可重构系统中快速高斯消元算法的并行硬件体系实现

《可重构系统中快速高斯消元算法的并行硬件体系实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨T程大学硕士学位论文1．1背景与研究意义第1章绪论当前的计算机系统设计者不仅要满足用户日益增长的计算需求，还要提供具有更好性能价格比的产品。而大规模的采用商用成品来构建通用计算平台，虽然能够有效减少成本，简化设计复杂性，缩短上市时间，但是通用计算平台的性能功耗比却难以令人满意。例如基于冯诺依曼结构的处理器，在其上可以通过软件实现任意功能，虽然灵活性很高，但取指、译码的过程耗费了大量的时间和功耗。而一个功能的实现可能还需要多条指令，更使得运行效率低下。对于定制系统如ASIC来说，可以针对特定应用优化电路，无需指令集，执行速度快，功耗低。但定制系统又具有设计周期长、成本高，灵活

2、性和扩展性差的缺点，难以面向更多的应用。生产标准化和应用定制化之间的矛盾，对设计者是一个具大的挑战。可重构计算，兼顾生产标准化和应用定制化的优点，填补了传统指令集处理器和定制系统之间的空白。可重构计算的高性能和低功耗的特性比单纯的软件实现要好，而低成本和灵活性与定制系统相比有很大的优势，在高性能计算、嵌入式计算等领域都有着广泛的应用，因此日益成为近年来体系结构研究的热点。可重构计算的定义非常宽泛，针对特定应用可以定制计算逻辑的运算都可称为可重构计算。本论文出现的可重构计算特指是包含有可重构逻辑如FPGA或CPLD的计算。在某些应用领域，如生物信息、信号处理、视频编解码，使用可重构

3、逻辑相对于通用处理器上的软件实现，加速比能达到两个数量级，同时功耗减少大概一个数量级。而可重构逻辑的灵活性、不仅使得系统可以面向更多的应用，而且可以通过重构满足市场未来的需求，减小了研发和购买的风险，延长了产品的生命周期。但可重构计算也有其局限性，首先是并非所有的应用都适合在可重构逻辑上运行。一般来说，计算密集、数据并行度好、迭代次数高的代码适合移植到可重构逻辑上进行加速。其次，目前缺少支持可重构逻辑的软件工具和平台，如编译器、操作系统、1哈尔滨工程大学硕十学位论文编程模型等，制约了可重构计算的发展。近些年出现的集成微处理器和可重构逻辑的混合计算系统，相对于单纯应用可重构逻辑的系

4、统，具有更好的灵活性和动态适应性。可以将代码中计算密集的部分，移植到可重构逻辑上运行，而不适合移植的部分，仍然在通用处理器上运行，这样可以加速整个程序的运行。而通过对通用处理器上的编程模型和软件工具的扩展，也能更方便的支持可重构逻辑。在嵌入式系统领域，集成微处理器和可重构逻辑的混合计算系统已经逐渐成为主流，如Xilinx公司的VirtexIIproFPGA，集成了4个PowerPC405的处理器和400万门的可编程逻辑器件，Altera公司的Excalibur，也集成了ARM922的核和差不多规模的可编程逻辑器件。最近几年，可重构计算在高性能计算领域也渐渐得到认可，女1]Cray

5、公司的XDl、由6个SMP节点构成，每个节点上包括两个AMDOpteron64双核处理器，一个XilinxVirtex．4FPGA，处理器和FPGA之间的互联速率达到3．2GB／s。类似的还有SGI基于RASC(可重配置的应用相关计算)技术的AltixJ]艮务器、SRC公司的SRC．7等。随着可重构逻辑密度、频率的增加，和处理器之前互联结构的优化，编程模型的完善，更好的性能值得期待。甚至桌面个人超级计算的时代也不遥远。而根据摩尔定律，随着晶体管集成度不断提高，可重构逻辑和多处理器共同集成在片上，减少通信的开销，也逐渐成为趋势。2007年，英特尔中国研究中心(IntelChinaR

6、esearchCenter，ICRC)通讯技术实验室(Conun血cationTechnologyLab，CTL)在异构多核计算体系架构方向致力于基于可重构逻辑的高性能混合计算系统模型的发展与相关研究，提出了若干不同耦合程度可重构计算模型的解决方案并取得了部分科技成果。期间与哈尔滨工程大学计算机科学与技术学院密切合作，共同完成了几类算法加速硬件的研发与测试。本课题的研究在上述背景下完成，并作为功能处理单元(ApplicationFunctionUnit，AFU)的位置准备在IntelQuickAssist@体系中实现。在加速对象算法的选择中了解到，在科学与工程界，求解线性方程组是

7、普遍性需求。如：工程中求解结构受力后的变形，空气动力学中计算机翼周围的流场，气象预报中计算大气的流动，这些现象大多是用若干个微分方程描述。用数值方法求解微分方程组，通过对微分方程进行离散，得到线性方程组，因此线性方程组的求解在科学与工程中的应用2哈尔滨T程大学硕士学位论文非常广泛，对这一科学计算加速的意义重大。高斯消元算法作为解线性方程组的经典算法，属于计算密集型方法，除了可运用在上述领域外，其面向浮点数字类型的软／硬件实现在通讯信号处理，非线性拟合、3D图像运算领域的应用中，具