2014 Fiscal Year Annual Research Report
共有メモリモデルとスケジューリング最適化によるＧＰＧＰＵプログラミング技術
| Project/Area Number |
24500060
|
|---|
| Research Institution | Mie University |
|---|
Principal Investigator |
大野 和彦 三重大学, 工学(系)研究科(研究院), 講師 (20303703)
|
|---|
| Project Period (FY) |
2012-04-01 – 2015-03-31
|
| Keywords | ハイパフォーマンスコンピューティング / GPGPU / コンパイラ / プログラミングモデル / 自動最適化 / 静的解析 |
|---|
| Outline of Annual Research Achievements |
グラフィック処理用のGPUを用いた高性能計算はコストパフォーマンスの高さから利用が増えているが、現状のプログラミング環境は生産性・再利用性に問題がある。そこで、現在使われている開発環境CUDAに対し、新たな開発環境MESI-CUDAの実現を目指して手法の研究と処理系の開発を行っている。本研究では、共有メモリ型の簡潔なプログラミングモデルを導入して記述性を向上させる一方で、静的解析を利用した自動最適化によりプログラムの実行性能を確保するアプローチをとっている。
平成24,25年度は、シェアードメモリを明示キャッシュとして用いる最適化手法を中心に、論理スレッドマッピングの導入やメモリマッピング、マルチGPU利用に関する研究を行った。平成26年度はこれらの成果をもとに、以下の3点について研究・開発を行った。
(1)GPUスレッドマッピングの自動最適化手法。ユーザが記述した論理的なスレッドマッピングを最適化された物理マッピングに変換する手法を開発した。本手法では各スレッドのメモリアクセスパターンを静的解析することにより、速度低下の主因であるグローバルメモリアクセスを効率化する。同時に、シェアードメモリの利用率も向上させることで、既提案の明示キャッシュ手法の性能を改善する。
(2)メモリレイアウトの自動最適化手法。ユーザが定義したデータ構造に対し、メモリ上の並び順を変更することで、グローバルメモリアクセスを効率化する手法を開発した。本手法は異なる条件下で(1)と同様の効果を得るものであり、両手法を併用することで最適化性能の向上が期待できる。
(3)マルチGPUのタスクスケジューリング。ユーザの明示的な記述なしに複数のGPUを利用できるように、ユーザが生成を指示したGPUスレッドを利用可能なGPUへ自動的に振り分けるスケジューラを開発した。
|
