[发明专利]面向多核处理器的自适应容错数据并行计算实现方法

说明书

本发明公开一种面向多核处理器的自适应容错数据并行计算实现方法，该方法步骤包括：步骤1：设置一个全局寄存器R；步骤2：当需目标多核处理器执行数据并行计算时，目标多核处理器的每个核启动后分别读取全局寄存器R；步骤3：目标多核处理器的每个核每次计算时，分别计算各核所需负责计算的数据块地址以及当前计算任务的剩余计算数据量，并计算各核每次计算时的实际负载；步骤4：目标多核处理器的每个核分别根据每次计算时的数据块地址以及实际负载执行计算；步骤5：完成所有计算数据量的计算后退出。本发明能够在部分核失效时仍自适应正确执行数据并行计算，具有实现方法简单、自适应容错性能好且应用灵活等优点。

技术领域

本发明涉及多核处理器技术领域，尤其涉及一种面向多核处理器的自适应容错数据并行计算实现方法。

背景技术

随着功耗和散热问题的日益突出，能耗逐步成为影响高性能计算系统的越来越重要的因素，使得处理器的体系结构朝着多核方向发展，目前多核处理器已经占据了高性能计算市场的绝大部分，在嵌入式应用平台方面，多核处理器的应用也越来越广泛。

面向多核处理器的并行方法主要有两类：数据并行与任务并行，其中数据并行应用如多路网络流量处理、多个音频/视频通道数据处理等，任务并行应用则是将任务按时间顺序管道化以满足性能，如视频编解码、软件无线电等。此外还包括两者的混合任务类型，如音频/视频、无线电/控制、报文路由/加密/流量分形/过滤等。数据并行的同构应用通常布局简单、固定，各处理器在运行时可能执行相同的任务或同时被调度，相应的编程挑战是找到与应用相匹配的并行方法，将任务直接映射到硬件体系结构。分块矩阵乘法方法是最典型的数据并行计算之一，矩阵乘法(General Matrix-Matrix Multiplication，GEMM)是线性代数函数库BLAS库的最常用的核心算法程序之一，是非常典型的计算密集型和访存密集型算法应用。在多核处理器平台上，分块矩阵乘法方法是提升大规模GEMM性能的主要方法。

但是多核处理器的部分核可能会失效，例如太空运行的卫星受太空粒子辐射的影响，多核处理器器在生产时也会由于良率问题，有些多核处理器会存在部分核失效问题，而现有技术中采用多核处理器执行数据并行计算时，数据并行程序是根据原来的处理核数分割数据任务，因而通常会面临的一个问题：在多核处理器的部分核失效时，会导致并行程序不能正确的执行，为保证正确执行则必须进行一定的修改。目前尚未有有效的方案以解决上述多核处理器中部分核失效无法确保并行程序正确执行的问题，因此，在面向多核处理器的数据并行计算中，在不做任何修改的情况下，如何保证当部分核失效时原有的并行程序还能够在正常多核处理器上正确运行是亟待解决的问题。

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，本发明提供一种实现方法简单、自适应容错性能好、应用灵活的面向多核处理器的自适应容错数据并行计算实现方法，能够在部分核失效时仍自适应正确执行数据并行计算。

为解决上述技术问题，本发明提出的技术方案为：

一种面向多核处理器的自适应容错数据并行计算实现方法，步骤包括：

步骤1：设置一个用于记录目标多核处理器中各核存活状态信息的全局寄存器R；

步骤2：当需目标多核处理器执行数据并行计算时，目标多核处理器的每个核启动后分别读取所述全局寄存器R中各核的存活状态信息；

步骤3：目标多核处理器的每个核每次计算时，分别根据读取的所述各核的存活状态信息计算各核所需负责计算的数据块地址以及当前计算任务的剩余计算数据量，并根据计算得到的所述剩余计算数据量计算各核每次计算时的实际负载；

步骤4：目标多核处理器的每个核分别根据计算得到的每次计算时的所述数据块地址以及实际负载执行计算；

步骤5：完成所有计算数据量的计算后退出。