[发明专利]基于GPU的乐观时间管理方法

说明书

一种基于GPU的乐观时间管理方法，步骤为：S1：仿真初始化，生成若干的初始化仿真事件；S2：判断仿真是否结束？如结果为“是”，则算法结束；如结果为“否”，则继续执行步骤S3；S3：构建时间窗口；S4：事件提取；GPU线程并行地检查所有仿真事件，若仿真事件的时戳位于时间窗口内部，则将该仿真事件加入到其目标逻辑进程FEL中；S5：前向事件处理；GPU线程并行地处理各个逻辑进程FEL中的事件；S6：逆向事件处理；如发生因果乱序的情况，通过逆向事件处理来修复；S7：事件提交；将所有已处理事件的提交确认，把所有逻辑进程PEL置为空，转步骤S2。本发明具有能够提高系统并行度，高效发挥GPU性能优势等优点。

技术领域

本发明主要涉及到建模与仿真技术领域，特指一种基于GPU的乐观时间管理方法。

背景技术

近年来，由于系统能耗、存储性能和指令集并行度等多方面限制，传统的通过提高主频以获取更高性能处理器的方法不再可行，众核技术成为处理器发展的新趋势。其中，基于GPU的高性能计算平台，由于具有强大计算能力、低功耗特性以及可持续增长的潜力，正成为高性能计算机发展的重要趋势，也为加速复杂系统仿真应用提供了新的机遇。由于GPU本质上是一个由众多处理单元构成的片上并行处理集群，因此必须通过支持并行仿真才能充分发挥其处理能力加速仿真应用。在并行仿真理论中，被模拟的目标系统可视为一组物理进程及其之间的交互。在仿真系统中，逻辑进程(Logical Process，LP)用来模拟物理进程，物理进程之间的交互则通过在对应逻辑进程之间传递带时戳(Timestamp)的仿真事件(或称消息)来模拟。通过时间管理，逻辑进程可利用不同的处理单元并行地按时戳顺序处理属于自己的事件且能保证仿真结果的正确性。可以说，时间管理算法既是维护仿真全局因果序逻辑的基础，也是提升仿真运行效能的关键所在。

为支持基于GPU的并行仿真，有学者针对时间管理算法进行了研究，获得一些有价值的成果。例如，Perumalla提出了一种事件驱动和时间步进混合的方法在GPU上实现了扩散系统仿真。算法首先从更新时间列表中选择最小时戳事件，然后以此为时间步长同时更新指定范围内的所有单元。Hyungwook Park和Paul Fishwick设计了一种基于GPU的离散事件仿真应用框架，该框架利用时间区间来聚集事件以提高并发度。上述工作本质上属于同步保守时间管理算法，这类算法可简单表述为如下循环过程：计算仿真时间窗口[T_floor，T_ceilling)，提取所有时戳在时间窗口内的事件，将其插入到对应逻辑进程的未来事件队列(Future Event List，FEL)中，之后由各个GPU线程并行处理FEL中的事件。为保证所有时戳在时间窗口内的事件可被安全执行，通常使用前瞻值lookahead来限定时间窗口的大小，即T_floor-T_{ceilling＝lookahead}。Lookahead表示逻辑进程之间互相影响的最小时延。换句话说，若逻辑进程A当前的局部虚拟时间(Local virtual time，lvt)为t，那么其向其他逻辑进程发送的消息时戳必须大于t+Lookahead。

然而，由于GPU通常拥有数百个可并行处理的运算单元，且需要通过大量线程切换来隐藏指令执行延迟，其性能高度依赖于并行度。但同步保守时间管理算法过于悲观，其窗口大小的限制使得算法仅能处理“肯定不会发生因果乱序”的事件，忽略了那些“理论上可能发生因果乱序但实际上并不会”的事件，极大地限制了可并行处理事件的数目，难以有效发掘GPU的计算潜能。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种能够提高了系统的并行度、更高效地发挥GPU性能优势的基于GPU的乐观时间管理方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于GPU的乐观时间管理方法，其步骤为：

S1：仿真初始化，生成若干的初始化仿真事件；