Providing Source Code Level Portability Between CPU and GPU with MapCG
洪春涛, 陈德颢, 陈文光, 郑纬民, 林海波, 陈羽北 · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2012
图形处理单位(GPU ) 在最近的年里在通用计算市场起了一个重要作用。目前，编程 GPU 单位的普通途径是与象 CUDA 那样的低级 GPU API 写 GPU 特定的代码。尽管这条途径能完成好性能，当程序员们被要求为各潜在的目标建筑学写代码的一个特定的版本，它创造严肃的可移植性问题。这导致高开发和维护费用。我们相信有提供源代码可移植性在之间的一个编程模型是合乎需要的中央处理器和 GPU，以及不同 GPU。这将允许程序员写代码的一个版本，没有修正，它能高效地在中央处理器或 GPU 上被编并且执行。在这篇论文，我们建议 MapCG，提供在中央处理器和 GPU 之间的源代码水平可移植性的一个 MapReduce 框架。与象 OpenCL 那样的另外的途径相对照，基于 MapReduce，我们的框架提供一个高级编程模型并且使编程容易得多。我们描述 MapCG 的设计，包括中央处理器和 GPU 上的 MapReduce 风格高级编程框架和运行系统。MapCG 运行时刻，支持的多核心中央处理器和 NVIDIA GPU 的一个原型，被实现。我们的试验性的结果证明这实现能在多核心中央处理器平台和 GPU 上高效地执行一样的源代码，完成在八个通常使用的应用程序上的 MapReduce 的以前的实现上的 1.6 ~ 2.5x 的平均加速。