|
- UID
- 5
- 帖子
- 11409
- i贡献值
- 1487 点
- We用劵
- 0 张
- 注册时间
- 2002-7-22
- 最后登录
- 2010-2-9
|
PCWatch) G70 & R520等次世代GPU、將Multi-threadin標準化 翻译 by eji
http://pc.watch.impress.co.jp/docs/2005/0713/kaigai198.htm5 z* t. t/ V8 `% w6 d8 n U! t& `
1 ` y1 A, v- W; p) S- T! c& Z
這篇有個有趣的地方，就是第一個R520確實的spec出現了：
/ B; T7 z6 C. p128 way multi-thread。* y1 x8 R# t- q# Z( ~
同樣的算法是C1 (64threads) 的兩倍。, o& V3 s& F) }
" I0 w) B+ i# T4 {$ p
這有兩個方向：% P! S) n- s2 k7 I# K
/ g3 E( F/ U7 H) |. Z7 J( ]
1. 和C1同樣2 r Q0 }3 F$ T8 \% x9 a
16ALU per bank，然後兩倍大(6bank?), v, n+ l2 H: ?3 D2 s- `
, E" h7 P( X0 s- x
2. 每個bank小很多，6 g# g. G$ N d4 n
所以每個bank可以要在更多thread之間跳，" f1 H6 w9 O" h; H. X
用來爭取效率。9 f) I4 G$ U( G- W( A5 ?5 N
- @ i5 k7 D: v
; q6 ~. u5 j( i
G70 与 R520、下一世代的GPU将Multi-threading列为标准9 O& q. A! ~" F5 i* s
- l% H; K% z' b' k9 Z3 Y' {4 Q> NV40/G70视Shader种类而实作不同的Multi-threading。% u2 Y e9 x2 Z# W4 c3 q, X
, D: x" H: X& B* K! {, b$ [( }
目前已知有Multi-Threading的GPU，NVIDIA有NV40系列、G70系列、还有PS3所装载的RSX。" m$ q" S/ H. l" ]. ^
ATI的化则有次世代GPU的R520。不过Multi-threading并不是GPU两强的独占技术，而是整个业界的趋势。比方说S3 Graphics的次世代产品「Destination」等，也提到会实装类似的Multi-threading技术。看来，未来的GPU而言Multi-threading将会成为标准功能吧。7 h( I3 O8 I. p5 o
1 }( x2 q# c+ P0 O* P, ^5 ]
至于各公司又如何实作这个功能呢？
' @" r6 w4 G$ H) P2 J- F# t5 R" b$ S* C" Q$ U$ ^
由NVIDIA的GPU结构设计师John Montrym去年夏天于HotChips的简报所提到的数据，NV40的VS每个单元可以有最大3个thread实行的能力。NVIDIA的David B. Kirk针对这部份(每个VS有3way的 multi-threading)也是直接肯定了这个部份。NV40有6个VS，就是共计18threads。而且据Kirk先生所说，G70与NV40在这方面是相同的，所以RSX应该也是相同。
& V) r# C3 N& ?8 |% m9 F! O+ [/ ^0 }% B
而根据Kirk先生所说，NV40的PS也进行了Multi-threading。可是到底有能够处理多少数量的thread则没有明确公布出来。NVIDIA的论文(「The GeForce 6800」，John Montrym & Henry Moreton, IEEE MICRO MARCH-APRIL 2005)则提到「为了隐藏对存取外部内存而带来的延迟，各个Fragment Processor(PS)能够维持住100个in-flight thread(正在执行的thread)的stage(信息)」。而在去年秋天的访谈中，Kirk先生则做了下列的说明。! \( k5 C" c; g
# t" I$ I- A( O3 L' K2 q
「Shader在对每个pixel执行过指令1后，会对别的pixel执行指令1。也就是说，对一开始的第一个pixel执行指令2，有可能是在100个cycle之后的事情了。」% X% n+ `$ w7 e
& b! W2 I' ]0 K1 w
常识上来说，比VS还要有更多texture fetch的PS，理所当然会在更多的thread间做平行处理。NV40/G70的Pixel shader实际上到底有多少的平行度并不清楚，但是应该至少比VS的平行度更宽广。4 ]2 I8 `6 G" {- B6 a$ d) B! ^
' B2 ]+ g5 {4 L7 H" E6 I
, f4 `9 t9 `$ k# m
# R8 Y& z" Y" X, {, p> 对Unified Shader进行Multi-threading的ATI7 b' j% l8 K, @, S
* v7 _9 i* t! A由于ATI开发的XBox360GPU是Unified Shader结构的关系，并没有VS与PS的分别。XBOX360的Shader全部总共可以控制64个in-flight thread。「我们在芯片里面准备了state buffer。所以可以on-the-fly 切换64个thread。」(Robert Feldstein、ATI Technologies, Vice President - Engineering)
# C F0 K5 e- j$ i1 k0 `* V1 W0 l/ f; f7 s9 w3 `
从Feldstein先生的说法，48个XBox360的Shader，每16个分成一个群组，并且以threading来控制。「我们将处理器每16个分成一个单元，共分割成三个。并且每个单元(16个shader)各自执行不同的thread。所以(没有进行threading变换)的状况下，即使有一个单元停滞了，另外两个thread、32个shader仍然会继续动作。」Feldstein先生如是说。, V: j. E& {/ k8 t7 [
0 h. B! C. z2 q* v+ P' Z* S也就是说，每个单元(16 shader)共执行三个threrad，然后可以在共计64个thread上切换。在这边虽然对NVIDIA与ATI两家公司彼此的「对thread的定义」是否相同抱持着疑问，但是至少可以知道，ATI也有宽广的平行度。
' C: \+ R5 \7 P
1 ?- J6 q' z$ |( d5 Z' C* Y
9 Y# R" S2 Q7 [' q; g1 W6 P8 s9 i+ c8 }& o$ x! F9 q
此外，ATI的PC用新GPU R520，能进行总共128way的 Multi-threading。也就是说，它能够控制Xbox 360约两倍的thread。由某位PC业界人士所说，ATI对顾客表示R520的结构上Multi-threading是非常重要的部份。+ r5 O2 ?; n8 I
1 b4 k4 S- g, Z& R$ @# r
其它GPU厂商的Multi-threading的部分虽然都还不清楚，但是到了Unified-Shader世代之后，应该所有厂商都会使用Multi-threading。由与GPU相关的情报来源指出，某个GPU厂商，将Unified Shader里面的每个Shader都设置了 thread queue，并且在每个queue之中存放了多个thread的stage，然后在thread之间切换。也就是说，通常都是每个shader各自分配到一个thread，然后做multi-threading(切换)，是一般的控制方法。; V2 u b& C7 _
2 S6 f; u, U E3 H8 [6 w" o
> 将SRAM分散到各个Shader，来作为state的保存
7 A- E! }5 C3 p0 [
+ J$ o7 E" `/ Z9 T$ d9 m9 i2 A, EGPU整体来说大约有数十到上百的多thread。如果是CPU的话，各个CPU能做的Multi-thread也不过是每core约2way~4way的程度，相对于CPU而言，GPU做的Multi-threading的平行度都要大得多。2 Y. l8 A& q* k% n; C
# g3 f8 o. U N' B) U- G# r
不过，不可避免地总是要做取舍。为了处理作业中的thread，各个thread的的stage(如Register file与各种控制的现况)都必须保存下来。* i3 v4 P5 Z/ y( c2 E( Z( w
p, ~' D0 J9 o, M2 r9 Y6 j
「各个pixel thread在做完shading之前，所有必要的state都需要在芯片内储存起来。有几个pixel，就会有几个thread要保存。」Kirk先生如是说。( s: B$ ]! S+ E% J) m* K& d' X
, g$ ]# } P/ M5 _为此，想要实作宽广的Multi-threading，等于就需要更多的晶体管数(芯片面积)。2004年8月召开的GPU通用运算会议(GP2)，史丹佛大学的Bill Dally先生(Computer Systems Laboratory, Stanford University)提到这个问题时说。Multi-threading由于必须保存所有的state信息，成本非常地高昂。(「Stream Processors vs. GPUs」, Bill Dally, GP2, August 8, 2004)
) k' i M" `( c8 y! }" F5 Q+ O% }7 P$ h; V2 t& ]. B% v- x
*:过去曾经引用过内文0 F- r1 }9 v ^$ [' R8 ]: }
* w3 F3 c4 Z4 X R4 J
不过，NVIDIA的Kirk先生表示，对GPU来说，即使这样(Multi-threading)仍然值得采用。
6 u0 p' L$ H' u% I8 R5 Z4 ~% V3 ]5 c* {2 x1 `
「NV40有着大量的晶体管。GPU Shader的结构上，不需要存在像是CPU那样极为庞大的Cache。所以可以将(本来会使用在Cache上的份量)的海量存储器，分散配置到管在线。而透过分散配置的内存来保持state内容，来确保Shader Core不会stall、而能够持续维持有效率的运作。
' p* g" H& N9 D ~- W: H/ }7 z
* u7 e! ]/ m0 e7 L2 ]现在的CPU可能有几个MB等级的cache，但是GPU的cache并没有那么大。反过来说，由于将SRAM分散配置到流水线的许多个地方，并透过SRAM来储存state，来实现相当大量的multi-threading。也就是说，可以选择把SRAM分配在Cache容量上，来提高Cache的hit rate、减少存取DRAM的机会；或者把是SRAM拿来储存thread的state、提高thread的平行度，来隐藏存取内存的延迟，防止stall.... 整理起来就会像下面这样：
' _5 U6 }+ B5 y, o0 |5 c: t A" J9 l$ V1 h# r* S
CPU--大容量SRAM用在Cache--Cache hitrate提高--减少DRAM存取--减少stall W% V) y% g/ ]( U) Q3 l
GPU--大容量SRAM用在维持state--thread平行度提高--DRAM存取延迟的隐蔽--减少stall/ I m6 H' u K/ B1 z/ [0 j
2 O+ P5 F) ^, O6 n3 g! d1 d7 {2 |) f所以，针对必然发生的cache miss来设计的GPU，实作的方向很明显地会趋向后者。
- H, P& z0 T/ ?2 u) ^# x0 {$ x6 ]; P$ k9 U% k% K7 t
> GPU的 state 内容维持1 y+ T A" n C( G# l
; T; \' b/ r5 |$ {
说起来，GPU到底将哪些state用怎样的形式来保存起来，并没有被公开。CPU的状况就狠单纯地，将生成thread的母程序所占有的内存空间，整个thread持有的数据state与控制state都加以复制。4way multithread的话，就会维持完整的四份register file。! o7 d6 T h9 V# P
`7 d% K$ S8 H, }
但是，向GPU这样的stream processor的话，有可能有不同的设计方法。比方说，史丹佛大学的Dally先生研究的Stream Processor的状况，就是将Register File透过阶层化的方式来管理。- p- U/ Q6 b* O3 @- \
1 J7 j+ R) y+ U/ Z
而且，GPU的Register结构和CPU有很大的差异。以逻辑上来说，Shader有Temp、Input、Output的Register，以及Constant Register、Instruction Slot等。其中，以Temp、Input、Output这三个是每个Thread独立的。1 `: p/ g4 E; G+ u1 }
4 E3 _2 E8 e6 i2 f9 V' O
存放指令slot的物理内存，是存放Shader Program的地方，以Shader来说不见得会有I-cache(当然也是有可能有)，而也有可能是存放在内存上。虽然有许多种不同的Stream Processor存在，不过GPU大部分的状况是程序固定而数据不同、也就是Program(Shader code)固定、而处理的不同数据(pixel or vertex)较多的状态。所以Instruction RAM不会随着处理的pixel、vertex不同而切换，或者也有可能是Shader之间共享同一份内存。
: }) O- x" } ~6 D7 i
) s: b+ H3 R5 a) O( Y; i2 F这部份的控制方法、state的保存方法都还没有被详细提及。
, V$ k3 p' W# `2 y6 H$ Q0 k* G' g, D$ x7 R
> GPU 是采用细单位的threading4 h$ n% m: Y+ s, ]& k
$ M* k8 m$ R# E( @' nMulti-threading的控制法有下列几个方法：
+ V' k9 K7 g4 K0 @2 V u+ f$ t8 z* a7 s+ J
SMT(Simultaneous Multi-threading)
1 b k$ P5 ^# [6 O, |3 sFine-Grained Multi-threading8 k5 ^. n7 \1 M3 c
Coarse-Grained Multi-threading% \7 `6 O5 B0 U
& \) h( `3 v6 y6 V5 K
SMT是类似Pentium-4的Hyper Threading那样，在同一个cycle内可以执行不只一个的指令的结构。并不是切换thread，而是可以同时执行完全不同的两个thread。
z' D) ?& [& v8 n; F7 t6 R- d1 R8 t4 ~, ^
相比之下，Fine-Grained Multi-threading则不会在一个cycle里面同时执行两个指令。而是可以以cycle为单位切换执行不同的thread。Cell 的 PPE 的Multi-threading属于这种结构。
2 w/ y, K- A$ G0 D! J; V& Z) J% e4 S
Crarse-Grained Multi-threading的话，只支持用更大的来切换thread。没办法在每个cycle里面切换thread，而只有在延迟相当大的事件发生时，才会切换thread。虽然切换thread本身也会有一定程度的延迟，但是至少会比将context switch回内存要来得快。1 d0 i$ d7 V( r( t, H5 w8 F
+ R; y( P) M/ o' e! z
至于GPU所采用的，全部都是Fine-Grained Multi-threading。, E* f7 I% Y5 d5 n/ s. ^5 D0 M
: `' p, v y1 D" G ]7 U
「NV40的threading是Fine-Grained Multi-threading」(Kirk)/ |! Z! k* w7 k! A$ S
「(XBox360 GPU)以小单位来做threading，可以在每个cycle切换thread。」(Feldstein)- b+ e5 R2 ^$ x( c* W) s
) W1 M/ w/ k+ n( \3 s& C
SMT对计算资源的利用虽然有效，但是控制相当复杂，而且如果计算资源本身的平行化不足的话就没有意义。如果只是为了隐藏内存存取的延迟，Fine-Grained Multi-threading已经相当有效。) A T' C8 k. U- a, c
/ N* U8 x9 u2 K* y2 U9 i. F
> 如何触发thread切换- p8 o# _$ Y9 c' ~2 a5 s0 ^: O" k
2 E$ G& ]0 {; H. ~/ }& c
基本上，实际上的threading的话，应该会在发生较长延迟的状况才会进袭。' _# n; A$ L) {$ [1 A# Z! R3 v' f
1 h8 o' L3 y7 b; B2 P2 P「包含Texture cache miss在内，有很多状况都会触发thread切换。某个thread在遇到阻碍它执行完毕的因素之前会执行到结束。在阻碍执行的因素里面，可能包含了cache miss、或者是需要的资源目前被其它的thread占用之类，有可能遇到很多种状况。条件分支也可能造成stall与thread切换。因为所需的数据是不是在cache里面，是受到分支的区域性来影响的。」(Kirk). R$ _- K- u/ u& H
( B; j& t: ?% d' }
ATI也表示朝内存存取Texture的动作会启动threading，可是「分支(方向)执行错误(而stall)的状况，不会更换成其它thread。」(Robert先生)。可以看出在thread的上仍然有些落差。7 V. j8 Z4 u5 H& n9 C
. f2 ~3 ~, _# N$ X& w
此外，Shader program也和CPU上的program一样，都会进行比方说尽早提出Texture load之类的最佳化方法，来帮助隐藏内存存取延迟。Multi-threading乍看之下是与指令层级的静态排程(scheduling)结合，但是并非如此。推测应该是与CPU一样基本上在cache hit的时候以排程隐蔽较小的延迟，而在cache miss的时候透过multi-threading来隐蔽较大的延迟。$ ]/ n" m; q6 M' n8 d
( L: A& ~# c. l! V# ?
静态的排程与多执行绪的关系，其实与CPU是一样的。以IA-64为例，IA-64透过compiler，将load、store、还有分支之类的指令都往前排的手法，透过指令排程来隐蔽内存延迟。可是在此同时 Montecito 还引入了 Coarse-Grained multitheading，在发生更长的延迟的时候会进一步来切换thread。
3 X. e% i$ V, K: T( I6 z* N" h; {5 E% R4 e+ R9 _
Shader的Multi-thread举例6 s1 E4 a2 N% }/ W- {$ ?; x
 8 c! z7 ?. J# C( ?! Q* J
: B- V) W8 u/ h2 K
为了处理内存的延迟而朝multi-thread前进的GPU。由于Multi-thread会成为影响Shader效率的重要关键，而被视为未来GPU效率的重大影响因素。GPU的性能越来越不再是只单纯地受到流水线数量、Shader数量或是时脉等的因素影响，而越来越难以判断了。比方说，即使说「理论效能ＯＯGFLOPS」有高有低，实际上因为Multi-thread之类的Shader控制结构的不同会影响效率的原因，实际上的性能高下可能又是另外一回事了。 |
|
|
“They’re the world’s leading designers and manufacturers of CPUs – how hard could it be to build a GPU? I mean, come on, how hard could it be? That crummy little company down the road builds them – we could build them in our sleep. Come on, how hard could it be?” ——NVIDIA David Kirk
|
发表于 2006-2-2 21:40
| 
发表于 2006-8-17 20:40
| 