一種面向gpu并行的三對角矩陣方程求解方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及高性能計算技術(shù)領(lǐng)域，尤指一種面向圖形處理器（GPU，Graphics Processing化it)并行的Ξ對角矩陣方程求解方法。
【背景技術(shù)】
[0002] Ξ對角方程組是線性代數(shù)方程組中結(jié)構(gòu)形式較為簡單的一種，屬于帶狀方程組。 其半帶寬為1。在兩點邊值問題的有限差分方法、Ξ次樣條插值函數(shù)的計算、偏微分方程隱 式差分方法中常常產(chǎn)生運(yùn)類方程組。研究Ξ對角線方程組的求解對數(shù)值計算相關(guān)領(lǐng)域（如 航空數(shù)值計算）也有著重要的價值。
[0003] 傳統(tǒng)求解Ξ對角方程組的串行算法比較經(jīng)典的有Guass消去法，也被稱為"追趕 法"，雖然該算法已證明在串行計算機(jī)上是最優(yōu)的算法，但是并不適合并行求解。Ξ對角方 程組的并行算法主要有遞歸倍增法（stone算法）、循環(huán)約化法、W及分裂法等。
[0004] 同時，近年來GPU硬件性能和可編程性的提高，W及其在數(shù)值計算領(lǐng)域的廣泛應(yīng) 用，為并行求解Ξ對角方程組，提高計算性能帶來了契機(jī)。分裂法由H.H.Wang在八十年代 提出，算法貫徹了分而治之的原則，適用于并行求解。但是針對計算統(tǒng)一設(shè)備架構(gòu)（CUDA， Compute化ifiedDeviceArchitec化re)架構(gòu)，算法的幾個中間步驟表現(xiàn)出適應(yīng)性的不 足。 陽0化]原分裂法算法的主要步驟如下，W 9乘9矩陣為例。
[0006] 1.將矩陣分塊，如圖1所示。 陽007] 2.依次消去每塊左下方元素（曰2,曰5,曰8,a3,曰6,曰9)和上方元素（cl，c4,c7)，塊 內(nèi)串行，塊間并行，如圖2所示。
[0008]3.消去每塊上方元素（c3,c6)，存在塊間數(shù)據(jù)依賴，塊間串行，如圖3所示。
[0009] 4.消去每塊左側(cè)元素（f4,巧，f6,巧，f8,f9)和右側(cè)元素（g6,g7,c8,g3,g4,c5， gl，c2)，存在塊間數(shù)據(jù)依賴，塊間串行，如圖4所示。
[0010] 5.求解完畢，如圖5所示。
[0011] 在利用CUDA編程模型在GPU上進(jìn)行實現(xiàn)時，如果按照上述原算法的描述進(jìn)行求 解，會發(fā)現(xiàn)在線程與線程之間，W及塊與塊之間存在著依賴關(guān)系，需要進(jìn)行通信和同步操 作。
[0012] 根據(jù)上述算法描述和分析：在算法的前半部分，矩陣塊內(nèi)串行，矩陣塊間并行；算 法后半部分，矩陣塊內(nèi)并行，矩陣塊間串行。前半部分的分塊方法將矩陣分塊的尺寸固定， 之后就無法更改，而且塊內(nèi)的并行度低，加速效果差；后半部分塊間串行無法利用GPU多線 程的優(yōu)勢。。

【發(fā)明內(nèi)容】

[0013] 為了解決上述技術(shù)問題，本發(fā)明提供了一種面向GPU并行的Ξ對角矩陣方程求解 方法，能夠有效提高數(shù)據(jù)處理的塊間并行度，保證正確性的同時，提高系統(tǒng)的運(yùn)算效率。
[0014] 為了達(dá)到本發(fā)明目的，本發(fā)明提供了一種面向GPU并行的Ξ對角矩陣方程求解方 法，包括：將面向GPU并行的Ξ對角矩陣進(jìn)行矩陣塊間依賴消除實現(xiàn)塊內(nèi)消元；將經(jīng)過依賴 消除的矩陣塊間進(jìn)行并行求解實現(xiàn)塊間并行消元；利用主機(jī)內(nèi)存和GPU顯存的透明映射， 進(jìn)行主機(jī)和GPU之間的數(shù)據(jù)傳輸通路。
[0015] 進(jìn)一步地，所述進(jìn)行矩陣塊間依賴消除，具體為：根據(jù)矩陣數(shù)據(jù)分塊之間的并行 性，消除矩陣分塊間的數(shù)據(jù)依賴，并將具有數(shù)據(jù)塊間依賴的部分進(jìn)行塊內(nèi)消元。
[0016] 進(jìn)一步地，所述進(jìn)行矩陣塊間依賴消除，具體為：將矩陣分塊；依次消去每塊左下 方元素和上方元素，塊內(nèi)串行，塊間并行；消去每塊上方元素，存在塊間數(shù)據(jù)依賴，塊間串 行；依次消去每塊左側(cè)最下元素，進(jìn)行依賴數(shù)據(jù)預(yù)處理，塊間串行；順序消去每塊左側(cè)元素 和右側(cè)元素，塊內(nèi)串行，塊間并行。
[0017] 進(jìn)一步地，所述進(jìn)行并行求解，具體為：根據(jù)分塊大小W及GPU線程數(shù)目，對將經(jīng) 過依賴消除的矩陣塊間進(jìn)行并行求解。
[0018] 進(jìn)一步地，所述進(jìn)行主機(jī)和GPU之間的數(shù)據(jù)傳輸通路，具體為：利用主機(jī)內(nèi)存和 GPU顯存的透明映射，使用主機(jī)CPU進(jìn)行串行運(yùn)算實現(xiàn)主機(jī)和GPU之間的數(shù)據(jù)傳輸通路。
[0019] 與現(xiàn)有技術(shù)相比，本發(fā)明通過矩陣塊間依賴消除算法，將原分裂法中具有數(shù)據(jù)塊 間依賴的部分進(jìn)行預(yù)先消元，為后續(xù)塊間并行消元打下基礎(chǔ)，使得整個算法適用于GPU的 并行處理；針對為面向GPU加速求解Ξ對角矩陣方程的特點，選擇合適的分塊大小W及GPU 線程數(shù)目，進(jìn)行并行處理，是大幅提高計算性能的基礎(chǔ)；利用主機(jī)內(nèi)存和GPU顯存的透明映 射，一方面減少了數(shù)據(jù)傳輸量，另一方面簡化了數(shù)據(jù)傳輸步驟，進(jìn)一步挖掘了算法的整體性 能。本發(fā)明充分考慮GPU具有強(qiáng)大并行處理能力的特點，并著眼于傳統(tǒng)分裂法求解Ξ對角 矩陣算法的GPU適應(yīng)性改進(jìn)，面向GPU計算特征，采用依賴數(shù)據(jù)預(yù)消除的方法針對矩陣分塊 計算的并行性進(jìn)行了優(yōu)化，最終在Ξ對角矩陣方程的求解速度方面，與傳統(tǒng)的分裂法相比 獲得了較大的改進(jìn)，從而推動了GPU在高性能數(shù)值計算領(lǐng)域廣泛應(yīng)用。
[0020] 本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變 得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在說明書、權(quán)利 要求書W及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。
【附圖說明】
[0021] 附圖用來提供對本發(fā)明技術(shù)方案的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與本 申請的實施例一起用于解釋本發(fā)明的技術(shù)方案，并不構(gòu)成對本發(fā)明技術(shù)方案的限制。
[0022] 圖1是現(xiàn)有技術(shù)中的分裂法矩陣分塊示意圖。
[0023] 圖2是現(xiàn)有技術(shù)中的分裂法塊間并行消元示意圖。
[0024] 圖3是現(xiàn)有技術(shù)中的分裂法塊間同步消元示意圖。
[00巧]圖4是現(xiàn)有技術(shù)中的分裂法塊內(nèi)并行、塊間串行消元示意圖。
[00%] 圖5是現(xiàn)有技術(shù)中的分裂法求解完畢示意圖。
[0027] 圖6是本發(fā)明的面向GPU并行的Ξ對角矩陣方程求解方法的流程示意圖。
[0028] 圖7是本發(fā)明的算法初始狀態(tài)示意圖。
[0029] 圖8是本發(fā)明的算法串行依賴消去示意圖。
[0030] 圖9是本發(fā)明的算法塊間并行消元示意圖。
[0031] 圖10是本發(fā)明的算法求解完畢示意圖。
【具體實施方式】
[0032] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，下文中將結(jié)合附圖對本發(fā)明 的實施例進(jìn)行詳細(xì)說明。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中 的特征可W相互任意組合。
[0033] 在附圖的流程圖示出的步驟可W在諸如一組計算機(jī)可執(zhí)行指令的計算機(jī)系統(tǒng)中 執(zhí)行。并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可不同于此處的順 序執(zhí)行所示出或描述的步驟。
[0034] 在CUDA實現(xiàn)時，如果按照現(xiàn)有技術(shù)的方法進(jìn)行求解，發(fā)現(xiàn)在線程與線程之間，W 及塊與塊之間存在著依賴關(guān)系，需要進(jìn)行通信和同步操作。最為重要的是最后對于f列和 g列的消去線程之間有著依賴關(guān)系，必須串行進(jìn)行，運(yùn)對CUDA程序的性能是致命的損失。
[0035] 本發(fā)明的算法設(shè)計主要考慮分裂法塊內(nèi)及塊間可并行的特點，W及GPU編程模型 CUDA單指令流多線程的特點，采用數(shù)據(jù)預(yù)處理消除塊間數(shù)據(jù)依賴的方法，可有效提高數(shù)據(jù) 處理的塊間并行度。