Ascend C编程模型与范式
1.并行计算架构抽象
Ascend C编程开发的算子是运行在AI Core上的，所以我们需要了解一下AI Core的结构。AI Core主要包括计算单元、存储单元、搬运单元。
- 计算单元包括了三种计算资源：Scalar计算单元（执行标量计算）；Cube计算单元（矩阵计算）；Vector计算单元（向量运算）
- 搬运单元主要负责在Global Memory 和Local Memory之间搬运数据
- 包括内部存储（Local Memory）和外部存储（Global Memory）
数据在这些单元之间存储和计算，涉及到三种流：异步指令流、同步信号流、计算数据流。
- 异步指令流：指计算单元和搬运单元之间异步执行接收到的指令序列。
- 同步信号流：保证不同指令按照正确的逻辑关系执行
- 计算数据流：指搬运单元把数据搬运到Local Memory，把处理好的数据搬运回Global Memory的过程。
AI Core的内部架构图如下：
2.SPMD编程模型介绍
SPMD（Single Program, Multiple Data）模型是一种并行编程模型，用于同时处理多个数据元素的相同程序。在Ascend C中，SPMD模型用于编写并行计算任务，以便充分利用Ascend AI处理器的并行计算能力。
SPMD模型的要点如下：
-
Single Program：SPMD模型意味着编写的程序是相同的，不会针对不同的数据元素而改变。这个程序会在不同的数据上执行，但代码本身是相同的。这有助于提高代码的可维护性和复用性。每个核上唯一区别是block_idx不同。
-
Multiple Data：程序会同时处理多个数据元素，这些数据元素通常存储在数组或张量中。每个数据元素都会被相同的程序逐一处理，从而实现并行性。
3.核函数编写及调用
Ascend C核函数是一种用于编写高性能并行计算任务的特定函数，是算子设备侧入口。
3.1核函数定义
主要包括三个参数：函数类型限定符、核函数名、参数列表
1.使用__global__函数类型限定符来标识它是一个核函数，可以被<<<…>>>调用；使用__aicore__函数类型限定符来标识该核函数在设备端AI Core上执行。
2.指针入参变量需要增加变量类型限定符__gm__。表明该指针变量指向Global Memory上某处内存地址。
3.核函数使用内核调用符<<<…>>>这种语法形式，来规定核函数的执行配置：
kernel_name<<<blockDim, l2ctrl, stream>>>(argument list);
解释每个参数的意思：
- blockDim：规定了核函数将会在几个核上执行
- l2ctrl：暂时设置为固定值nullptr，开发者无需关注
- stream:类型为aclrtStream
昨天做了一个关于Ascend C加法算法的算子开发实验，代码地址：Gitee代码仓库
在这个Add文件中，算子开发的核心代码在 add_custom.cpp中，其中核函数定义的代码为：
extern "C" __global__ __aicore__ void add_custom(GM_ADDR x, GM_ADDR y, GM_ADDR z) { KernelAdd op; op.Init(x, y, z); op.Process(); }
这段代码使用__global__ __aicore__函数类型限定符表明这个核函数将在AI Core上执行
void add_custom(GM_ADDR x, GM_ADDR y, GM_ADDR z)：这是核函数的声明，接受三个GM_ADDR参数，分别命名为x、y和z。GM_ADDR是指向通用内存（GM，General Memory）的指针类型，表明这个核函数将操作通用内存中的数据。
KernelAdd op：初始化算子类，算子类提供算子初始化和核心处理等方法。
op.Init(x, y, z)：初始化函数，获取该核函数需要处理的输入输出地址，同时完成必要的内存初始化工作
op.Process()：核心处理函数，完成算子的数据搬运与计算等核心逻辑
定义完了核函数之后，就可以进行调用：
void add_custom_do(uint32_t blockDim, void* l2ctrl, void* stream, uint8_t* x, uint8_t* y, uint8_t* z) { add_custom<<<blockDim, l2ctrl, stream>>>(x, y, z); }
<<<blockDim, l2ctrl, stream>>>：这是CUDA执行配置，它指定了核函数 add_custom 的执行方式。blockDim 表示使用多少个CUDA线程块，l2ctrl 和 stream 表示与线程块配置和流相关的信息。这些参数通常用于控制CUDA核函数的执行方式和资源配置。
