我是Cuda的新手，我从书中读了几章，在线阅读了很多教程。我已经在矢量加法和乘法上实现了自己的实现。
我想进一步移动，所以让我们说我们想要实现一个函数，它将整数的排序数组作为输入。
我们的目标是找到数组中每个整数的频率。
顺序我们可以扫描一次数组以产生输出。时间复杂度为O(n)。
由于这些群体不同，我想必须有可能利用CUDA。
假设这是数组
1
1
1
1
2
2
3
3
5
5
6
7
为了实现完全并行性，每个线程必须确切地知道它必须扫描的数组的哪个部分才能找到总和。只有当我们使用另一个名为int dataPosPerThread[]的数组时才能实现这一点，对于dataPosPerThread[threadId]的每个线程id，它将作为初始数组上的起始位置的值。因此，这意味着每个线程都知道从哪里开始以及在哪里完成。
然而，通过这种方式我们将无法获得任何收益，因为我们需要O(n)时间才能找到这些位置。最终总费用为O(n) + cost_to_transfer_the_data_to_the_gpu + O(c) + cost_to_transfer_the_results_to_the_gpu
其中O(c)是线程查找最终输出所需的常量时间，当然假设我们在初始数组中有许多不同的整数。
我希望避免额外的O(n)费用。
到目前为止我想到的是，如果有一个大小为arraySize的数组，我们会指定将要使用的线程总数，让我们说totalAmountOfThreads这意味着每个线程都必须扫描totalAmountOfThreads/arraySize值。
第一个线程（id 0）将从位置0开始扫描到位置totalAmountOfThreads/arraySize。
第二个帖子将从totalAmountOfThreads/arraySize + 1开始，依此类推。
问题是，某些线程可能正在使用不同的整数组，或者有一个组，其他线程正在处理更多值。例如在上面的例子中，如果我们假设我们将有6个线程，每个线程将采用数组的2个整数，所以我们将有这样的事情：
1 <-------- thread 0
1
1 <-------- thread 1
1
2 <-------- thread 2
2
3 <-------- thread 3
3
5 <-------- thread 4
5
6 <-------- thread 5
7
正如您所看到的，线程0只有1个值，但是线程2正在处理其他1个值。为了实现并行性，这些线程必须处理无关的数据。假设我们将使用此逻辑，每个线程将计算以下结果：
thread 0 => {value=1, total=2}
thread 1 => {value=1, total=2}
thread 2 => {value=2, total=2}
thread 3 => {value=3, total=2}
thread 4 => {value=5, total=2}
thread 5 => {{value=6, total=1}, {value=7, total=1}}
通过这个结果可以进一步实现什么？有人可以建议使用额外的hash_map，例如unordered_map，它可以有效地更新由单个线程计算的每个值的总变量。然而
Unordered_map
这意味着线程无法利用共享内存，因为来自不同块的两个线程可能使用相同的值，因此哈希映射必须位于全局内存中。 / p>
即使以上两个都没有问题，我们在更新哈希映射时仍然会在线程之间存在竞争条件。
为了解决这个问题，有什么好方法？
提前谢谢
答案 0 :(得分：5)
正如@tera已经指出的那样，你所描述的是直方图。
您可能对thrust histogram sample code感兴趣。如果我们以dense_histogram()例程为例，您将注意到第一步是对数据进行排序。
所以，是的，您的数据已排序这一事实将为您节省一步。
简而言之，我们是：
如示例代码所示，推力可以在单个函数中执行上述每个步骤。由于您的数据已经过排序，因此您可以有效地跳过第一步。