Performance 中断开销vs控制标志

我使用的是一个简单的素数生成函数。这段代码大约需要5.25秒来生成10k素数（设备_primes[0]保存已找到的素数，其余位置保存已找到的素数）

\u全局\uuuuuu无效getPrimes（int*设备\u primes，int n）
{ 
int c=0；
int thread_id=blockIdx.x*blockDim.x+threadIdx.x；
int num=线程id+2；
如果（线程id==0）设备素数[0]=1；
__同步线程（）；
while（设备_素数[0]对于（c=2；c，正如Tony所建议的，发散的代码执行可能会导致gpu代码的严重减速，迫使某些代码以串行方式而不是并行方式运行。在上面代码的慢速版本中，遇到中断的线程会与继续运行的代码发散

是gpu编程技术的良好资源：

任何流控制指令（if、switch、do、for、while）都会导致相同扭曲的线程发散（即遵循不同的执行路径），从而显著影响有效的指令吞吐量。如果发生这种情况，则必须序列化不同的执行路径，从而增加为此扭曲执行的指令总数。当所有不同的执行路径都完成时，线程会聚回同一执行路径

较新的nvidia硬件和cuda版本可以比旧版本更好地处理一些分支，但最好尽可能避免分支

_global__ void getPrimes(int *device_primes,int n)
{ 
    int c = 0;
    int thread_id = blockIdx.x * blockDim.x + threadIdx.x;
    int num = thread_id+2;

    if (thread_id == 0) device_primes[0] = 1;
    __syncthreads();

    while(device_primes[0] < n)
    {
        for (c = 2; c <= num - 1; c++)
        { 
            if (num % c == 0) //not prime
            {
                break;
            }
        }
        if (c == num) //prime
        {
            int pos = atomicAdd(&device_primes[0],1);
            device_primes[pos] = num;
        }
        num += blockDim.x * gridDim.x; // Next number for this thread       
    }
}

for (c = 2; c <= num - 1; c++)
{ 
    if (num % c == 0) //not prime
         break;
}
 if (c == num) {...}

   int prime = 1;

   ...
   for (c = 2; c <= num - 1 && prime; c++)
    { 
        if (num % c == 0) prime = 0; // not prime
    }
     if (prime) {...} // if prime