是否可以使用SIMD指令批处理相同的功能？

Question

我有一个场景，许多完全相同的功能（为简单起见，我们只考虑C / C ++和python）将在我的机器上同时执行。直观地说，我只是使用多线程将函数的每个实例视为利用并行性的线程，它们不会争用相同的资源，但是它们会进行许多分支操作（例如，for循环）。但是，由于它们实际上是相同的功能，我正在考虑使用一些SIMD指令（例如AVX-512）对它们进行批处理。当然，它应该是自动的，以便用户不必修改他们的代码。

原因？因为每个线程/进程/容器/ VM占用资源，但AVX只需要一条指令。所以我可以使用相同的硬件来容纳更多用户。

我在网上找到的大多数文章都专注于在函数内部使用AVX指令，例如，加速流数据处理，或处理一些大型计算。他们都没有提到批处理相同功能的不同实例。

我知道存在一些挑战，例如由不同输入引起的不同执行路径，并且将正常功能自动转换为批量版本并不容易，但我认为这在技术上确实是可能的。

这是我的问题

1. 是否很难（或可能）将正常功能自动更改为批量版本？
2. 如果1为否，那么我应该对该功能施加什么限制才能实现？例如，如果函数只有一条路径而不管数据是什么？
3. 还有其他技术可以更好地解决问题吗？我不认为GPU对我来说是一个不错的选择，因为GPU不能支持IO或分支指令，尽管它的SIMT非常适合我的目标。

谢谢！

Answer 1

SSE / AVX基本上是一个向量单元，它允许一次对多个元素的数组进行简单的操作（如+ - * /和，或XOR等）。 AVX1和2具有256字节寄存器，因此您可以执行以下操作： 8个32位单声道，或4个双打。 AVX-512即将推出，但非常罕见。

因此，如果您的函数都是基本类型数组上的所有操作，那么这很自然。如果操作非常简单，使用AVX内在函数重写函数是可行的。复杂的东西（比如不匹配矢量宽度）或甚至在汇编程序中这样做都是一个挑战。

如果你的函数不是在向量上运行那么就变得困难了，而且可能性主要是理论上的。自动向量化编译器有时可以做到这一点，但它很少见且有限，而且非常复杂。

Answer 2

有两种方法可以解决这个问题：矢量化（SIMD）和并行化（线程）。

如果内联函数，GCC已经可以进行所需的SIMD矢量化，并且类型和操作是兼容的（并且它会自动内联小函数而不需要它）。

EG

inline void func (int i) {
   somearray[i] = someotherarray[i] * athirdarray[i];
}

for (int i = 0; i < ABIGNUMBER; i++)
   func (i);

在-O3启用了矢量化和内联。

如果函数太复杂，和/或GCC尚未对其进行矢量化，则可以使用OpenMP或OpenACC对其进行并行化。

OpenMP使用特殊标记来告诉编译器在哪里生成线程。

EG

#pragma omp parallel
#pragma omp for
for (int i = 0; i < ABIGNUMBER; i++)
    ....

是的，你也可以在GPU上做到这一点！您必须进行更多输入才能正确复制和复制数据。只有标记区域在GPU上运行。其他所有东西都在CPU上运行，因此I / O等不是问题。

#pragma omp target map(somearray,someotherarray,athirdarray)
#pragma omp parallel
#pragma omp for
for (int i = 0; i < ABIGNUMBER; i++)
    ....

OpenACC是一个类似的想法，但更专注于GPU。

您可以在许多地方找到OpenMP和OpenACC编译器。 GCC和LLVM都支持NVidia GPU。 LLVM对AMD GPU有一些支持，也有非官方的GCC版本（很快就会有官方支持）。