我的程序有很多4字节字符串,比如" aaaa" " BBBB" " cccc" ...我需要收集通过crc检查的特定字符串。
因为字符串传递crc检查的可能性很小,所以我不想使用非常大的缓冲区来保存所有结果。我更喜欢逐个结合的结果,就像输入一样。例如,如果输入是" aaaabbbbcccc"和" bbbb"没有通过crc检查,输出字符串应该是" aaaacccc"和output_count应为2。
代码如下:
__device__
bool is_crc_correct(char* str, int len) {
return true; // for simplicity, just return 'true';
}
// arguments:
// input: a sequence of 4-bytes-string, eg: aaaabbbbccccdddd....
__global__
void func(char* input, int* output, int* output_count) {
unsigned int index = blockDim.x*blockIdx.x + threadIdx.x;
if(is_crc_correct(input + 4*index)) {
// copy the string
memcpy(output + (*output_count)*4,
input + 4*index,
4);
// increase the counter
(*output_count)++;
}
}
显然内存副本不是线程安全的,我知道atomicAdd函数可以用于++操作,但是如何使输出和output_count线程都安全?
答案 0 :(得分:3)
您正在寻找的是无锁线性分配器。通常的方法是使用一个原子增加的累加器,用于索引到缓冲区。例如,在您的情况下,以下内容应该起作用:
__device__
char* allocate(char* buffer, int* elements) {
// Here, the size of the allocated segment is always 4.
// In a more general use case you would atomicAdd the requested size.
return buffer + atomicInc(elements) * 4;
}
然后可以这样使用:
__global__
void func(char* input, int* output, int* output_count) {
unsigned int index = blockDim.x*blockIdx.x + threadIdx.x;
if(is_crc_correct(input + 4*index)) {
// Reserve the output buffer.
char* dst = allocate(output, output_count);
memcpy(dst, input + 4 * index, 4);
}
}
虽然这是完全线程安全的,但不保证保留输入顺序。例如," ccccaaaa"将是一个有效的输出。
正如Drop在他们的评论中所提到的,你要做的是有效的流压缩(并且Thrust已经可能已经提供了你需要的东西)。
我上面发布的代码可以通过首先通过warp 聚合输出字符串而不是直接分配到全局缓冲区来进一步优化。这将减少全球原子争用,并可能带来更好的性能。有关如何执行此操作的说明,我邀请您阅读以下文章:CUDA Pro Tip: Optimized Filtering with Warp-Aggregated Atomics。
答案 1 :(得分:1)
我最终可能会建议这样做,但是如何在内核中动态分配内存?请参阅此问题/答案以获取示例:CUDA allocate memory in __device__ function
然后您将共享内存数组传递给每个内核,并且在内核运行之后,数组的每个元素将指向一块动态分配的内存,或者为NULL。所以在你的threadblocks运行之后,你将在一个线程上运行一个最终的清理内核来构建最终的字符串。