CPU和GPU真融合 APU異構系統架構解析

    計算機從誕生之日起就配有中央處理器，即執行通用計算任務的CPU。但在過去的二、三十年中，主流的計算系統同時配置了其他計算處理單元，其中最常見的是圖形處理器(GPU)。最初，GPU應用于并行化的特殊的圖形計算。隨著時間推移，GPU的絕對計算能力越來越強，而專用芯片的特點則逐漸淡化，此消彼長的結果是，GPU可以較好的性能-功耗比完成通用并行計算的任務。

    今天數量越來越多的主流應用要求兼具高性能和低功耗的素質，并行計算是達成目標的唯一途徑。但是，當前的CPU和GPU是分立設計的處理器，不能高效率地協同工作，編寫同時運行于CPU和GPU的程序也是相當麻煩。由于CPU和GPU擁有獨立的地址空間，應用程序不得不明確地控制數據在CPU和GPU之間的流動。

    CPU代碼通過系統調用向GPU發送任務，此類系統調用一般由GPU驅動程序管理，而驅動程序本身又受到其他調度程序管理。這么多的環節造成了很大的調用開銷，以至于，只有在任務所需處理的數據規模足夠大，任務的并行計算量足夠大時，這樣的調用開銷才是劃算的。而其他的調用形式，比如由GPU向CPU發送任務，或者GPU向自己發送任務，在今天則根本不被支持！

    為了充分釋放并行處理器的計算能力，架構設計者必須打破既有格局，采用新的思路。設計者必須重塑計算系統，把同一個平臺上分立的處理單元緊密整合成為不斷演進單顆處理器，同時無需軟件開發者的編程方式發生重大的改變，這是HSA設計中的首要目標。

    為此，異構系統架構(HSA，Heterogeneous System Architecture)創造了一種更佳的處理器設計，展示了CPU和GPU被無縫集成后所帶來的益處和潛能。通過HSA，程序可以在統一的地址空間中建立數據結構，在最合適的處理器上創建任務。處理器之間的數據交互不過是傳遞一個指針。多個計算任務之間通過coherent memory，barrier，和atomic等操作來保證數據的同步(和多核CPU的方式相同)。