GPU計(jì)算的目的即是計(jì)算加速。相比于CPU，其具有以下三個(gè)方面的優(yōu)勢(shì)：

1

并行度高：GPU的Core數(shù)遠(yuǎn)遠(yuǎn)多于CPU，從而GPU的任務(wù)并發(fā)度也遠(yuǎn)高于CPU；

2

內(nèi)存帶寬高：GPU的內(nèi)存系統(tǒng)帶寬幾十倍高于CPU；

3

運(yùn)行速度快：GPU在浮點(diǎn)運(yùn)算速度上較之CPU也具有絕對(duì)優(yōu)勢(shì)。

另一方面，GPU采用的SIMD（Single Instruction Multiple Data）架構(gòu)，這決定了其對(duì)執(zhí)行的任務(wù)具有特定的要求（如不適合判斷邏輯過(guò)多的任務(wù)，數(shù)據(jù)大小不可控的任務(wù)等）。而且，應(yīng)用程序在GPU上也需有特定的實(shí)現(xiàn)，包括算法的GPU并行化，程序的定制等。因此，針對(duì)GPU并行處理的研究成為一大研究熱點(diǎn)。

現(xiàn)有GPU采用SIMD方式執(zhí)行，即所有線程塊在同一時(shí)刻執(zhí)行相同的程序，從而若這些線程塊處理的數(shù)據(jù)量相差大，或計(jì)算量分布不均，便會(huì)帶來(lái)線程塊的負(fù)載不均，進(jìn)而影響整個(gè)任務(wù)執(zhí)行效率。這類問(wèn)題實(shí)則常見(jiàn)的Skew Handling或Load Inbalance問(wèn)題。

應(yīng)用算法的GPU并行化之所以成為一個(gè)研究問(wèn)題而不僅僅是工程問(wèn)題，這其中的主要的問(wèn)題在于

1GPU不支持內(nèi)存的動(dòng)態(tài)分配，從而對(duì)于輸出結(jié)果大小不確定的任務(wù)是一個(gè)極大的挑戰(zhàn)；2GPU的SIMD特性使得很多算法不易很好實(shí)現(xiàn)，即如何充分利用GPU線程塊的并行度；3共享數(shù)據(jù)的競(jìng)爭(zhēng)讀寫，共享數(shù)據(jù)的鎖機(jī)制帶來(lái)大量的等待時(shí)間消耗。

GPU作為一種協(xié)處理器，其的執(zhí)行受CPU調(diào)度。在實(shí)際應(yīng)用中，GPU更多的也是配合CPU工作，從而基于CPU/GPU異構(gòu)系統(tǒng)的統(tǒng)一任務(wù)調(diào)度更具實(shí)用意義，也是有關(guān)GPU的重要研究方面。

GPU采用SIMD架構(gòu)，各線程塊在同一時(shí)刻執(zhí)行相同的Instruction，但對(duì)應(yīng)的是不同的數(shù)據(jù)。但事實(shí)上，GPU線程塊具有如下特征：

每個(gè)線程塊只對(duì)應(yīng)于一個(gè)的流處理器（SM），即其只能被該對(duì)應(yīng)的SM執(zhí)行，而一個(gè)SM可以對(duì)應(yīng)多個(gè)線程塊；SM在執(zhí)行線程塊時(shí)，線程塊中的線程以Warp（每32個(gè)線程）為單位調(diào)度及并行執(zhí)行；

線程塊內(nèi)的線程可同步，而不同線程塊的同步則只能由CPU調(diào)用同步命令完成；

不同線程塊的運(yùn)行相互獨(dú)立。

因此，為不同的線程塊分配不同的任務(wù)，使得GPU做到任務(wù)并行，最大化GPU的利用成為可能并具有重要的研究意義。