GPU内存架构示意
GPU架构示意图: 流处理器+内存
内存访问速度示意图
Kernel执行内存各部示意图
CUDA异构并行编程内存模型
对于一种并行语言、技术、或系统，可以从四个方面进行考虑
- 编程模型
- 执行模型
- 内存模型
- 硬件模型
其中内存模型包括内存资源的申请和释放，不同内存数据之间的移动，读写访问方式等。当前CPU处理器和GPU加速卡都配有多级高速缓存(CPU一般有L1D+L1T,L2,L3三级Cache缓存，GPU一般有L1,L2两级Cache),有些缓存资源对程序可见,比如GPU的共享内存(Shared Memory), 一些底层指令可以影响到数据读入和写出(Load/Store)使用缓存策略。大多数并行计算都需要处理大规模数据，其中多数可归类为内存访问密集型应用(memory-bound application),如何根据应用特点高效利用不同内存资源，使用合适读写策略，都会对整体性能产生很大影响。
本篇笔记对CPU和GPU上个内存相关资源进行分类介绍，依据CUDA开发手册资料，列出相关API函数，同时配有代码片段描述API函数使用方式和场景
系统内存(System Memory)
操作系统可直接管理的内存资源，主要指主板上配置的各类DDR内存。
系统内存使用
- malloc/free
- cudaHostAlloc/cudaHostFree
- cudaManagedMalloc
GPU卡上全局内存(Global Memory)/设备内存(Device Memory)
Constant Memroy(Device)
位于设备内存某处，Grid全局可见。只读方式访问，系统会将数据放在只读高速缓存内加速访问。
设备内存使用
- 申请和释放: cudaMalloc/cudaFree
- 申请和释放: cudaMallocAsync/cudaFreeAsync
- 数据移动: cudaMemcpy/cudaMemcpyAsync
- ZeroCopy
- UVM
GPU卡上缓存&SM流处理器上资源
L2 Cache(off-chip)
L1 Cache(on-chip,SM流处理器上)
Shared Memory(on-chip,SM流处理器上)
Registers File(on-chip,SM流处理器上)
Local Memory(Resigter Spilling)
参考资料
- Better Performance at Lower Occupancy Volkov 2010
- Better Performance at Lower Occupancy解读
- Benchmarking GPUs to Tune Dense Linear Algebra 2008
- Maximizing Unified Memory Performance in CUDA
- CUDA C Best Practices Guide: 9 Memory Optimization
- Local Memory and Register Spilling 2011
