C++ 使用哈希合并全局内存写入

我的问题涉及到在CUDA中对一组动态变化的数组元素的合并全局写入。考虑下面的内核：

__global__ void
kernel (int n, int *odata, int *idata, int *hash)
{
  int i = blockIdx.x * blockDim.x + threadIdx.x;
  if (i < n)
    odata[hash[i]] = idata[i];
}

全局无效
内核（int n，int*odata，int*idata，int*hash）
{
int i=blockIdx.x*blockDim.x+threadIdx.x；
if（i

这里，数组的第一个

n

元素

hash

包含要从

idata

的第一个

n

元素更新的

odata

索引。很明显，这导致了一个可怕的，可怕的缺乏合并。在我的代码中，一个内核调用的哈希与另一个内核调用的哈希完全无关（其他内核以其他方式更新数据），因此简单地重新排序数据以优化这个特定的kenrel不是一个选项

---

CUDA中是否有一些功能可以让我改进这种情况下的性能？我听过很多关于纹理内存的讨论，但我无法将我读到的内容转化为这个问题的解决方案。

纹理是一种只读机制，因此它无法直接提高对GMEM的分散写入的性能。如果您是这样“散列”的：

odata[i] = idata[hash[i]]; 

（也许你的算法可以改变？）

那么，考虑一个新方案可能会有一些好处。（您的示例在本质上似乎是1D）

---

您还可以确保您的共享内存/L1拆分针对缓存进行了优化。不过，这对分散的写入没有多大帮助。

能否限制哈希结果的范围？例如，您可能知道线程的前1K次迭代将仅访问0到8K的

odata

---

如果是这样，您可以使用共享内存。您可以分配共享内存块，并临时在共享内存上执行快速分散写入。然后在合并事务中将共享内存块写回全局内存。

谢谢您的回复。事实上，在我的代码中，我有很多地方遇到了您描述的情况（从全局内存中分散读取）。这些读取在数组中是真正随机的（通常是稀疏的）。在这种情况下，纹理机制值得研究？在这种情况下，纹理可能会有所帮助。纹理仍然依赖于数据的局部性和重用，以提供任何好处。如果分散读取的净效果是每个位置只读取一次，那么纹理处理将不会有帮助。但是，如果您可能不止一次地读取某些位置（可能来自多个线程），那么纹理处理可能会带来一些改进。