單芯片同步多處理技術(shù) 處理器的下一步

申請(qǐng)免費(fèi)試用、咨詢(xún)電話：400-8352-114

數(shù)據(jù)平行算法

在指定的建置技術(shù)下，要將個(gè)別處理器性能發(fā)揮到極限非但不容易，也沒(méi)有效率。更快的頻率、更深的管線和更大的緩沖存儲(chǔ)器會(huì)占用更大的芯片面積同時(shí)增加功耗成本，削弱了原本可提升10%性能的效益。有時(shí)候在沒(méi)有選擇的情況下，不得不將頻率速度提高并將電源和冷卻子系統(tǒng)升級(jí);倘若使用將負(fù)載劃分到多個(gè)處理器的方式，不但可以增加最大整體性能限制，亦可簡(jiǎn)化處理器設(shè)計(jì)使其更有效率。

目前有許多系統(tǒng)級(jí)芯片(SoC)設(shè)計(jì)利用多處理器的優(yōu)勢(shì)，但它們均針對(duì)特定應(yīng)用或采用松散耦合方式。直到最近，針對(duì)軟件多處理方案的SoC設(shè)計(jì)選項(xiàng)依然受到限制。但MIPS32 1004K同步處理系統(tǒng)(CPS) SoC組件的推出，意味著可在單一操作系統(tǒng)環(huán)境下實(shí)現(xiàn)芯片上對(duì)稱(chēng)式多重處理(SMP)。

雖然平行編程很容易讓軟件工程師理解，但并非所有現(xiàn)今的程序代碼都是針對(duì)平行處理平臺(tái)所編寫(xiě)，業(yè)界已有許多針對(duì)平行軟件的范例，其中有一些對(duì)軟件設(shè)計(jì)人員來(lái)說(shuō)也相當(dāng)熟悉。

數(shù)據(jù)平行算法

數(shù)據(jù)平行算法(Data-parallel algorithm)將數(shù)據(jù)組劃分到多處理器，甚至到若干個(gè)CPU中。在教科書(shū)中，可將大型數(shù)據(jù)組看作一個(gè)大量輸入文件或數(shù)據(jù)數(shù)組;但在嵌入式系統(tǒng)中，它可能意味著高I/O和事件服務(wù)頻寬。在某些SoC架構(gòu)中，多個(gè)輸入數(shù)據(jù)來(lái)源(如網(wǎng)絡(luò)接口端口)可以被靜態(tài)地分配到針對(duì)自然平行數(shù)據(jù)、執(zhí)行相同驅(qū)動(dòng)程序/路由程序代碼的多個(gè)處理器中。

當(dāng)在單一數(shù)據(jù)數(shù)組或輸入流中利用多處理器性能時(shí)，用于分割并管理數(shù)據(jù)的平行算法就很常見(jiàn)。這種算法對(duì)于單處理器來(lái)說(shuō)通常不是最理想的，但由于具備了更靈活的頻寬運(yùn)算特性，因此可提供效率補(bǔ)償。這些針對(duì)平行運(yùn)算算法均具備靈活性，但要是將一個(gè)工作程序轉(zhuǎn)換成一個(gè)平行數(shù)據(jù)算法也許不具任何意義，甚至是相當(dāng)困難或是不可能實(shí)現(xiàn)的，而這完全取決于程序相依性這類(lèi)因素。如果絕大部分的應(yīng)用程序運(yùn)算都僅采用很少的常規(guī)運(yùn)算循環(huán)來(lái)實(shí)現(xiàn)，那么，為提高性能，系統(tǒng)設(shè)計(jì)師也許要明確地建置數(shù)據(jù)平行算法。

隨著用于PC、工作站和服務(wù)器的多核心X86芯片問(wèn)世，新的數(shù)據(jù)庫(kù)和工具套件應(yīng)運(yùn)而生，使得平行算法得以輕易地在少量的處理器上實(shí)現(xiàn)。許多用于嵌入式架構(gòu)的數(shù)據(jù)庫(kù)和工具套件都是開(kāi)放且可攜的，如MIPS為GCC所做的C/C++以及Fortran擴(kuò)展，也正逐漸成為標(biāo)準(zhǔn)GNU編譯器的一部分。

平行控制編程

平行控制編程(Control-parallel programming)并非根據(jù)輸入，而是根據(jù)任務(wù)分割工作。若將一個(gè)以100人制造一臺(tái)汽車(chē)為單位的汽車(chē)制造工廠比喻為一個(gè)100信道平行數(shù)據(jù)算法，并將平行控制程序比喻為一個(gè)具有100人的組裝線工作站，各工作站負(fù)責(zé)百分之一的工作量，通常組裝線的效率會(huì)比較高，但組裝一臺(tái)車(chē)的工作量就只有這么多，這樣的限制在科學(xué)程序代碼擴(kuò)充到幾千個(gè)處理器時(shí)非常顯著，然而對(duì)于平行SoC架構(gòu)而言這并不是個(gè)問(wèn)題。

軟件工程師通常將程序劃分成若干個(gè)階段以易于編碼、除錯(cuò)和維護(hù)，并減少指令內(nèi)存和快取的工作量。通常，平行控制分解早已設(shè)在可見(jiàn)的操作系統(tǒng)(OS)任務(wù)層。在類(lèi)似于Unix的系統(tǒng)中，單一命令‘cc’會(huì)依序呼叫C語(yǔ)言前置處理器、編譯器、組譯器和連結(jié)程序。它們之中的幾個(gè)可以同時(shí)執(zhí)行，每個(gè)連續(xù)程序利用前一個(gè)階段的輸出作為輸入，在類(lèi)似于Unix這樣的OS內(nèi)使用檔案或軟件管線。

當(dāng)獨(dú)立分解的執(zhí)行任務(wù)尚未完成時(shí)，需進(jìn)行一些軟件工程，使應(yīng)用程序在OS和底層硬件上是可見(jiàn)的，并能在任務(wù)間明確地傳遞數(shù)據(jù)。但是不應(yīng)該需要對(duì)階段算法進(jìn)行重寫(xiě)。粗粒度的任務(wù)分解可透過(guò)檔案、網(wǎng)絡(luò)應(yīng)用程序(socket)或管線的進(jìn)程通訊來(lái)實(shí)現(xiàn)。而針對(duì)細(xì)粒度的控制，如Posix執(zhí)行緒API——pthreads，可由許多OS支持，包括Linux、Windows以及許多實(shí)時(shí)操作系統(tǒng)。

復(fù)雜的、模塊化的多任務(wù)嵌入式軟件系統(tǒng)時(shí)常會(huì)展現(xiàn)出意外的同步。整體系統(tǒng)任務(wù)很可能涉及到對(duì)應(yīng)不同輸入的不同責(zé)任等多項(xiàng)任務(wù)。若沒(méi)有一個(gè)時(shí)間共享的OS，各任務(wù)就必須在個(gè)別處理器上執(zhí)行。在一個(gè)時(shí)間共享的單處理器上，它們?cè)谳喠鲿r(shí)間中執(zhí)行；在一個(gè)具有SMP操作系統(tǒng)的多核心處理器上，它們能在可利用的處理器上同步執(zhí)行。

圖1a：復(fù)雜的模塊化多任務(wù)嵌入式軟件系統(tǒng)時(shí)常會(huì)展現(xiàn)出意外的同步。有了一個(gè)時(shí)間共享的OS，各任務(wù)就必須在個(gè)別處理器上執(zhí)行。在一個(gè)時(shí)間共享的單處理器上，它們?cè)谳喠鲿r(shí)間中執(zhí)行;在具有SMP操作系統(tǒng)的多處理器上，它們?cè)诳衫玫奶幚砥魃贤綀?zhí)行。圖1b：在SMP操作系統(tǒng)中，所有的處理器都面對(duì)相同的內(nèi)存、I/O組件和全域OS狀態(tài)。在單CPU上利用時(shí)間分段執(zhí)行的多任務(wù)程序，將能同時(shí)在一個(gè)SMP系統(tǒng)中的CPU上執(zhí)行。