CUDA数组到数组和

我有一段简短的代码如下：

typedef struct {
  double sX;
  double sY;
  double vX;
  double vY;
  int rX;
  int rY;
  int mass;
  int species;
  int boxnum;
} particle;

typedef struct {
  double mX;
  double mY;
  double count;
  int rotDir;
  double cX; 
  double cY; 
  int superDir;
} box;
//....
int i;
for(i=0;i<PART_COUNT;i++) {
    particles[i].boxnum = ((((int)(particles[i].sX+boxShiftX))/BOX_SIZE)%BWIDTH+BWIDTH*((((int)(particles[i].sY+boxShiftY))/BOX_SIZE)%BHEIGHT));
}
for(i=0;i<PART_COUNT;i++) {
    //sum the momenta
    boxnum = particles[i].boxnum;
    boxes[boxnum].mX += particles[i].vX*particles[i].mass;
    boxes[boxnum].mY += particles[i].vY*particles[i].mass;
    boxes[boxnum].count++;
}

typedef结构{
双sX；
双重sY；
双vX；
双vY；
int-rX；
智力；
整数质量；
int种；
int-boxnum；
}粒子；
类型定义结构{
双mX；
加倍我的爱；
重复计数；
int rotDir；
双cX；
双y；
int superDir；
}盒子；
//....
int i；
对于（i=0；i您可以尝试使用
atomicAdd
操作来修改您的Box数组。全局内存上的原子操作非常缓慢，但同时，由于两个原因，不可能进行涉及共享内存的任何优化：

假设粒子的属性
boxnum
，
particles[0]…particles[n]
没有顺序，并且不位于任何小边界（在块大小的范围内），您无法预测将哪些框从全局内存加载到共享内存中。您必须首先收集所有的boxnum
如果您试图收集所有boxnumber，则无法使用包含所有可能boxnumber的数组作为索引，因为有太多的框无法放入共享内存。因此，您必须使用队列收集索引（通过数组、指向下一个可用插槽的指针和原子操作实现），但仍然会有冲突，因为同一个箱号可能会在队列中多次出现
结论：
atomicAdd
将至少为您提供正确的行为。请尝试并测试性能。如果您对性能不满意，请考虑是否有其他方法来执行相同的计算，从而从共享内存中获益。
作为替代方法，您可以启动块的二维网格

blocks.x=numParticles/threadsPerBlock/repeatPerBlock

blocks.y=numoboxs/1024

当且仅当boxnum位于1024*blockIdx.y和1024*（blockIdx.y+1）之间时，每个块在共享内存中执行原子加法

接下来是沿blocks.x进行的缩减

这可能比atomicAdd-on全局内存快，也可能不快，因为数据的读取次数为.y块。但是，如果“粒子”在排序过程中按boxnum排序，然后是分区过程，则这可能是固定的

可能还有其他几种方法可以做到这一点，但由于问题大小变化很大，您可能最终不得不编写2-3种针对给定大小范围进行优化的不同方法。
particle.boxnum值是如何分布的？如果您从存储的粒子访问particle.boxnum，boxnum是否也会连续？随机的。我想我可能需要重写这个东西的一些基本结构，以便我对它有更多的了解（例如，对粒子列表进行排序以确保条件）。好的，谢谢。我担心我可能需要做类似的事情，但不确定具体如何做。