多核架构下的数据处理算法优化策略综述

计算机科学与探索 ›› 2011, Vol. 5 ›› Issue (12): 1057-1075.

多核架构下的数据处理算法优化策略综述

陈伟, 杜凌霞, 陈红

1. 中国人民大学数据工程与知识工程教育部重点实验室, 北京 100872
2. 中国人民大学信息学院, 北京 100872

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-01 发布日期:2011-12-01

Optimization Strategies of Data Processing Algorithms under Multi-Core Architecture

CHEN Wei, DU Lingxia, CHEN Hong

1. Key Laboratory of Data Engineering and Knowledge Engineering, Ministry of Education, Renmin University of China, Beijing 100872, China 2. School of Information, Renmin University of China, Beijing 100872, China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-01 Published:2011-12-01

摘要/Abstract

摘要：

多核处理器, 尤其是单芯片多处理器(chip multi-processor, CMP)能够提供强大的共享内存的并行资源, 然而单核处理器上的程序和算法并不能充分利用多核架构提供的并行计算资源, 因此必须针对多核体系架构特点, 对算法进行改进优化, 提高算法的执行性能。以优化程序局部性、减少cache访问冲突、提高线程并行度、充分利用单指令多数据流(single instruction multiple data, SIMD)并行和带宽优化等几方面为出发点, 归纳和分析了多核处理器上数据处理算法的相关优化策略, 并对多核算法进行了总结评述。最后阐述了该领域亟待解决的诸多问题, 展望了未来的研究发展方向。

关键词: 多核, 单芯片多处理器(CMP), 数据级别并行(DLP), 线程级别并行( TLP), 单指令多数据流(SIMD)

Abstract: Multi-core processors, especially the single chip multi-processors (CMP), can provide strong parallel resources of sharing memory. However, the majority of programs and algorithms from single-core processors can not make full use of computing resources of multi-core architecture. Therefore, according to some characteristics of multi-core architecture, researchers should optimize those algorithms and substantially increase the performance of algorithms. This paper reviews related optimization strategies of data processing algorithms on multi-core processors around several aspects, including improving the locality of programs, decreasing cache access conflict, enhancing the thread parallelism, taking advantage of single instruction multiple data (SIMD) parallelism and optimizing bandwidth usage. In addtion, it summarizes and comments on the algorithms on multi-core processors. Finally, it introduces several interesting issues that people should address and predicts the prospect of the research on multi-core processors in future.

Key words: multi-core, chip multi-processor (CMP), data level parallelism (DLP), thread level parallelism (TLP), single instruction multiple data (SIMD)

陈伟, 杜凌霞, 陈红. 多核架构下的数据处理算法优化策略综述[J]. 计算机科学与探索, 2011, 5(12): 1057-1075.

CHEN Wei, DU Lingxia, CHEN Hong. Optimization Strategies of Data Processing Algorithms under Multi-Core Architecture[J]. Journal of Frontiers of Computer Science and Technology, 2011, 5(12): 1057-1075.

[1]	沈浩，王士同. 基于多核学习的风格正则化最小二乘支持向量机[J]. 计算机科学与探索, 2020, 14(9): 1532-1544.
[2]	陈晨，邓赵红，高艳丽，王士同. 多模糊核融合的单目标跟踪算法[J]. 计算机科学与探索, 2020, 14(5): 848-860.
[3]	王田辰，吴秦，宗海燕. 几何显著变化的表情识别特征构造[J]. 计算机科学与探索, 2019, 13(7): 1227-1238.
[4]	李旭，王士同. 原信息与映射信息组合的多核学习降维方法[J]. 计算机科学与探索, 2019, 13(2): 310-321.
[5]	张吉赞，苑雅娟. 多核共享资源冲突延迟上限优化方法[J]. 计算机科学与探索, 2017, 11(8): 1224-1234.
[6]	揭月馨，刘浩. 融合有向图集与并行架构的HEVC去块滤波[J]. 计算机科学与探索, 2016, 10(9): 1221-1228.
[7]	汪洪桥，蔡艳宁，付光远，王仕成. 非平坦函数概率密度估计[J]. 计算机科学与探索, 2016, 10(4): 589-599.
[8]	张红斌，姬东鸿，任亚峰，尹兰. 基于多核学习的商品图像句子标注[J]. 计算机科学与探索, 2015, 9(11): 1351-1361.
[9]	车永刚，张理论，王勇献，徐传福，程兴华. Intel 多核与集成众核上CFD程序的OpenMP 性能分析[J]. 计算机科学与探索, 2015, 9(10): 1153-1162.
[10]	李国红，汪东升，刘振宇，李崇民，刘根贤，郭三川. 核分组的多核处理器优化方法[J]. 计算机科学与探索, 2014, 8(4): 385-396.
[11]	严大卫，桑庆兵. 多核学习纹理特征的无参考图像质量评价[J]. 计算机科学与探索, 2014, 8(12): 1517-1524.
[12]	郭宪勇，陈性元，邓亚丹. 基于多核处理器的VTD-XML解析性能优化[J]. 计算机科学与探索, 2013, 7(8): 736-746.
[13]	王淼，漆锋滨. 异构多核代码自动生成框架[J]. 计算机科学与探索, 2013, 7(6): 518-526.
[14]	周国亮，王桂兰，朱永利. 多核处理器上的并行联机分析处理算法研究[J]. 计算机科学与探索, 2013, 7(2): 180-190.
[15]	汪小林，周凯，张彬彬，杨亮，罗英伟，李晓明. 桌面虚拟化环境下的交互式性能优化[J]. 计算机科学与探索, 2012, 6(4): 289-300.