0章节　　在航空航天、医疗服务、地质勘探等简单应用领域，必须处置的数据量急遽减小，必须高性能的动态计算能力获取承托。与多核处理器比起，众核处理器计算资源密度更高、片上通信支出贞着减少、性能/功耗比明显提高，可为实时系统获取强劲的计算能力。　　在简单应用领域当中，有所不同应用于场景对计算出来的市场需求有可能有所不同。

例如，移动机器人在作业时，有可能必须同时继续执行路径规划、目标辨识等多个任务，这些任务必须同时继续执行;在对遥测图像处理时，必须对图像数据展开配准、融合、重构、特征提取等多个步骤，这些步骤间既必须同时继续执行，又不存在前驱后继的关系。因此，基于众核处理器展开计算出来模式的动态结构，以适应环境有所不同的应用于场景和应用于任务沦为一种新的研究方向。

文献［1］研究了具备逻辑核结构能力的众核处理器体系结构，其基本思想是基于多个细粒度处理器核建构成粗粒度逻辑核，将大大减少的处理器核转化成为单线程串行应用于的性能提高。文献明确提出并检验了一种基于类数据流驱动模型的可重构众核处理器结构，构建了逻辑核处理器的运营时可重构机制。文献明确提出了一种反对核资源动态分组的自适应调度算法，通过对任务簇的合并与拆分，动态建构可弹性分区的核逻辑组，构建核资源的隔绝优化采访。

　　GPGPU（General-PurposeComputingonGraphicsProcessingUnits）作为一种典型的众核处理器，有关研究多面向单任务所发继续执行方面的优化以及应用于算法的加快。本文以GPGPU为平台，通过研究和设计，建构了单任务分段、多任务分段和多任务流式处置的多计算出来模式处置系统。　　1众核处理机　　1.1众核处理机结构　　众核处理机是基于众核掌控单元（MPU）与众核处理器（GPGPU）结合的主、协处理方式建构而出，其逻辑结构如图1右图。

众核处理机由众核掌控单元和众核计算出来单元两部分构成，其中众核掌控单元使用X86结构的MPU，与众核计算出来单元之间通过PCI-E总线展开点对点。　　　1.2CUDA东流与Hyper-Q　　在统一计算出来设备架构（ComputeUnifiedDeviceAr-chitecture，CUDA）编程模型中，CUDA流（CUDAStream）回应GPU的一个操作者队列，通过CUDA流来管理任务和分段。CUDA东流的用于分成两种：一种是CUDA在创立上下文时会隐式地创立一个CUDA流，从而命令可以在设备中排队等候继续执行;另一种是在编程时，在继续执行配备中显式地登录CUDA流。不管以何种方式用于CUDA流，所有的操作者在CUDA东流中都是按照先后顺序排队继续执行，然后每个操作者按其转入队列的顺序离开了队列。

换言之，队列当作了一个FIFO（先入再行出有）缓冲区，操作者按照它们在设备中的经常出现顺序离开了队列。

本文来源：365买球网站-www.gungearstore.com