并行程序设计---cuda memory

CUDA存储器模型：

GPU片内：register，shared memory；

host 内存： host memory, pinned memory.

板载显存：local memory,constant memory, texture memory, texture memory,global memory;

 register: 访问延迟极低；

              基本单元：register file （32bit/each）

              计算能力1.0/1.1版本硬件：8192/SM；

              计算能力1.2/1.3版本硬件： 16384/SM;

              每个线程占有的register有限，编程时不要为其分配过多私有变量；

shared memory：访问速度与寄存器相似；

                         实现线程间通信的延迟最小；

                         保存公用的计数器或者block的公用结果；

                          硬件1.0~1.3中，16KByte/SM,被组织为16个bank；

                          声明关键字 _shared_  int sdata_static[16];

host内存：分为pageable memory 和 pinned memory

pageable memory： 通过操作系统API（malloc（），new（））分配的存储器空间；、

pinned memory：始终存在于物理内存中，不会被分配到低速的虚拟内存中，能够通过DMA加速与设备端进行通信；

  cudaHostAlloc(), cudaFreeHost()来分配和释放pinned memory；使用pinned memory优点：主机端-设备端的数据传输带宽高；  某些设备上可以通过zero-copy功能映射到设备地址空间，从GPU直接访问，省掉主存与显存间进行数据拷贝的工作; pinned memory 不可以分配过多：导致操作系统用于分页的物理内存变， 导致系统整体性能下降；通常由哪个cpu线程分配，就只有这个线程才有访问权限；

  cuda2.3版本中，pinned memory功能扩充：

 portable memory：让控制不同GPU的主机端线程操作同一块portable memory，实现cpu线程间通信；使用cudaHostAlloc（）分配页锁定内存时，加上cudaHostAllocPortable标志；

 write-combined Memory：提高从cpu向GPU单向传输数据的速度；不使用cpu的L1，L2 cache对一块pinned memory中的数据进行缓冲，将cache资源留给其他程序使用；在pci-e总线传输期间不会被来自cpu的监视打断；在调用cudaHostAlloc（）时加上cudaHostAllocWriteCombined标志；cpu从这种存储器上读取的速度很低；

mapped memory：两个地址：主机端地址（内存地址），设备端地址（显存地址）。  可以在kernnel程序中直接访问mapped memory中的数据，不必在内存和显存之间进行数据拷贝，即zero-copy功能；在主机端可以由cudaHostAlloc（）函数获得，在设备端指针可以通过cudaHostGetDevicePointer（）获得；通过cudaGetDeviceProperties（）函数返回的canMapHostMemory属性知道设备是否支持mapped memory；在调用cudaHostAlloc（）时加上cudaHostMapped标志，将pinned memory映射到设备地址空间；必须使用同步来保证cpu和GPu对同一块存储器操作的顺序一致性；显存中的一部分可以既是portable memory又是mapped memory；在执行CUDA操作前，先调用cudaSetDeviceFlags（）（加cudaDeviceMapHost标志）进行页锁定内存映射。

constant memory：只读地址空间；位于显存，有缓存加速；64Kb；用于存储需要频繁访问的只读参数 ；只读；使用_constant_ 关键字，定义在所有函数之外；两种常数存储器的使用方法：直接在定义时初始化常数存储器；定义一个constant数组，然后使用函数进行赋值；

texture memory：只读；不是一块专门的存储器，而是牵涉到显存、两级纹理缓存、纹理拾取单元的纹理流水线；数据常以一维、二维或者三维数组的形式存储在显存中；缓存加速；可以声明大小比常数存储器大得多；适合实现图像树立和查找表；对大量数据的随机访问或非对齐访问有良好的加速效果；在kernel中访问纹理存储器的操作成为纹理拾取（texture fetching）；纹理拾取使用的坐标与数据在显存中的位置可以不同，通过纹理参照系约定二者的映射方式；将显存中的数据与纹理参照系关联的操作，称为将数据与纹理绑定（texture binding）；显存中可以绑定到纹理的数据有：普通线性存储器和cuda数组；存在缓存机制；可以设定滤波模式，寻址模式等；

local memory：寄存器被使用完毕，数据将被存储在局部存储器中；

                     大型结构体或者数组；

                     无法确定大小的数组；

                     线程的输入和中间变量；

                     定义线程私有数组的同时进行初始化的数组被分配在寄存器中；

global memory:存在于显存中，也称为线性内存（显存可以被定义为线性存储器或者CUDA数组）；

                      cudaMalloc（）函数分配，cudaFree（）函数释放，cudaMemcpy（）进行主机端与设备端的数据传输；

                      初始化共享存储器需要调用cudaMemset（）；

                      二维三维数组：cudaMallocPitch（）和cudaMalloc3D（）分配线性存储空间，可以确保分配满足对齐要求；

                      cudaMemcpy2D（），cudaMemcpy3D（）与设备端存储器进行拷贝；