粗粒度的時(shí)空計算

　　1985年，Xilinx公司推出了全球第一款FPGA產(chǎn)品XC2064^[7] ，現在28nm工藝的FPGA陣列芯片已經(jīng)作為應用平臺^[8] ，實(shí)現了操作粗粒度的時(shí)空計算。但算法是通過(guò)硬件描述語(yǔ)言的邏輯設計映射到陣列芯片上的，沒(méi)有與TLP/DLP計算模式的軟件設計語(yǔ)言統一起來(lái)，抽象層次低，靈活性差，限制了OLP計算模式的應用。

　　陣列語(yǔ)言

　　支持粗粒度時(shí)空計算的陣列語(yǔ)言，是能在標量語(yǔ)言(例如，C語(yǔ)言和MATLAB語(yǔ)言)的基礎上統一設計的。

　　首先，陣列數據及其特例(標量數據和向量數據)在MATLAB語(yǔ)言中已有明確的表示^[9] 。陣列數據就是C語(yǔ)言中的Data Array(數據陣列/數組)，是用來(lái)表示同一類(lèi)型的標量數據的集合的。因此，陣列語(yǔ)言的數據表示和類(lèi)型，可以與C語(yǔ)言的相同而統一的。在陣列語(yǔ)言中，陣列數據采用了與MATLAB或C語(yǔ)言類(lèi)似的順序描述方法。

　　二是陣列數據的計算，與數學(xué)語(yǔ)言的矩陣加減法計算一樣，是對其標量數據元素進(jìn)行的。計算的操作類(lèi)型及其表示符號均可以與C語(yǔ)言中的相同而統一的，只需要補充支持實(shí)現幾何變換的播送(broadcast)等3個(gè)操作及其操作符?！　?/p>

 

　　三是由于控制語(yǔ)句是時(shí)間一維的，陣列語(yǔ)言的控制語(yǔ)句是可以與標量語(yǔ)言(例如C語(yǔ)言)的控制語(yǔ)句相同而統一的。而計算語(yǔ)句則應由標量語(yǔ)句上升到由不同標量語(yǔ)句元素(statement elements)組成的陣列語(yǔ)句。標量語(yǔ)句元素的設計是可以與C語(yǔ)言的標量語(yǔ)句的設計相同而統一的。陣列語(yǔ)句的描述可以像C語(yǔ)言的Data Array那樣，采用先行后列，并從第一行開(kāi)始順序描述的程序設計方法。使陣列語(yǔ)言統一了標量語(yǔ)言，繼承順序程序設計的特點(diǎn)，建立了陣列語(yǔ)言的程序設計的確定性。

　　陣列計算機

　　最近，人們分析發(fā)現，自1985年以來(lái)，計算機體系結構革新與芯片技術(shù)進(jìn)步對計算機性能的貢獻是相當的^[10] ?，F在的芯片制造技術(shù)，已經(jīng)可以研制粗粒度計算的二維的陣列處理器(Array Processor)和三維(時(shí)間1維+空間2維)的陣列存儲器(Array Memory)。例如，Intel公司80個(gè)處理元的TeraScale Processor計劃的系統芯片^[11] 。支持粗粒度時(shí)空計算的陣列計算機，可以是由指令存儲器、陣列處理器和陣列存儲器組成的。其實(shí)，馮.諾依曼體系結構的Flynn分類(lèi)，以單指令流多數據流的SIMD(Single Instruction Multiple Data)體系結構，可以在陣列處理器上實(shí)現DLP計算模式的數據粗粒度的計算。以多指令流單數據流的MISD(Multiple Instruction Single Data)和多指令流多數據流MIMD(Multiple Instruction Multiple Data)體系結構，可以設計相應的陣列指令(array instruction)，在陣列處理器上實(shí)現OLP計算模式的操作粗粒度的計算。

　　陣列語(yǔ)言中順序描述的陣列數據和陣列語(yǔ)句的陣列表示，是通過(guò)存儲到陣列存儲器中而自動(dòng)完成的。存放在陣列存儲器中的陣列數據和陣列指令，是分別由指令存儲器中的操作指令和調用指令控制讀出，在陣列處理器上執行的。從時(shí)間上來(lái)看，操作指令/調用指令是一條接一條地順序執行的;從空間上來(lái)看，陣列存儲器中的陣列數據/陣列指令都是在單指令的控制下，有效地完成數據/操作粗粒度的時(shí)空計算。與標量計算機類(lèi)似，陣列計算機的ISA也是作為更高抽象層次的接口，使陣列語(yǔ)言的程序設計不必了解ISA的實(shí)現細節，能從算法解決問(wèn)題的方式中直覺(jué)地產(chǎn)生出來(lái)。成為一種確定而可預測的過(guò)程，可促進(jìn)粗粒度時(shí)空計算的軟件繁榮。

　　結束語(yǔ)

　　不斷提高計算機的能力是支持數學(xué)上的infinite的技術(shù)途徑之一?，F在已有由十幾萬(wàn)芯片組成的千萬(wàn)億次超級計算機，但其功耗就已達到2MW左右，使機房面積比龐然大物的電子管計算機的機房面積還大10倍，約700平米。有專(zhuān)家認為，2017年可能實(shí)現的Eflops超級計算機的核心處理器的數量大概在1000萬(wàn)到1億個(gè)之間，這就遭遇到了能源使用問(wèn)題。

　　計算機的功耗是由芯片的功耗和芯片之間互連線(xiàn)的功耗組成的。為了實(shí)現航空航天圖像處理計算機的小型化，早在1987年，休斯公司就開(kāi)發(fā)了圓片級的硅直通技術(shù)(TSV， Through Silicon Via)?，F在，IBM公司針對超級計算機的能源使用問(wèn)題，也研發(fā)了TSV技術(shù)，使芯片之間的距離只有幾微米，縮短了1000倍。甚至有人預測2023年到2062年之間，新型芯片和納米技術(shù)將使超級計算機的體積縮小到一塊方糖那么大，再沒(méi)有各種電纜，也不需要散熱^[12] 。而粗粒度的陣列計算機的規則性是適合于TSV技術(shù)的。

　　參考文獻：
　　[1]Zukav G. The Dancing Wu Li Masters. New York: William Morrow and Company,1979 (中譯本:像物理學(xué)家一樣思考.廖世德,譯.?？?海南出版社,2011)
　　[2]Reilly E. Milestones in Computer Science and Information Technology. America: Greenwood Publishing Group, 2003
　　[3]Flynn M J. Very high speed computing systems. Proceeding of IEEE, 1966, 54(12):1901-1909
　　[4]Marowkia A. Back to Thin-Core Massively Parallel Processors. Computer, 2011, 44(12):49-54
　　[5]Kahle J. The Cell Processor Architecture//Proceedings of the 38th Annual IEEE/ACM International Symposium on Microarchitecture. Barcelona, Spain, 2005:3
　　[6]Keckler S W, et al. GPUs and the Future of Parallel Computing. IEEE MICRO, 2011, 31(5):7-17

　　[7]Sklyarov V, Skliarova I, Sudnitson A. FPGA-based systems in information and communication//Proceedings of the International Conference on Application of Information and Communication Technologies. Baku, Azerbaijan, 2011:1-5
　　[8]Altera. Achieving One TeraFLOPS with 28-nm FPGAs[R/OL]. http://www.altera.com.cn/literature/wp/wp-01142-teraflops_CN.pdf
　　[9]Chapman S J. MATLAB Programming. 4th Edition. Singapore: Cengage Learning, 2011 (英文影印本.北京: 科學(xué)出版社, 2011)
　　[10]Danowitz, et al. CPU DB: Recording Microprocessor History. CACM 2012-04
　　[11]Mattson T G, Wijngaart R V, Frumkin M. Programming the Intel 80-core network-on-a-chip Terascale Processor//Proceedings of the International Conference on High Performance Computing, Networking, Storage and Analysis. Austin, USA, 2008:1-11
　　[12]美刊預測未來(lái)110年科技發(fā)展.參考消息,2012-12-19