GPU/GPGPU架构(三十二)_vukan gpgpu

概念
GPU(Graphics Processing Unit)，也即显卡，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上作图像运算工作的微处理器。它已经是个人PC和移动设备上不可或缺的芯片，有界面有显示的地方，一般就离不开它。高清电视、智能手机、个人电脑。

GPU的产生是为了解决图形渲染效率的问题，但随着技术进步，GPU越来越强大，尤其是shader出现之后（这个允许我们在GPU上编程），GPU能做的事越来越多，不再局限于图形领域，也就有人动手将其能力扩展到其他计算密集的领域，这就是GP(General Purpose)GPU。

考虑到当下，图形领域的技术人员对GPU已经是很熟悉了，其他那些关心GPU的，无非是向往GPU的强大并行运算能力，想利用它做通用计算的，因此，本文会特别提GPGPU。

架构与生态
GPU架构与生态

 

大致可以分为三层：
1. 图形引擎/算法库，比如：Cocos2D, Ogre, Unity3D, Caffe等.
2. 图形标准API，比如：D3D, OpenGL, VulKan, OpenCL, CUDA
3. 不同型号的GPU，如Tesla, Iris, GTX, Mali, PowerVR等

图形标准历史:
开发者直接调用驱动接口是很不方便且不安全的，为此，需要有一套给上游应用开发提供的API，开发者使用这组API，去触发GPU的功能，这一套API就是图形标准。
API 的开发者，自然非常希望这套API是统一的，不过很不幸，由于历史原因、性能问题及永恒的利益之争，统一似乎是不可能的事情。还好，主流的标准就那么几个，而且编程原理基本上一样，代码封一层去适应下，一般也就可以了。
图形渲染标准
个人PC一般是Windows系统，主要使用Direct3D，一般也支持OpenGL。
服务器、mac等一般是类unix系统（Ubuntu、Redit、macOS），支持开放标准OpenGL。
智能手机、机顶盒等嵌入式设备一般是类unix系统（iOS、Android、阿里云等），支持开放标准OpenGLES（OpenGL标准作裁剪而得），不过苹果觉得OpenGL效率太低，不能充分发挥自家GPU的优势，就搞了一个metal。后面 AMD 也这么认为，搞了一个mantle，到了最后khronos组织也一致这么认为了，就推出了vulkan。
Direct3D只适用于Windows
metal只适用于ios，mantle只适用于AMD的GPU
OpenGL/OpenGL ES及新推出的vulkan是通用开放标准，它们由khronos组织维护，理论上适用于任何操作系统，但需要GPU厂商去支持。
vulkan在设计上无疑是先进的，

一是废弃了OpenGL的线程上下文及状态机模式（这导致图形引擎在考虑多线程并发时的设计超痛苦，且很容易出Bug）
二是废弃了shader前端、只支持一种叫SPIR-V的shader中间码（一方面防止奇葩低端gpu在编译shader时报语法错误，另一方面，可以对shader代码作一定的产权保护）。

通用计算标准
目前的通用计算标准主要是OpenCL，最新版到2.1，但人们用得最多的是NVIDIA的专属API：CUDA。
Google 一直在Android系统中强推 RenderScript，不在系统层面支持OpenCL，很大程度上限制了移动端的通用计算应用。
这篇文章分析 OpenCL和RenderScript 得比较好：
http://blog.csdn.net/zhuanshenweiliu/article/details/40746873
硬件与驱动
在个人PC、游戏主机及服务器市场，主要是NVIDIA和AMD两强争霸，传统的图形渲染上，不分伯仲；通用计算方面，由于NVIDIA先行了一步，推出CUDA，生态圈已成，拥有绝对优势；不妨看今年据说要爆发的VR（虚拟现实）上，两边的成绩如何。

嵌入式设备市场上，GPU品种要繁多一些，论第一还是首推iphone所采用的powerVR（Imagination公司所产），其次是高通的Adreno系列（如小米、三星S7），继而Arm的mali系列（海思自用图芯吃亏之后，改用mali系列，图形能力脱胎换骨【但还是相对弱势】，不过P6、D2给消费者留下的图形能力不行的阴影至今仍在）。其他份额较少的gpu就不罗列了。

驱动框架：
一般来说，gpu的驱动框架类似下图：

窗口标准的实现是与操作系统强相关的，它为图形渲染提供目标内存。一般来说，只要支持的标准不变，操作系统更换/升级，对驱动的代码影响就只限在窗口这一块。
编译器用于编译shader或kernel，编译kernel需要用llvm预编译，编译器会大一些。低端GPU的编译器特别容易出现各种语法不支持，让写shader的人痛苦万分。
通用计算的实现就是把kernel编译后转成任务扔给内核去跑，相对简单。
图形渲染的实现则需要考虑到一帧中可能有重复渲染/过度绘制的情况，为了这方面做优化，一帧中的任务有必要做一下组织，因此要有个帧管理器模块。
内存管理用于管理显存，但显存不一定是在GPU芯片上（独显和集显的区别）。
不管上层玩得多么风生水起，到了内核都是一个个的任务，内核模块执行、调度便是。
参考文章 http://blog.csdn.net/myarrow/article/details/17375483
图形引擎/算法库
一般而言，应用开发者不会直接去调用图形标准API，而是使用图形引擎/算法库。原因如下：
1、图形标准API非常繁琐难用，需要习惯GPU编程的思想，有必要做适度封装，减轻上层应用的开发难度。
2、如上文所述，图形标准有多种，且不同硬件对同一标准的支持情况也不一定相同，有必要做一个中间层，专门去处理这些问题。
3、一些图形图像算法需要较强的专业知识，得用专业人才去编写。

图形引擎
应用开发者开发界面时，主要是用操作系统提供的View框架。为支持这个框架，操作系统都会实现一套2D引擎，开发者间接使用了图形引擎。
- Android应用间接使用了Android的hwui引擎。
- 要求界面炫酷的应用，典型如游戏，会去用一些3D引擎。目前手游上主流的游戏引擎是 Unity3D和cocos2D，unity3D免费但不开源，cocos2D是做了捕鱼达人游戏的公司公布并开源的。PC游戏方面，以收费商业引擎为主，且一般是基于D3D（这就是为什么Linux、类linux系统下游戏那么少），典型如虚幻引擎，特效强大。
- ogre是主要用于PC的久负盛名的开源引擎，支持OpenGL，完美时空基于ogre做过游戏。
图形引擎多种多样，这里仅仅是列了很少一部分，毕竟是个大坑，只能简单提一下。

通用计算引擎/算法库
通用计算引擎所见的主要是
1. ArrayFire，主页：http://arrayfire.com/。它提供了一系列用OpenCL/Cuda加速的算法库，并提供方便的接口去开发GPU加速的算法。
2. caffe是工业上最常用的深度学习框架，支持多台装配NVIDIA的服务器同时进行深度学习。
3. OpenCV 是一个庞大的图像算法库，cl-opencv对其核心算法基于OpenCL作了加速。
4. PG-Storm 则据说是用 GPU加速的 postsql，具体没看过，SQL查询中的变长字符串处理是GPU优化的难点，以前看过的demo都回避了这一问题，不知道这个是否解决了。

GPU编程
抛开具体的硬件，标准，以及引擎来说，GPU本身代表着和CPU不一样的编程思想：CPU好比几个高智商精英，什么都能做且做得快；而GPU就是一大群低学历农民工，每个人可以做的有限，也不快，但人数优势决定其整体速度完爆精英们。
GPU编程，就像指挥一大群蚂蚁，有几个通用原则：
1、让蚂蚁们做的工作量尽可能相等，因为你要等所有蚂蚁都完成才能进行下一步。
2、不要在意每一只蚂蚁的工作细节，请关注你给蚂蚁准备的粮食。（GPU编程的主要工作是配置参数）
3、蚂蚁们所在的世界和你的世界有矩离，你要教导它们做事（提供shader或kernel），向它们喊话（触发执行API），并提供做事的资源（内存数据传到显存）。

图形渲染
管线
管线是GPU上做图形渲染编程最为重要的概念，GPU就像一个炒菜机，程序员要做的主要事情是给它配原料，至于翻滚、加热等工序，不在程序员的控制之内。 参考：
http://www.360doc.com/content/13/0107/18/9934052_258805453.shtml
简单的记法：
顶点——图元——光栅化——着色

形与色
图形渲染的基本思想就是先定形，再定色。

通用计算
数据并行与批量化
使用GPU加速算法，务必做到
1. 批量化处理：只处理1条或1行数据，调用GPU接口的交互时间会远远超出计算时间。
2. 减少交流：
这里的交流，一方面指的是CPU与GPU之间的数据传输，另一方面指调触发运算的API。

GPGPU应用展望
1. 移动端的通用计算
从事SOC开发的工作时，对此做了许多尝试均告失败。移动端的通用GPU计算实在是很难有进展的一件事情，首先，受限于可怜的GPU性能及弱爆了的内存传输带宽，GPU加速往往被多线程+neon完爆；其次，移动端作密集运算的场景着实有限，最需要运算的也就相机模块与图像编解码，但这么有限的场景厂商完全可以上DSP/ISP，GPU在这时并没太大优势。目前而言，在移动端做优化，主要还是运用OpenGL和neon。
然而随着普适计算、情景智能、图像识别的发展，移动端的通用计算将会变得越来越有意义，更快更准确的机器学习算法的使用，可以让手机更智能。

2. 通用分布式异构计算框架
目前的分布式计算框架，通用型的如Hadoop、Spark、flink等都是只能利用CPU的（虽然也可以用GPU，但用起来很麻烦且兼容性不好）。

用上了 GPU 的，主要是特定设备上跑固定算法（Deep Learning），不具备通用性, 以致于几乎Tesla就是DL的代表.

若有一个通用的分布式异构计算框架，可以大幅降低机器学习、图像处理、视频制作等计算密集业务在时间和机器上的消耗，其价值是非常大的。
此外，基于此可以设计分布式GPU数据库，大大提升查询的性能。