上海交大开源GPGPU青花瓷仿真环境搭建
或许因为RISCV ISA规范的开放证明了硬件开放也是一条可以尝试的方向，今年8月，上海交大先进计算机体系结构实验室团队对外发布了自研开源GPGPU平台“青花瓷”，试图通过开源这条路缩小和AMD,NVIDIA等产业国际巨头的距离。
GPGPU中文名叫做通用图形处理器，在面对并行任务处理时，CPU 与 GPU 的体系结构设计理念有着根本的区别。CPU 注重通用性来处理各种不同的数据类型，同时也必须支持复杂的控制指令，比如条件转移、分支、循环、逻辑判断及子程序调用等，因此 CPU 微架构的复杂性高，是面向指令执行的高效率而设计的。GPU 最初是针对图形处理领域而设计的。图形运算的特点是大量同类型数据的密集运算，因此 GPU 微架构是面向这种特点的计算而设计的。设计理念的不同导致 CPU 和 GPU 在架构上相差甚远。CPU 内核数量较少，常见的有 4核和 8 核等，而 GPU 则由数以千计的更小、更高效的核心组成。这些核心专为同时处理多任务而设计，因此 GPU 也属于通常所说的众核处理器。
多核 CPU 和众核 GPU 的架构对比如图下图所示。可以看到，CPU 中大部分晶体管用于构建控制电路和存储单元，只有少部分的晶体管来完成实际的运算工作，这使得 CPU 在大规模并行计算能力上极受限制，但更擅长于逻辑控制，能够适应复杂的运算环境。由于 CPU 一般处理的是低延迟任务，所以需要大量如图所示的一级（L1）、二级（L2）、三级（L3）高速缓存（cache）空间来减少访问指令和数据时产生的延迟。GPU 的控制则相对简单，对高速缓存的需求相对较小，所以大部分晶体管可以组成各类专用电路、多条流水线，使得 GPU 的计算能力有了突破性的飞跃。由于图形渲染的高度并行性，使得 GPU 可以通过简单增加并行处理单元和存储器控制单
上一篇：web随想笔记（二）
下一篇：Lambda表达式