Concurrency 用于并发内核启动的OpenCL多命令队列

我正在尝试运行向量加法的应用程序，需要同时启动多个内核， 因此，对于并发内核启动，在我的最后一个问题中，有人建议我使用多个命令队列。 我用数组来定义它

context = clCreateContext(NULL, 1, &device_id, NULL, NULL, &err);
    for(i=0;i<num_ker;++i)
    {
queue[i] = clCreateCommandQueue(context, device_id, 0, &err);
    }

context=clCreateContext（NULL，1，&device\u id，NULL，NULL，&err）；
对于（i=0；i我也阅读了您的最后一个问题，我认为您应该首先重新思考您真正想做什么，以及OpenCL是否真的是这样做的方式

OpenCL是一个用于masive并行处理和数据处理的API。
每个内核（或排队任务）在许多数据上并行运行
值，因此性能比任何串行CPU处理高出许多数量级

OpenCL的典型用例是运行数百万个工作项的内核。
更高级的应用程序可能需要不同内核的多个序列，以及CPU和GPU之间的特殊同步

但并发性从来都不是一个要求。（否则，单核CPU将无法执行任务，情况永远不会如此。速度会较慢，但仍有可能运行该任务）

即使两个任务需要同时运行。所用时间是否相同：

不同时发生的情况：

Kernel 1: *
Kernel 2: -
GPU Core 1: *****-----
GPU Core 2: *****-----
GPU Core 3: *****-----
GPU Core 4: *****-----

Kernel 1: *
Kernel 2: -
GPU Core 1: **********
GPU Core 2: **********
GPU Core 3: ----------
GPU Core 4: ----------

并发病例：

Kernel 1: *
Kernel 2: -
GPU Core 1: *****-----
GPU Core 2: *****-----
GPU Core 3: *****-----
GPU Core 4: *****-----

Kernel 1: *
Kernel 2: -
GPU Core 1: **********
GPU Core 2: **********
GPU Core 3: ----------
GPU Core 4: ----------

事实上，非并发情况是首选的，因为至少第一个任务已经完成，进一步的处理可以继续


据我所知，您想要做的是同时运行多个内核。这样内核就可以完全并发运行。例如，运行100个内核（相同内核或不同内核）并同时运行它们

这根本不适合OpenCL模型。事实上，它可能比CPU单线程慢得多。

如果每个内核独立于所有其他内核，那么一个内核（SIMD或CPU）一次只能分配给一个内核（因为它们只有一台PC），即使它们可以同时运行1k个线程。在理想情况下，这将在几个内核（6-10个）的池中转换OpenCL设备假设API支持它和设备，情况并不总是这样。在最坏的情况下，您将有一个运行单个内核的设备，并且浪费了99%

可以在OpenCL中完成的工作示例：


数据处理/处理。乘向量，模拟粒子等
图像处理、边界检测、滤波等
视频压缩、编辑、生成
光线跟踪、复杂灯光数学等
分类

不适用于OpenCL的内容示例：


正在发送异步请求（HTTP、流量、交互数据）
处理少量数据
处理需要对每种类型的数据进行完全不同的处理的数据


从我的观点来看，使用多个内核的唯一实际用例是后者，在这种情况下，无论你做什么，性能都会很糟糕。
最好改用多线程池。
非常感谢您抽出时间回答，我非常感谢，您的问题是正确的，我为什么要这么做。答案是，现在我正在进行一项研究，涉及不同的编程模型，如CUDA、openMP OpenCL等，以了解它们如何在不同的任务之间切换s、 当他们同时运行许多任务时，他们是如何扩展的，以及他们是如何达到的，很抱歉我不太清楚我想做什么，但是是的，你的回答解释了很多行为。谢谢：）