Nsight Compute(NCU) Scheduler Statistics 数据解读
本文内容主要参考YT上的这个视频：
https://www.youtube.com/watch?v=nYSdsJE2zMs
Warp硬件架构介绍
以Volta架构为例，每个SM有4个Warp Scheduler，每个Warp Scheduler有4个warp slots，因此Volta架构中整个GPU每个cycle总共最多可以有16个warps同时处于被调度的状态，每个时钟周期最多可以发射4个warps。（而以前的Turing架构只有8个warp slots，可以看出未来GPU中warp slot数量应该是有上升趋势的。）
Warp调度过程介绍
为了画图简单，下面就用8个warp slots做演示，每个时钟周期也按照只能发射一个warp去假设。
首先，下图左侧画的Warp Slots中0-7个方块代表了GPU中的全部8个Warp Slots。其次，右侧的Warp States介绍了NV中对warp的5种分类，其中白色Unused表示还在warp队列中排队的warp，这个状态的warp一般先不用关心；凡是有颜色的warp其实都属于Active Warp，这里的灰色warp是不属于其他3种绿色的Active Warp，指这个warp所在的block已经被调度到指定SM上的warp（这里为了严谨说的有点绕了，简单理解灰色块就是还没准备好被发射的warp）；Eligible Warp就是准备好被发射的Warp；Stalled是指因为一些原因（指令还没加载完成、依赖项还没有得到等等）而被中断暂停的warp；Seleted表示被选中发射的warp。
下面就看一下warp调度过程：
假设核函数执行到第N个时钟周期时，有3个Stalled Warp（最下面深绿色的0-2 Slots中的Warp）和2个Eligible Warp以及3个Unused Warp。这时，随机选取一个Eligible Warp（3号warp）放在下面的Issue slot中发射。这个时钟周期就过去了。
到了下一个也就是N+1个时钟周期时，上一步选的3号warp因为取指令需要不止一个时钟周期而被stall变成深绿色。这时所有之前发射的warp都被stall了，warp scheduler不得不再选一个eligible warp来发射，因此选则了唯一的eligible warp也就是4号warp来发射。
再到N+2个时钟周期时，有一个warp执行结束就退出warp slot了，而warp slot中也没有可以发射的eligible warp了，因此这个周期就这样空过去了。
再下一个周期即N+3个时钟周期，新增了两个eligible warp，又在eligible warp中随机选择一个（2号）warp发射。
Scheduler Statistics 数据解读
cycles_active：一共有多少个包含active warp的cycle。
warps_active：一共有多少个active warp（有颜色的方块有多少个）。
warp_active/cycle_active：warps_active除以cycles_active
achieved_occupancy：warps_active/（warp最大active数量*cycles_active）（warp最大active数量就是上文提到的，Volta的16和Turing的8）
achieved_occupancy = 有颜色的方块数量 / 所有的方块数量
warps_stalled：被stall的warp数量。即深绿色方块的数量。
warps_eligible：全部cycle中eligible warp出现的总数。 即浅绿色方块的数量。
warps_issued：总共发射的warp数量。 
warps_issued/cycles_active：字面意思
issue_slot_utilization：发射了warp的cycle数量 / cycles_active
上述数据中，所有以warps开头的数据在Nsight Compute中都是要除以cycles_active来显示的。通常后面会加 Per Scheduler表示除以cycles_active。
这个例子是在V100中运行的，V100最佳情况下Active Warps Per Scheduler可以无限接近16，但该kernel平均分配每个调度器7.65个active warp，但是每个周期只有平均0.92个warp是eligible warp，真正被发射的每个周期才0.41个warp，这是很差的指标了。一般是两种方法改善：一是增加eligible warp的数量，二是减少active warp的stall时间。