利用高效的编程技术发挥多内核架构优势

P或AMP平台。多年来在像索尼的PlayStation 3这样的基于Cell的平台上所作的软件改进突显了编程技术和经验的变化。

GPU等专用处理器

改变编程技术是使用图形处理单元(GPU)是否成功的关健。来自ATI和Nvidia等公司的GPU在单个芯片内有上百个内核，这些GPU可以被整合进多芯片解决方案，向开发人员提供上千个内核。例如，集成进1U机箱的4个Nvidia Tesla T10就可以提供960个内核(图4)。

对Tesla或其它任何兼容的Nvidia GPU芯片进行编程都极具挑战性，但类似Nvidia的CUDA这样的架构或基于CUDA的运行时利用可以使工作变得更加轻松。部分挑战来自于Nvidia GPU的单指令、多线程(SIMT)架构。与许多高性能系统一样，这种GPU喜欢处理数组数据。对许多应用来说这是不错的选择，但并非都是这样，这正是GPU经常要与多内核CPU匹配的原因之一。

另一种并行编程架构，CUDA和OpenCL(开放计算语言)，则完全匹配GPU方法(使用与主处理器分开的存储器)。这意味着数据在能被操作之前必须从一个地方移动到另一个地方。C编程语言有一定扩展，但也有限制。例如，它是自由递归的，不支持函数指针。其中一些限制源自SIMT方法。

许多应用程序使用CUDA，但与传统SMP平台相比，性能增益有很大的变化，从2倍到100倍不等。造成这种变化的原因是，线程以32为组运行时的效率最高。分支不影响性能，前提是32线程组在同一分支内。

像GPU这样的专用处理器，其采用的方案是同时提供图形和多内核处理。另外一种方案是使用许多传统内核，如Intel的Larrabee(图5)。Larrabee使用专门针对矢量处理优化过的x86兼容内核。

从某种角度看，Larrabee有点类似于IBM的Cell处理器。Larrabee内核只有32KB的一级缓存和256KB的二级缓存可以访问。如果数据不在缓存中，必须从内存控制器或系统中的另一个缓存中申请，然后数据被放进内核的缓存中，再由应用程序继续处理。

环形总线用于内核和控制器之间的通信。IBM的Cell单元互连总线(EIB)也是一种环形总线，连接着 SPE和内存控制器以及外设接口。从编程角度看，Larabee的缓存和Cell的SRAM有很大的差异。诚然，对编程人员来说，Larrabee看起来更像是一组连贯缓存的x86处理器。由于其GPU定位，编程人员可以充分利用它对DirectX和OpenGL的支持。

多内核联网

多内核芯片也是网络基础设施中的常见元件。处理10Gps的网络对多内核芯片来说本身就是很大的挑战。分析和处理来自线速网络连接的数据需要大量的处理资源。

Netronome的NFP-3200网络流量处理器包含40个1.4GHz的内核，每个内核可以运行8个线程，因此1个芯片总共可提供320个基于硬件的线程。这个数量级与GPU相同，但这些处理器主要用于数据包处理。

与IBM的Cell一样，NFP-3200也有一个主CPU型控制器，而且是一个ARM11内核。NFP-3200的40个内核也叫做微引擎，兼容Intel的IXP28xx架构，主要用于网络处理。这种兼容性很重要，因为大量代码是针对这种架构开发的。较老的芯片具有较少的内核，因此在某种意义上NFP-3200提供的是相同解决方案。

当然，为解决问题而简单地采用更多的内核只是其中一种措施。Netronome作了大量改进，例如支持TCP任务卸载的增强型微模块。互连速度也更高了，内核之间的运行速度高达44Gbps。

Netronome芯片拥有大量的专用处理器，其中包括了用于处理各种安全协议的加密系统。Netronome的PCI Express接口支持x86处理器经常使用的I/O虚拟化功能。它能被移动到NFP-3200旁边，而不是被另外一条网络链路隔开。

与其它多内核芯片相比，编程NFP-3200通常没有太大问题，因为针对IXP28xx系列有大量现成代码。另外，Netronome提供库，这使得网络处理应用程序的创建更像是模块的堆叠。

Cavium的Octeon II是一种更传统的SMP多内核设计，有2到6个64位 MIPS64内核，它们通过一个交叉开关相连。与Netronome芯片一样，Octeon II是针对网络和存储设备设计的。

Octeon II还有一个RAID 5/6加速器以及用于数据包检查的正则表达式超有限时序机(HFA)。编程Octeon II与编程大多数SMP系统相仿。Octeon II可以运行诸如Linux的操作系统。

其它多内核架构

采用更激进的多内核架构会增加编程事务，但它能为开发人员开启利用新架构的机会。IntellaSys的SeaFORTH 40C18就属于这种类型(图6)。它本身的编程语言是VentrueForth，指令长度实际上是5位，4个指令可以压缩为单个18位的字(一个指令只有3位长)。40C18有40个内核，它们有相同的处理单元，并且都有64个字的RAM和64个字的ROM。

与具有更多存储空间的芯片(如Intel的Larrabee或IBM的Cell)相比，对40C18进行编程显然有很