GPU编程--OpenCL基本概念

OpenCL GPU编程

本篇结构：

• 背景
• OpenCL是什么
• 框架组成
• 基本概念
• 编写OpenCL程序的基本步骤
• 参考博文

一、背景

在过去利用GPU对图像渲染进行加速的技术非常成熟，因为GPU是典型的单指令多数据（SIMD）的体系结构，擅长大规模的并行计算；而CPU是多指令单数据流（MISD）的体系结构，更擅长逻辑控制。

在当今数据量计算越发庞大的情况下，为了提升计算效率，人们希望将GPU大规模的并行计算的能力扩展到更多领域，而不只局限与图像渲染。这样，CPU只负责逻辑控制，GPU更多负责计算，这种一个CPU（控制单元）+几个GPU（有时可能再加几个CPU）（计算单元）的架构就是所谓的异构编程。

OpenCL就是这种情况下出现的，它是一种异构计算的标准，可以用来针对GPU编程。其实在OpenCL出来之前，NVIDIA就推出了GPGPU计算CUDA架构。只不过CUDA只能使用自家的N卡，对其他显卡不支持，而OpenCL则是一个通用的标准，对A卡，N卡等都支持，还支持CPU计算。

关于GPU和CPU的区别，可以参考我之前的博文GPU编程--CPU和GPU的设计区别。

二、OpenCL是什么

OpenCL(全称为Open Computing Langugae，开放运算语言)是第一个面向异构系统(此系统中可由CPU，GPU或其它类型的处理器架构组成)的并行编程的开放式标准。它是跨平台的。

OpenCL由两部分组成，一是用于编写kernels（在OpenCL设备上运行的函数）的语言，二是用于定义并控制平台的API(函数)。OpenCL提供了基于任务和基于数据两种并行计算机制，它极大地扩展了GPU的应用范围，使之不再局限于图形领域。

OpenCL是一种标准，intel、Nvidia、ARM、AMD、QUALCOMM、Apple都有其对应的OpenCL实现。像NVDIA将OpenCL实现集成到它的CUDA SDK中，而AMD则将其实现后放在AMD APP （Accelerated Paral Processing）SDK中......

三、框架组成

这些概念可能会比较难理解，没关系，后续看了一些相关的例子应该就容易理解了。

• OpenCL平台API：平台API定义了宿主机程序发现OpenCL设备所用的函数以及这些函数的功能，另外还定义为OpenCL应用创建上下文(上下文表示的是程序运行时所拥有的所有软硬件资源+内存+处理器)的函数。这里的平台指的是宿主机、OpenCL设备和OpenCL框架的组合。
• OpenCL运行时API：平台API主要用来创建上下文，运行时API则强调使用这个上下文满足应用需求的函数集，用来管理上下文来创建命令队列以及运行时发生的其它操作。例如，将命令提交到命令队列的函数。
• OpenCL编程语言：用来编写内核代码的编程语言，基于ISO C99标准的一个扩展子集，通常称为OpenCL C编程语言。

四、基本概念

OpenCL程序同CUDA程序一样，也是分为两部分，一部分是在主机（以CPU为核心）上运行，一部分是在设备（以GPU为核心）上运行。设备有一个或多个计算单元，计算单元又包含一个或多个处理单元。在设备上运行的程序被称为核函数。但是对于核函数的编写，CUDA一般直接写在程序内，OpenCL是写在一个独立的文件中，并且文件后缀是.cl，由主机代码读入后执行，这一点OpenCL跟OpenGL中的渲染程序很像。

下面参考上图，简单汇总一些OpenCL中的基本概念，在后续的OpenCL四个模型中也会再提到：

• OpenCL平台由两部分组成，宿主机和OpenCL设备:

  • 宿主机Host：宿主机一般为CPU，扮演组织者的角色。其作用包括定义kernel、为kernel指定上下文、定义NDRange和队列等；队列控制着kernel如何执行以及何时执行等细节。
  • 设备Device：通常称为计算设备，可以是CPU、GPU、DSP或硬件提供以及OpenCL开发商支持的任何其他处理器。

• SIMT（Single Instruction Multi Thread）： 单指令多线程，GPU并行运算的主要方式，很多个多线程同时执行相同的运算指令，当然可能每个线程的数据有所不同，但执行的操作一致。

• 核函数（Kernel）： 是在设备程序上执行运算的入口函数，在主机上调用。
• 工作项（Work-item）： 跟CUDA中的线程（Threads）是同一个概念，N多个工作项（线程）执行同样的核函数，每个Work-item都有一个唯一固定的ID号，一般通过这个ID号来区分需要处理的数据。
• 工作组（Work-group）：跟CUDA中的线程块（Block）是同一个概念，N多个工作项组成一个工作组，Work-group内的这些Work-item之间可以通信和协作。
• ND-Range： 跟CUDA中的网格是同一个概念，定义了Work-group的组织形式。
• 上下文（Context）： 定义了整个OpenCL的运行环境，包括Kernel、Device、程序对象和内存对象：
  
  • 设备：OpenCL程序调用的计算设备。
  • 内核：在计算设备上执行的并行程序。
  • 程序对象：内核程序的源代码(.cl文件)和可执行文件。
  • 内存对象：计算设备执行OpenCL程序所需的变量。

上面只简单列了部分概念，不完全，解释也很简略，目的只是提供一个对OpenCL的简单认识，后续再慢慢加深加全对OpenCL涉及到的概念理解。

五、编写OpenCL程序的基本步骤

1）获取平台–>clGetPlatformIDs
2）从平台中获取设备–>clGetDeviceIDs
3）创建上下文–>clCreateContext
4）创建命令队列–>clCreateCommandQueue
5) 创建缓存->clCreateBuffer
6）读取程序文件，创建程序–>clCreateProgramWithSource
7）编译程序–>clBuildProgram
8）创建内核–>clCreateKernel
9）为内核设置参数–>clSetKernelArg
10）将内核发送给命令队列，执行内核–>clEnqueueNDRangeKernel
11）获取计算结果–>clEnqueueReadBuffer
12）释放资源–>clReleaseXX**

六、参考博文

OpenCL:一种异构计算架构