Category Archives: 后端优化与处理器

自计算机诞生之日起， 性能一直是计算机技术发展的主线之一。 计算机的计算过程本质上是使用一个指令序列处理一个数据集合最终产生结果的过程。 Flynn根据指令和数据的对应关系将计算方式分为如表 1.1 所示的四类。 Table 1: Flynn的计算机分类学 单指令(Single Instruction） 多指令(Multiple Instruction） 单数据(Single Data) SISD MISD 多数据(Multiple Data) SIMD MIMD SIMD技术是许多计算密集应用提升性能的关键。 上世纪80年代，向量处理器以其出色的并行处理能力，曾经在高性能计算领域广泛应用。 这种并行处理能力就来自SIMD技术。 近几年，由GPGPU和通用CPU组成的异构模式也在高性能计算领域大显身手。 GPGPU的SIMT模式，因为一次将一条指令作用于一个线程块中多个线程中的数据，因此本质上也是SIMD。 因为SIMT的计算模式使得多个线程可以并行执行，因此并行密度高。 在通用计算领域，随着数字多媒体技术的发展。 使用通用计算机对诸如文本、图像、视频、二维和三维图形之类的多媒体对象做捕捉、编辑、存储和转换之类的应用越来越多。 这类应用的突出特点是数据宽度小、并行度高、计算相对整齐。 本世纪初，许多通用微处理器针对这类应用的特点，开发了SIMD指令集扩展。 这种扩展中SIMD指令操作的数据集合都保存在一个寄存器中。 所以这种SIMD也被称作SWAR(SIMD Within A Register)。 其中的数据集合被称为SIMD数据或向量。 由于本文的工作基于通用CPU中的SIMD扩展，为了表述方便，如无特殊说明，文中的SIMD都指SWAR。 这种扩展仅使用芯片上少量的晶体管，就可以为标量CPU引入SIMD支持，提升芯片数据并行处理能力，所以得到了许多通用CPU厂商的亲睐。 表 2 … Continue reading →