GPU竟比CPU有更大的內(nèi)存帶寬

在先前的文章中《近距離看GPU計算（2）》，我們談到GPU相比CPU有更大的內(nèi)存帶寬，此言不虛，這也是眾核GPU有源源不斷數(shù)據(jù)彈藥供給，能夠發(fā)揮強大算力的主要原因?；旧螱PU的內(nèi)存帶寬要比CPU多一個數(shù)量級。

但是考慮到GPU運算核心的數(shù)量，平均下來顯存帶寬真的足夠富裕嗎？參考資料1的《Memory bandwidth》文章提供了很有趣的視角，我們在這里介紹下。MOS 6502發(fā)布于1975年，是微型計算機發(fā)展史上非常重要的一塊芯片。

6502一般運行在1M時鐘頻率，每個時鐘可以訪問1Byte內(nèi)存數(shù)據(jù)，6502的一條指令需要花費3~5個時鐘，所以平均下來每條指令大概可以獲得4B內(nèi)存數(shù)據(jù)。

與此相對照，Intel的Corei7-7700K是一款目前比較主流的桌面CPU，運行頻率4.2G，內(nèi)存帶寬大概50GB/s。i7-7700K一共有4個處理核心，所以每個核心大概可以均攤到12.5GB/s的內(nèi)存帶寬，也就是每個時鐘可以訪問約3B的內(nèi)存數(shù)據(jù)。

該CPU的IPC（Instruction Per Clock）為1，極優(yōu)化的代碼可以達到的IPC為3，按此計，每條指令可得1B的內(nèi)存數(shù)據(jù)，跟老前輩6502相比，已經(jīng)落后不少。

更進一步，現(xiàn)代CPU支持256位長度的SIMD指令，每個時鐘最多執(zhí)行3條指令，類比GPU，我們以32位為一個通道作為單獨執(zhí)行線程，這樣每個時鐘我們一共有24條指令執(zhí)行，所以每條指令可以訪問0.125B內(nèi)存數(shù)據(jù)或者說每8條指令得到1B內(nèi)存數(shù)據(jù)。

我們再回過頭來看看GPU的情形。以NVidiaGeForce GTX 1080Ti為例，內(nèi)存帶寬484GB/s，處理單元工作頻率為1.48G，所以對整個GPU來說，每個時鐘大概可以訪問327B內(nèi)存數(shù)據(jù)。這個GPU一共有28個SM（類似CPU的處理核心），每個SM有128個SP，所以總共有3584個SP（類似先前SIMD32位通道）。

這樣每個SM一個時鐘大概可以訪問11.7B的內(nèi)存數(shù)據(jù)，平均到128個SP，一個SP一個時鐘得到0.09B數(shù)據(jù)，換個好聽的說法就是每11條指令可以得到1B內(nèi)存數(shù)據(jù)，比CPU的指標還惡劣。需要再次重申的是，因為設(shè)計目標的問題，CPU其實更關(guān)注訪存延遲指標，所以相形之下，內(nèi)存帶寬的壓力對GPU更為顯著。

這也是為什么我們先前說過的GPU也開始配置多級Cache的原因，除了改善訪存延遲，也可以降低內(nèi)存帶寬壓力。另外我們在《GPU歷史之二三事》里也提到Nvidia和AMD都開始擁抱移動GPU常用的TBR（Tile Based Rendering）的繪制技術(shù)，內(nèi)存帶寬的壓力也應(yīng)該是重要的驅(qū)動因素。

而作為軟件人員，在設(shè)計算法的時候，我們要重視算法的運算強度（見《Roofline模型初步》），要充分利用片上內(nèi)存包括硬件Cache和軟件Cache（Shared Memory），以及注意內(nèi)存的合并訪問（Memory Coalescing）等等來優(yōu)化內(nèi)存帶寬。

主要參考資料：

https://fgiesen.wordpress.com/2017/04/11/memory-bandwidth/

編輯：jq