Cuda 开普勒如何实施全球原子操作？使用gmem比使用原子学的性能要差

我想知道全球原子学在开普勒的实施情况

请参见这段代码：

1. if (threadIdx.x < workers) {
2.    temp = atomicAdd(dst, temp + rangeOffset);
3.    if (isLastPartialCalc(temp)) {                            
4.        atomicAdd(dst,-300000.0f);
5.    }
6. }

1。if（螺纹IDX.x<工人）{
2.温度=原子添加（dst，温度+量程偏移）；
3.如果（isLastPartialCalc（temp））{
4.atomicAdd（dst，-300000.0f）；
5.    }
6. }

如果我为此更改第4行：

*dst-=300000.0f

性能较低！更改是安全的，因为不再有线程写入此值（输出相同）

使用原子的内核：~883us 直接使用gmem的内核：~903us

我已经跑了好几次了，每次换车我都会被罚20美元

更新

---

似乎没有使用原子的存储总是在L2中产生未命中，而原子版本总是产生命中。。。因此，我猜在L2中不允许尝试写入标记为“原子”的位置（或其他位置），并且它会向gmem发出另一个请求此缓存线更新显然比第二次全局原子访问成本更高（在您的特定代码中）

从单个SM到开普勒GK110（例如K20）上的全局内存的单个全局原子访问实际上相当快

如图所示，与费米相比，开普勒提高了全球原子学的速度

提高了到公共全局内存地址的原子操作吞吐量 每时钟9倍于一次操作

原子学有“火和遗忘”的语义。这意味着内核调用原子操作并让实际的原子操作由缓存执行（不在SM上），并且内核将在下一条指令上移动，而不等待实际的原子操作完成。这仅在原子操作没有返回值时有效，本例就是这样。fire-and-forget语义允许SM继续进行计算，将原子的计算卸载到缓存中

---

如果另一个线程不打算使用该位置，这非常好。它还提供了让一个线程快速处理多个数据位置的可能性，因为如果您按顺序执行多个原子操作，线程就可以直接触发它们。将它们放在相邻的内存中，合并可能会减少内存带宽。

谢谢Robert，但原子操作是在L2中执行的，对吗？我的内核中的所有存储都是使用原子操作执行的。缓存命中率相当高（实际上是100%），除非我做了更改。