【经验分享】GPU CUDA 使用 memory padding 避免 bank conflict

  欢迎关注我的公众号 [极智视界]，回复001获取Google编程规范

  O_o   >_<   o_O   O_o   ~_~   o_O

  本文聊一下如何在 GPU CUDA 编程里使用 memory padding 来避免 bank conflict。

1、Shared memory

  Shared memory 是一块很小、低延迟的 on-chip memory，比 global memory 快上百倍，可以把 shared memory 当作可编程的 cache，主要作用有：

• An intra-block thread communication channel：线程间的交流通道；
• A program-managed cache for global memory data：可编程的 cache；
• Scratch pad memory for transforming data to improve global memory access patterns：通过缓存数据减少 glabal memory 访存次数。

   可以动态或者静态的分配 shared memory，其声明既可以在 kernel 内部也可以作为全局变量，可以通过以下关键字进行声明：

__shared__     /// 标识符

__shared__ float tile[_y][_x];     /// 静态的声明了一个2D浮点型数组
    
/// kernel 内声明
extern __shared__ int tile[];

kernel<<<grid, block, isize * sizeof(int)>>>(...);

  为了获得高带宽，shared memory 被分成 32 个等大小的内存卡，对应 warp 中的 thread，他们可以同时被访问。

2、使用 memory padding 避免 bank conflict

  如果没有 bank 冲突的话，shared memory 跟 registers 一样快。

  快速的情况：

• warp 内所有线程访问不同 banks，没有冲突；
• warp 内所有线程读取同一地址，触发广播机制，没有冲突。

  慢速的情况：

• bank conflict：warp 内多个线程访问同一个 bank；
• 访存必须串行化；
• 多个线程同时访问同一个 bank 的线程数最大值。

  举个 bank conflict 的例子，如下是一块共享内存：

  没有 bank conflict 的情况：

int x_id = blockDim.x * blockIdx.x + threadIdx.x;     // 列坐标
int y_id = blockDim.y * blockIdx.y + threadIdx.y;     // 行坐标
int index = y_id * col + x_id;

__shared__ float sData[BLOCKSIZE][BLOCKSIZE];

if(x_id < col && y_id < row)
{
    sData[threadIdx.y][threadIdx.x] = matrix[index];
    __syncthreads();
    matrixTest[index] = sData[threadIdx.y][threadIdx.x];
}

   有 bank conflict 的情况：

int x_id = blockDim.x * blockIdx.x + threadIdx.x;     // 列坐标
int y_id = blockDim.y * blockIdx.y + threadIdx.y;     // 行坐标
int index = y_id * col + x_id;

__shared__ float sData[BLOCKSIZE][BLOCKSIZE];

if(x_id < col && y_id < row)
{
    sData[threadIdx.x][threadIdx.y] = matrix[index];
    __syncthreads();
    matrixTest[index] = sData[threadIdx.x][threadIdx.y];
}

   以上例子中从没有 bank conflict 到有 bank conflict 只是做了很小的改动，下面看看如何解决上述的 bank conflict。

  以上面的例子为例，可以简单的通过 memory padding 的方式来避免 bank conflict，如下图：

  从代码角度来看一下，是怎么样通过 memory padding 来把上面有 bank conflict 的代码进行性能改善的：

int x_id = blockDim.x * blockIdx.x + threadIdx.x;     // 列坐标
int y_id = blockDim.y * blockIdx.y + threadIdx.y;     // 行坐标
int index = y_id * col + x_id;

__shared__ float sData[BLOCKSIZE][BLOCKSIZE + 1];     // memory padding

if(x_id < col && y_id < row)
{
    sData[threadIdx.x][threadIdx.y] = matrix[index];
    __syncthreads();
    matrixTest[index] = sData[threadIdx.x][threadIdx.y];
}

  以上分享了在 GPU CUDA 编程中使用 memory padding 来避免 bank conflict 的方法，希望我的分享对你的学习有一点帮助。

---

【公众号传送】
《【经验分享】GPU CUDA 使用 memory padding 避免 bank conflict》