parallel-processing - 矢量化和令人尴尬的并行之间有什么关系？

Question

问题说明了一切。在我看来，矢量化与令人尴尬的并行问题密切相关。换句话说，所有可矢量化的程序都必须是令人尴尬的并行程序。这样对吗？

Answer 1

令人尴尬的并行性的快速总结:

如果代码可以毫不费力地并行化，尤其是处理数据依赖性，那么代码就会令人尴尬地并行化。请注意，令人尴尬的并行性仅意味着代码将毫不费力地安全地并行化；它不保证任何最佳性能。

一个简单的例子是两个向量的求和。

// A, B, and C are all distinct arrays.    
for (int i = 0; i < N; ++i)
  C[i] = A[i] + B[i];

这段代码非常并行，因为没有数据依赖于 C .这段代码可以简单地并行化，例如，通过使用 OpenMP:

#pragma omp parallel for 
for (int i = 0; i < N; ++i)
  C[i] = A[i] + B[i];

矢量化 是实现并行性的一种特殊形式。特别是，向量化主要在使用 x86 SSE/AVX 和 ARM NEON 等专用指令的处理器中使用专用的 SIMD 执行硬件单元。编译器可能会自动矢量化您的代码，或者您可以使用内在函数和直接汇编代码手动矢量化。

我认为矢量化不一定意味着要矢量化的代码必须非常并行。但是，在实践中，大多数可矢量化代码都是令人尴尬的并行，因为几乎所有的 SIMD 指令都假设了这一点。我找不到任何允许数据相关操作的 SIMD 指令。从这个意义上说，是的，您可以说可向量化程序需要非常并行。

但是，从广义上讲，矢量化可以包含 GPGPU 风格的 SIMD 编程，例如 Nvidia 的 CUDA 和 Intel 的 MIC 架构。它们通过处理依赖于数据的操作和分支允许更灵活的 SIMD 操作。

总而言之，在矢量化的狭义定义中，即传统 CPU 的 SIMD 操作的矢量化，我认为可矢量化程序应该是令人尴尬的并行。但是，高级形式的 SIMD/矢量化可以实现依赖于数据的操作和任意分支。