Linux 內(nèi)核新增的異構(gòu)內(nèi)存管理（HMM）會帶來什么不一樣？資料下載

Linux 內(nèi)核新增的異構(gòu)內(nèi)存管理將解鎖加速 GPU 的新途徑，并挖掘其它的機器學習硬件的潛能，一項開發(fā)了很久的內(nèi)存管理技術(shù)將會給機器學習和其它 GPU 驅(qū)動的程序很大幅度的提升，而它也將在接下來的幾個版本中進入 Linux 內(nèi)核。 異構(gòu)內(nèi)存管理（HMM）可以允許設(shè)備驅(qū)動為在其自身內(nèi)存管理下的進程鏡像地址空間。正如紅帽的開發(fā)者 Jér?me Glisse 所解釋的，這讓像 GPU 這樣的硬件設(shè)備可以直接訪問進程內(nèi)存，而不用花費復(fù)制帶來的額外開銷。它還不違反現(xiàn)代操作系統(tǒng)提供的內(nèi)存保護功能。 一類會從 HMM 中獲益最多的應(yīng)用是基于 GPU 的機器學習。像 OpenCL 和 CUDA 這樣的庫能夠從 HMM 中獲得速度的提升。HMM 實現(xiàn)這個的方式和加速基于 GPU 的機器學習相似，就是讓數(shù)據(jù)留在原地，靠近 GPU 的地方，在那里直接操作數(shù)據(jù)，盡可能少地移動數(shù)據(jù)。 像這樣的加速對于 CUDA（英偉達基于 GPU 的處理庫）來說，只會有益于在英偉達 GPU 上的操作，這些 GPU 也是目前加速數(shù)據(jù)處理的主要硬件。但是，OpenCL 設(shè)計用來編寫可以針對多種硬件的代碼——CPU、GPU、FPGA 等等——隨著這些硬件的成熟，HMM 能夠提供更加廣泛的益處。 要讓 Linux 中的 HMM 處于可用狀態(tài)還有一些阻礙。第一個是內(nèi)核支持，在很長一段時間里都受到限制。早在 2014年，HMM 最初作為 Linux 內(nèi)核補丁集提出，紅帽和英偉達都是關(guān)鍵開發(fā)者。需要做的工作不少，但是開發(fā)者認為代碼可以提交上去，也許接下來的幾個內(nèi)核版本就能把它包含進去。 第二個阻礙是顯卡驅(qū)動支持，英偉達一直在自己單獨做一些工作。據(jù) Glisse 的說法，AMD 的 GPU 可能也會支持 HMM，所以這種特殊優(yōu)化不會僅限于英偉達的 GPU。AMD 一直都在嘗試提升它的 GPU 市場占有率，有可能會將 GPU 和 CPU 整合到同一模具。但是，軟件生態(tài)系統(tǒng)依然更青睞英偉達；要使其兌現(xiàn)，還需要更多的像 HMM 這樣的中立項目，以及讓 OpenCL 提供和 CUDA 相當?shù)男阅堋? 第三個阻礙是硬件支持，因為 HMM 的工作需要一項稱作可重現(xiàn)頁面故障的硬件特性。只有英偉達的帕斯卡系列高端 GPU 才支持這項特性。從某些意義上來說這是個好消息，因為這意味著英偉達只需要提供單一硬件的驅(qū)動支持就能讓 HMM 正常使用，工作量就少了。 一旦 HMM 到位，對于提供 GPU 實例的公有云提供商就會面臨壓力，他們需要支持最新最好一代的 GPU。這并不是僅僅將老款的開普勒架構(gòu)顯卡換成最新的帕斯卡架構(gòu)顯卡就行了，因為后續(xù)的每一代顯卡都會更加優(yōu)秀，像 HMM 這樣的支持優(yōu)化將提供戰(zhàn)略優(yōu)勢。 本文轉(zhuǎn)載自 (mbbeetchina)