔诰€程級(jí)的。而FPGA的并行是選擇連線的方式，所以，它的并行是基于硬件的。并行計(jì)算方面的硬件需要和數(shù)據(jù)存儲(chǔ)、傳輸方面的硬件相匹配才能達(dá)到理想的效果，這將在以后的學(xué)習(xí)中介紹。