CUDA同步和读取全局内存

Question

我有这样的事情：

__global__ void globFunction(int *arr, int N) {
    int idx = blockIdx.x* blockDim.x+ threadIdx.x;
    // calculating and Writing results to arr ...
    __syncthreads();
    // reading values of another threads(ex i+1)
    int val = arr[idx+1]; // IT IS GIVING OLD VALUE
}


int main() {
    // declare array, alloc memory, copy memory, etc.
    globFunction<<< 4000, 256>>>(arr, N); 
    // do something ...
    return 0;
}

为什么我在阅读arr[idx+1] 时得到旧值？我打电话给__syncthreads，所以我希望看到更新的值。我做错了什么？我是在读取缓存还是什么？

Answer 1

使用__syncthreads() 函数只会同步当前块中的线程。在这种情况下，这将是您在启动内核时创建的每个块 256 个线程。因此，在您给定的数组中，对于跨越到另一个线程块的每个索引值，您最终会从全局内存中读取一个与当前块中的线程不同步的值。

您可以做的一件事是使用__shared__ CUDA 指令创建共享线程本地存储，该指令允许您的块中的线程在它们之间共享信息，但阻止其他块的线程访问分配给当前块。一旦块内的计算完成（并且您可以使用__syncthreads() 完成此任务），您就可以将共享块级存储中的值复制回可全局访问的内存中。

您的内核可能类似于：

__global__ void globFunction(int *arr, int N) 
{
    __shared__ int local_array[THREADS_PER_BLOCK];  //local block memory cache           
    int idx = blockIdx.x* blockDim.x+ threadIdx.x;

    //...calculate results
    local_array[threadIdx.x] = results;

    //synchronize the local threads writing to the local memory cache
    __syncthreads();

    // read the results of another thread in the current thread
    int val = local_array[(threadIdx.x + 1) % THREADS_PER_BLOCK];

    //write back the value to global memory
    arr[idx] = val;        
}

如果您必须跨块同步线程，您应该寻找另一种方法来解决您的问题，因为 CUDA 编程模型在问题可以分解为块时最有效，并且线程同步只需要在内部进行一个块。