OpenACC高性能并行編程：概念與策略

贊譽
推薦序
譯者序
前言
致謝
貢獻者簡介
譯者簡介
第1章　OpenACC概述 1
1.1　OpenACC語法 2
1.1.1　導語 3
1.1.2　子語 3
1.1.3　API例程與環(huán)境變量 4
1.2　計算構件 4
1.2.1　kernels 5
1.2.2　parallel 6
1.2.3　loop 7
1.2.4　routine 7
1.3　數(shù)據(jù)環(huán)境 9
1.3.1　數(shù)據(jù)導語 9
1.3.2　數(shù)據(jù)子語 10
1.3.3　cache導語 11
1.3.4　部分數(shù)據(jù)傳輸 11
1.4　總結 12
1.5　練習 12
第2章　循環(huán)級并行性 14
2.1　kernels循環(huán)與parallel循環(huán)的比較 15
2.2　并行性的三個級別 18
2.2.1　gang、worker與vector子語 18
2.2.2　將并行性映射到硬件 19
2.3　其他loop構件 20
2.3.1　循環(huán)折疊 20
2.3.2　independent子語 21
2.3.3　seq與auto子語 22
2.3.4　reduction子語 23
2.4　總結 25
2.5　練習 26
第3章　OpenACC編程工具 27
3.1　架構的通用特性 27
3.2　編譯OpenACC代碼 28
3.3　OpenACC應用程序的性能分析 30
3.3.1　性能分析層次和術語 30
3.3.2　性能數(shù)據(jù)獲取 31
3.3.3　性能數(shù)據(jù)記錄和顯示 32
3.3.4　OpenACC性能分析接口 32
3.3.5　支持OpenACC的性能工具 33
3.3.6　NVIDIA性能分析工具 34
3.3.7　針對混合應用程序的Score-P工具基礎架構 35
3.3.8　TAU性能系統(tǒng) 40
3.4　識別OpenACC程序中的bug 42
3.5　總結 44
3.6　練習 45
第4章　使用OpenACC編寫第一個程序 48
4.1　案例研究 48
4.1.1　串行代碼 49
4.1.2　編譯代碼 55
4.2　創(chuàng)建一個原生的并行版本 56
4.2.1　找到熱點 56
4.2.2　使用kernels安全嗎 56
4.2.3　OpenACC實現(xiàn) 56
4.3　OpenACC程序的性能 59
4.4　優(yōu)化的并行版本 60
4.4.1　減少數(shù)據(jù)移動 61
4.4.2　特別聰明的小改動 62
4.4.3　最終的結果 63
4.5　總結 65
4.6　練習 66
第5章　編譯OpenACC 67
5.1　并行性的挑戰(zhàn) 68
5.1.1　并行硬件 68
5.1.2　映射循環(huán) 69
5.1.3　內存層次結構 71
5.1.4　歸約 72
5.1.5　應對并行性的OpenACC 72
5.2　重建編譯器 73
5.2.1　編譯器可以做什么 74
5.2.2　編譯器不能做什么 75
5.3　編譯OpenACC 76
5.3.1　代碼預備工作 77
5.3.2　調度 77
5.3.3　串行代碼 78
5.3.4　用戶錯誤 79
5.4　總結 80
5.5　練習 81
第6章　最佳編程實踐 83
6.1　通用準則 84
6.1.1　最大化設備計算 84
6.1.2　優(yōu)化數(shù)據(jù)局部性 85
6.2　最大化設備計算 86
6.2.1　原子操作 86
6.2.2　kernels構件與parallel構件 87
6.2.3　運行時調優(yōu)和if子語 88
6.3　優(yōu)化數(shù)據(jù)局部性 89
6.3.1　最少化數(shù)據(jù)傳輸 89
6.3.2　數(shù)據(jù)復用和present子語 90
6.3.3　非結構化數(shù)據(jù)生命周期 91
6.3.4　指定數(shù)組形狀 92
6.4　典型示例 92
6.4.1　背景知識：熱力學報表 92
6.4.2　基線CPU版本的實現(xiàn) 93
6.4.3　性能分析 93
6.4.4　使用OpenACC進行加速 94
6.4.5　優(yōu)化數(shù)據(jù)局部性 96
6.4.6　性能研究 97
6.5　總結 98
6.6　練習 98
第7章　OpenACC與性能可移植性 99
7.1　挑戰(zhàn) 99
7.2　目標架構 100
7.2.1　特定平臺的編譯 101
7.2.2　x86_64多核與NVIDIA 101
7.3　OpenACC性能可移植性 101
7.3.1　OpenACC內存模型 102
7.3.2　內存架構 102
7.3.3　代碼生成 102
7.3.4　性能可移植性的數(shù)據(jù)布局 103
7.4　代碼重構以實現(xiàn)性能可移植性 103
7.4.1　HACCmk 103
7.4.2　面向多種架構 105
7.4.3　openACC在NVIDIA K20x GPU上的應用 106
7.4.4　openACC在AMD Bulldozer多核上的應用 107
7.5　總結 108
7.6　練習 109
第8章　并行編程的其他方式 111
8.1　編程模型 111
8.1.1　OpenACC 113
8.1.2　OpenMP 113
8.1.3　CUDA 114
8.1.4　OpenCL 114
8.1.5　C++ AMP 115
8.1.6　Kokkos 115
8.1.7　RAJA 116
8.1.8　線程構建模塊 116
8.1.9　C++17 116
8.1.10　Fortran 2008 117
8.2　編程模型組件 117
8.2.1　并行循環(huán) 118
8.2.2　并行歸約 119
8.2.3　緊密嵌套循環(huán) 121
8.2.4　分層并行性（非緊密嵌套循環(huán)） 122
8.2.5　任務并行性 124
8.2.6　數(shù)據(jù)分配 125
8.2.7　數(shù)據(jù)傳輸 126
8.3　案例研究 127
8.3.1　串行實現(xiàn) 128
8.3.2　OpenACC實現(xiàn) 129
8.3.3　OpenMP實現(xiàn) 130
8.3.4　CUDA實現(xiàn) 131
8.3.5　Kokkos實現(xiàn) 134
8.3.6　TBB實現(xiàn) 136
8.3.7　一些性能數(shù)字 138
8.4　總結 140
8.5　練習 140
第9章　OpenACC與互操作性 142
9.1　在OpenACC中調用原生設備代碼 142
9.1.1　示例：使用DFT進行圖像濾波 143
9.1.2　host_data導語及use_device子語 145
9.1.3　目標平臺相關API例程 147
9.2　在原生設備代碼中調用OpenACC 149
9.3　OpenACC互操作性高級話題 149
9.3.1　acc_map_data 149
9.3.2　在OpenACC kernel中調用CUDA設備例程 151
9.4　總結 152
9.5　練習 152
第10章　OpenACC高級特性 153
10.1　異步操作 153
10.1.1　OpenACC異步編程 155
10.1.2　軟件流水線 160
10.2　多設備編程 168
10.2.1　多設備流水線 169
10.2.2　OpenACC與MPI 172
10.3　總結 176
10.4　練習 176
第11章　使用OpenACC的創(chuàng)新研究思路，第1部分 177
11.1　神威OpenACC 177
11.1.1　SW26010眾核處理器 178
11.1.2　神威太湖之光中的內存模型 178
11.1.3　執(zhí)行模型 180
11.1.4　數(shù)據(jù)管理 181
11.1.5　總結 183
11.2　針對加速器的嵌套循環(huán)編譯器轉換 184
11.2.1　OpenUH編譯器基礎架構 185
11.2.2　循環(huán)調度轉換 187
11.2.3　循環(huán)調度的性能評估 190
11.2.4　OpenUH的其他研究課題 193
第12章　使用OpenACC的創(chuàng)新研究思路，第2部分 194
12.1　一個基于導語的高性能可重構計算框架 194
12.1.1　介紹 195
12.1.2　OpenACC到FPGA的基線翻譯 196
12.1.3　用于高效FPGA編程的OpenACC擴展和優(yōu)化 198
12.1.4　評估 203
12.1.5　總結 207
12.2　使用XcalableACC編程加速集群 207
12.2.1　XcalableMP介紹 208
12.2.2　XcalableACC：當XcalableMP遇上OpenACC 211
12.2.3　Omni編譯器的實現(xiàn) 213
12.2.4　在HA-PACS上的性能評估 215
12.2.5　總結 220