CN104123178A - 基于图形处理器的并行化约束检测方法 - Google Patents

Abstract

本发明是一种基于图形处理器的并行化地检测约束的方法，步骤：1)以量词为分割点，将一条约束分割成若干处理单元，通过调度这些处理单元，消除检测过程中的递归并最大化并行度；2)根据当前的处理单元和信息集合，产生相应数量的GPU线程，每个GPU线程根据自身的线程号计算其对应的变量赋值，并处理在此赋值下的处理单元。一个被赋值的处理单元称为一个并行计算单元，并行计算单元是能在GPU中并行处理的最小单元；3)索引-结果池的二层次存储策略，所有并行计算单元的节点产生的非定长结果存储在结果池中，而在索引中存储节点产生的结果在结果池中的起始地址和长度，该策略“串行分配空间，并行写结果”，能达到较高的写速度。

Description

基于图形处理器的并行化约束检测方法

技术领域

本发明涉及一种基于图形处理器的并行化约束检测方法。

背景技术

约束检测是一种常用的验证信息有效性的方法。一条约束反映了一条信息或者多条信息之间应该满足的关系。一般而言，一条约束由若干种节点联接而成：“全称量词”节点，“存在量词”节点，“与”节点，“或”节点，“蕴含”节点，“非”节点和“函数”节点。每种节点描述了一个特定的关系。检测约束即：将获取的信息与预定义的约束进行核对，违反了约束的一条信息或者一组信息是无效的。约束检测通常是结合其他应用中的。

当前约束检测的方式主要有两类：增量式检测和并行检测。但是，这两种方式都完全依赖于中央处理器(CPU)，因此会消耗大量本来应该用于其他应用的计算资源。本方法的计算不再依赖于CPU，相反，它主要依赖图形处理器(GPU)进行计算。因此，该方法在提高了约束检测的速度的同时，也保证了有充分的计算资源供其他应用使用。

发明内容

针对现有技术中存在的不足，对当前约束检测耗时过大，占用资源过多的缺点，本发明提出了一种基于GPU的约束检测方法。该方法的核心在于三个部分：约束预处理；并行策略；存储策略。

本发明的技术方案为：一种基于图形处理器的并行化约束检测方法，它包括：

约束预处理，基于量词的约束分割方法；具体为：

步骤1、指定约束头节点为当前节点，从当前节点开始分割；

步骤2、若当前节点为“全称量词”或者“存在量词”节点，则将该部分分割成两个子部分，一个子部分以该量词节点结束，另一部分从该量词节点的子节点开始，指定该量词节点的子节点为当前节点继续分割；

步骤3、若当前节点为“与”节点，“或”节点或者“蕴含”节点，则指定该节点的左子节点为当前节点继续分割，处理完左子节点后，指定该节点的右子节点为当前节点继续分割；

步骤4、若当前节点为“非”节点，则指定该节点的子节点为当前节点继续分割；

步骤5、若当前节点为“函数”节点，则停止当前分支的递归；

经过分割后，一条约束被转变为若干处理单元，各个处理单元不相交，且所有处理单元共同构成该约束。

并行策略，基于处理单元的并行处理方法；具体为：

步骤1、计算所需线程数N，设从当前处理单元的父节点开始，到约束头结点的路径中的变量<υ₁,υ₂,...υ_n>对应的上下文信息集合为<S_i,S₂,...S_n>，各个上下文信息集合中的信息条数为<I₁,I₂,...I_n>，则N＝I₁×I₂×...×I_n；若当前处理单元到头节点不包含任何变量，或者当前处理单元包含头节点，则N＝1；

步骤2、生成N个GPU线程，线程id从0至N-1(该id由GPU自动分配)；各个线程根据自身id独立计算其对应的赋值，设整数值M_i＝j表示变量υ_i取其对应集合S_i中第j条信息(0≤M_i<I_i)；则M_i的取值按以下步骤得出：

i：设size＝1,cur＝n；

ii：若cur≥1,转子iii,否则结束；

iii：size＝size*I_cur；cur＝cur-1,转子ii。

步骤3、各个线程将所计算出的赋值映射到处理单元中，产生各个线程需要处理的并行计算单元；各个线程独立处理各个并行计算单元；

所述的所有GPU线程并发执行，且互相之间不存在依赖关系。

存储策略。索引-结果池的二层次存储方法，主要包含三个部分：1)索引数组，包含两个域：结果的起始位置pos和长度len；2)结果数组；3)结果数组位置指针Pointer(简称位置指针)，它只能被互斥地写。设n个线程产生的结果长度分别为l₁,l₂...l_i...l_n,所述索引-结果池的二层次存储方法具体为：

步骤1、各个线程根据其赋值计算各自当前节点在索引数组中的存储位置；

步骤2、各个线程互斥的获取结果数组位置指针，设第i个线程获取到该结果数组位置指针，则它将该节点的起始位置pos设为Pointer当前值，之后，

步骤3、更新该结果数组位置指针的值：Pointer_new＝Pointer_old+l_i，其中，Pointer_old为位置指针初始值，l_i为第i个线程产生的结果长度；

步骤4、更新后释放该结果数组位置指针供其他线程使用，并将结果填入结果数组，结果长度填入该节点的结果长度len中。

本发明的有益效果：本发明能高效地利用GPU进行约束检测：约束分割消除了约束处理过程中的递归，使之适应于GPU的工作方式；基于处理单元的并行策略，使得各个线程能够独立地定位和处理数据，提升了该方法的并发性；并发存储策略显著提升了存储效率。该发明在提升了约束检测的效率的同时，大幅降低对CPU资源的依赖，从而使得CPU资源能够更多的服务于其他应用。此外，由于GPU和CPU可以同时执行，不存在相互等待的情况，因此，该方法也能借此特性获得额外的效率上的增益。

附图说明

图1本发明的约束处理用例图。

图2本发明计算过程中的上下文映射和并行策略。

图3本发明二层次的存储策略。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明。

本实施例的基于GPU的约束检测方法。该方法的核心在于三个部分：约束预处理；并行策略；存储策略。具体的说：

1.约束预处理。本发明提出了基于量词的约束分割方法，包含以下步骤：

a)指定约束头节点为当前节点，从当前节点开始分割；

b)若当前节点为“全称量词”或者“存在量词”节点，则将该部分分割成两个子部分，一个子部分以该量词节点结束，另一部分从该量词节点的子节点开始，指定该量词节点的子节点为当前节点继续分割；

c)若当前节点为“与”节点，“或”节点或者“蕴含”节点，则指定该节点的左子节点为当前节点继续分割，处理完左子节点后，指定该节点的右子节点为当前节点继续分割；

d)若当前节点为“非”节点，则指定该节点的子节点为当前节点继续分割；

e)若当前节点为“函数”节点，则停止当前分支的递归。经过分割后，一条约束被转变为若干处理单元，各个处理单元不相交，且所有处理单元共同构成该约束。图1展示了一条约束，它的含义如下：对于在城市A中的任何一辆出租车，它在一段时间内行驶的距离只能在一个合理的范围内。对于这条约束，它按照上述算法将被分割成三部分，如图中虚线所示。

2.并行策略。基于处理单元的并行处理方法，包含以下步骤：

a)计算所需线程数N。设从当前处理单元的父节点开始，到约束头结点的路径中的变量<υ₁,υ₂,...υ_n>对应的上下文信息集合为<S₁,S₂,...S_n>，各个上下文信息集合中的信息条数为<I₁,I₂,...I_n>，则N＝I₁×I₂×...×I_n；若当前处理单元到头节点不包含任何变量，或者当前处理单元包含头节点，则N＝1；

b)生成N个GPU线程，线程id从0至N-1(该id由GPU自动分配)；各个线程根据自身id独立计算其对应的赋值。设整数值M_i＝j表示变量υ_i取其对应集合S_i中第j条信息(0≤M_i<l_i)，则M_i的取值按以下步骤得出：

i.令size＝1,cur＝n；

ii.若cur≥1,转iii,否则结束；

iii.size＝size*I_cur；cur＝cur-1,转ii

c)各个线程将所计算出的赋值映射到处理单元中，产生各个线程需要处理的并行计算单元；各个线程独立处理各个并行计算单元。

所述的所有GPU线程并发执行，且互相之间不存在依赖关系。以图1所示约束为例。设当前接收到两条A城市中的出租车信息：出租车1和出租车2。则在计算处理单元1时，根据上述算法步骤a)，该处理单元到根节点有2个变量(a和b)，每个变量可以取两个值(出租车1和出租车2)，因此N＝4；根据步骤b)生成了4个线程(id分别为0,1,2,3)。各个线程独立计算其变量的取值。以计算id为3的线程的变量取值为例，两个变量对应的赋值计算过程为：

size＝1,cur＝2；

$M_{\mathrm{cur}}=\frac{\mathrm{id}}{\mathrm{size}}\%I_{\mathrm{cur}}=\frac{3}{1}\%2=1,$

size＝1×I_cur＝1×2＝2,cur＝cur-1＝1；

由于cur≥1，继续该过程，可以得到M₁＝1；最终得出M₁＝1,M₂＝1,注意到信息是从0开始编号，因此M₁＝1,M₂＝1意味着第一个变量和第二个变量都取各自信息集合中第二条信息，即(a＝出租车2,b＝出租车2)。将取值映射到处理单元中，可以得到并行计算单元。图2的并行计算单元组1展示了生成的4个并行计算单元。

3.存储策略。索引-结果池的二层次存储方法，主要包含三个部分：1)索引数组，包含两个域：结果的起始位置pos和长度len；2)结果数组；3)结果数组位置指针Pointer(简称位置指针)，它只能被互斥地写。设n个线程产生的结果长度分别为l₁,l₂...l_i...l_n,则该方法存储过程如下：

a)各个线程根据其赋值计算各自当前节点在索引数组中的存储位置；

b)各个线程互斥的获取位置指针，设第i个线程获取到该位置指针，则它将该节点的起始位置pos设为Pointer当前值，之后，

c)更新该位置指针的值：Pointer_new＝Pointer_old+l_i，其中，Pointer_old为位置指针初始值，l_i为第i个线程产生的结果长度。

d)更新后释放该位置指针供其他线程使用，并将结果填入结果数组，结果长度填入该节点的结果长度len中。

图3中展示了该存储策略：设有三个线程同时在处理三个节点，它们都需要将结果写入存储器。设这三个节点的结果分别需要占用1,3,2个存储空间，则它们将同时申请访问位置指针(当前值为0)。假设线程t₁获取到该位置指针访问权，则它设置自己的结果的起始位置为Pointer当前值(即0)，并更新Pointer的值Pointer_new＝Pointer_old+1＝1，之后释放该指针供线程t₂和t₃访问；t₁更新位置指针值之后，将结果填入描述信息数组中，并更新索引数组中自己的长度(即1)。索引数组中第一个元素记录了t₁产生的结果的存储起始位置(0)及长度(1)。设t₂先于t₃获取Pointer访问权，由于t₁的更新，Pointer的当前值为1，因此，t₂的结果的起始位置为1，更新Pointer的值Pointer_new＝Pointer_old+3＝4，释放Pointer，结果填入描述信息数组中，并更新索引数组中自己的长度(即3)。这种策略串行的分配空间，但是多个线程同时写结果是可以并行并且无冲突的完成。

上述1,2阐述了使用GPU并行检测约束的方法，3阐述了适用于GPU的高效的并行写结果的方法。

以上实施例只是对于本发明的部分功能进行描述，但实施例和附图并不是用来限定本发明的。在不脱离本发明之精神和范围内，所做的任何等效变化或润饰，同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为准。

Claims (5)

1.一种基于图形处理器的并行化约束检测方法，其特征在于，它包括：

基于量词的约束分割步骤；

基于处理单元的并行处理步骤；

存储策略步骤。

2.根据权利要求1所述的并行化约束检测方法，其特征在于：所述基于量词的约束分割步骤具体为：

步骤1、指定约束头节点为当前节点，从当前节点开始分割；

步骤2、若当前节点为“全称量词”或者“存在量词”节点，则将该部分分割成两个子部分，一个子部分以该量词节点结束，另一部分从该量词节点的子节点开始，指定该量词节点的子节点为当前节点继续分割；

步骤3、若当前节点为“与”节点，“或”节点或者“蕴含”节点，则指定该节点的左子节点为当前节点继续分割，处理完左子节点后，指定该节点的右子节点为当前节点继续分割；

步骤4、若当前节点为“非”节点，则指定该节点的子节点为当前节点继续分割；

步骤5、若当前节点为“函数”节点，则停止当前分支的递归；

经过分割后，一条约束被转变为若干处理单元，各个处理单元不相交，且所有处理单元共同构成该约束。

3.根据权利要求1所述的并行化约束检测方法，其特征在于：所述基于处理单元的并行处理步骤，具体为：

步骤1、计算所需线程数N，设从当前处理单元的父节点开始，到约束头结点的路径中的变量<υ₁,υ₂,...υ_n>对应的上下文信息集合为<S₁,S₂,...S_n>，各个上下文信息集合中的信息条数为<I₁,I₂,...I_n>，则N＝I₁×I₂×...×I_n；若当前处理单元到头节点不包含任何变量，或者当前处理单元包含头节点，则N＝1；

步骤2、生成N个GPU线程，线程id从0至N-1(该id由GPU自动分配)；各个线程根据自身id独立计算其对应的赋值，设整数值M_i＝j表示变量υ_i取其对应集合S_i中第j条信息(0≤M_i<I_i)；

步骤3、各个线程将所计算出的赋值映射到处理单元中，产生各个线程需要处理的并行计算单元；各个线程独立处理各个并行计算单元；

所述的所有GPU线程并发执行，且互相之间不存在依赖关系。

4.根据权利要求3所述的并行化约束检测方法，其特征在于：步骤2中M_i的取值按以下步骤得出：

i.子步骤i：设size＝1,cur＝n；

ii.子步骤ii：若cur≥1,转子步骤iii,否则结束；

子步骤iii：size＝size*I_cur；cur＝cur-1,转子步骤ii。

5.根据权利要求1所述的并行化约束检测方法，其特征在于：所述存储策略步骤具体为：索引-结果池的二层次存储方法，包含三个部分：1)索引数组，包含两个域：结果的起始位置pos和长度len；2)结果数组；3)结果数组位置指针Pointer(简称位置指针)，它只能被互斥地写；设n个线程产生的结果长度分别为l₁,l₂...l_i...i_n,所述索引-结果池的二层次存储方法具体为：

步骤1、各个线程根据其赋值计算各自当前节点在索引数组中的存储位置；

步骤2、各个线程互斥的获取结果数组位置指针，设第i个线程获取到该结果数组位置指针，则它将该节点的起始位置pos设为Pointer当前值，之后，

步骤3、更新该结果数组位置指针的值：Pointer_new＝Pointer_old+l_i，其中，Pointer_old为位置指针初始值，l_i为第i个线程产生的结果长度；

步骤4、更新后释放该结果数组位置指针供其他线程使用，并将结果填入结果数组，结果长度填入该节点的结果长度len中。