OpenCL浅析（2）- 对象与API

转自：https://blog.csdn.net/chifredhong/article/details/74007111

OpenCL规范

OpenCL规范由四个模型组成，分别是平台模型、执行模型、存储模型和编程模型。

平台模型

OpenCL平台框架由两个部分组成：主机和从设备。主机在异构计算中扮演者管理者和命令传达者的角色，从设备扮演计算具体任务的角色。 

• 每个设备由一个或多个CU（计算单元）组成

• 每个计CU被进一步划分为一个或多个PE（处理元素），PE是OpenCL设备进行计算的最小单元

• OpenCL应用是通过主机代码和设备执行代码实现的，主机选择特定的从设备，并建立相应的执行环境，然后将从设备执行的代码和数据通过PCIe接口发送给设备，设备同时调用内部多个计算单元进行数据计算，等待计算完成后，主机读取结果，结束任务，释放对象。

GPU和FPGA设备对应的逻辑单元到物理单元的映射

	GPU	FPGA
PE	core或者SP（流处理单元）	单条流水线电路的某次迭代
CU	SM（流处理器簇）	单条流水线电路的整个NDRange的范围的迭代

执行模型

由于平台模型是主从架构，因此，执行模型中的真正执行代码的过程也分为主机程序和设备内核程序，设备内核程序也被称为kernel。 
主机程序负责定义平台对象、设备对象、命令队列对象、程序对象、缓存对象等数据结构，这些对象构成了OpenCL环境，通常作为API调用指针传递的参数。

kernel是OpenCL的核心概念，它是一个用OpenCL C语言编写的函数。用__kernel限定符修饰，通常没有返回值，即__kernel void MyKernel()形式，它是并发执行的最小单元。而执行一个kernel的逻辑节点称为work item，运行时，这些work item映射到底层的硬件结构上，比如一个CPU core或一个GPU core。

为了有效区分和管理work item，OpenCL将这些work item与一个带有索引号的工作空间映射起来，这个工作空间称为NDRange。NDRange的最大维度为3，通常，work-item每个维度的索引号都是从0开始。为了提高灵活性，OpenCL规范允许开发者对NDRange提供不同粒度的划分，它允许将几个work-item集合成一个工作小组，称为work-group，每个工作组有自己的索引号，称为work group ID。这样，每个work-item有了两个索引号，一个是global ID，另一个是work group ID，这两个索引号有着严格的数学关系。从一个ID可以推出另一个ID。一个work group可并发运行在一个CU上 。

cuda中的名词与OpenCL对应关系： 
Block: 相当于opencl 中的work-group 
Thread：相当于opencl 中的work-item

存储模型

OpenCL将设备中的存储分为四级，分别是全局内存、常量内存、局部内存、私有内存四层存储模型，对FPGA来说，全局内存放DRAM中，常量内存如果在kernel函数中定义，则存放在ROM中，如果是主机中定义的内存常量并传输到设备中，FPGA会在DRAM中开辟一块内存专门存放这些变量，局部内存和私有内存放在BRAM块和寄存器中。

1、全局内存： 
一旦将数据从主机传输到设备，就会将其存储于全局设备内存中。如果是从设备传输到主机中，就会存储在主机内存中。它能被NDRange中所有的work-item读写，在四层存储模型中容量最大，但是读写速度最慢。 
全局内存用 __global限定符修饰，通常OpenCL编译器建议全局变量使用restrict关键字修饰，该关键字用于告知编译器，所有修改该指针所指向内容的操作全部都是基于该指针的，即不存在其它进行修改操作的途径。

2、常量内存 
常量内存是用__const限定符修饰的变量存储的位置，这类变量在定义时就初始化。他能被NDRange中所有work-item读，不能进行写操作。可以在主机代码中定义传输，也可以在kernel中定义，在整个kernel执行过程中保持不变。

3、局部内存 
局部内存用__local限定符修饰的变量存储的位置。同一个work group中的所有work item都可以进行读写操作。但是对其他work group中的work item是不可见的，既可以在kernel内部定义也可以作为参数传输给kernel。

4、私有内存 
kernel中默认的变量都是存储在私有内存中。它是单个work item的专属内存，其他的work item（不论是否在同一个work group中），不可以在主机中初始化或作为参数传输给kernel。

主机与OpenCL设备之间进行数据传输的方式有两种：拷贝和内存映射。 
OpenCL规范规定了一个宽松的内存一致性，换句话说，就是它不保证所有work item访问的内存状态是一致的。

• work-item内部内存操作是必须是有序的：即按照代码顺序进行，硬件和编译器不会对同一个地址的读写操作重新排序。
• 同一个work group内的work item，只有在barrier操作（OpenCL的数据同步命令）处保证内存一致性。
• 在work group之间的work item，在kernel执行完成之前，不保证内存一致性。

编程模型

OpenCL编程模型是指对一个具体的任务，为了最大化并行执行效率而提出的实现模型。编程模型分为数据并行和任务并行两种，数据并行是指当大量的数据执行相同的操作，并且这些数据关联度很低，可以通过取不同的数据，在多个work item上执行相同的指令，完成指定的计算。任务并行是指NDRange内的每个work item执行kernel程序时，与其他的节点是相互独立的，可以执行不同的指令。因此，可以定义多个kernel程序来实现任务并行。

单个work group内的数据同步是通过local fence来实现的，工作组之间的数据是无法动态同步的。 
在同一个上下文中的不同命令队列之间，OpenCL提供了事件对象进行同步。 
不同上下文或者说不同设备之间的命令队列，则不能使用事件同步，OpenCL提供了clFlush和clFinish函数来保证之前的命令执行完毕。

由于不同work item的执行顺序不确定时，客户为不同的work item定义同步点，主要用于保证数据的一致性。同步问题分为设备端同步和主机端同步。

设备端同步 
设备端同步又分为组内同步和全局同步。

1、组内同步 
OpenCL的执行模型规定，每个work-item的执行是相互独立的。因此不同work-item对局部内存和全局内存的读写操作的顺序没有保证。组内同步的方法是调用barrier函数，保证所有的work-item都到达barrier后才继续执行。

2、全局同步 
全局同步只定义在kernel执行的边界。也就意味着，所有work-group在kernel函数的右括号处不再继续执行，而不同work-group内的两个work-item的执行顺序无法保证。但OpenCL通过global fence保证对全局内存的访问控制。

主机端同步

• 调用clFinish函数，clFinish函数将阻塞程序的执行直到命令队列中的所有命令都执行完成。
• 等待一个特定的事件完成，函数原型clWaitForEvents(cl_uint num_events_in_wait_list , cl_event* event_wait_list)
• 执行阻塞访存工作，clEnqueueReadBuffer()函数中的CL_TRUE参数。在数据拷贝完成之前，该函数将一直阻塞。

1、初始化OpenCL环境相关的对象

1、平台对象和设备

OpenCL平台对象的类型是cl_platform_id，使用clGetPlatformIDs函数获取。设备对象的类型是cl_device_id，使用clGetDeviceIDs函数获取。设备对象依赖于平台对象，而后续的上下文对象又依赖于设备对象。

2、上下文

上下文是OpenCL的一个数据对象，OpenCL数据类型是cl_context。它是一个设备和命令队列的容器，初始化OpenCL的执行环境就是通过API调用将设备对象、程序对象、内核对象和命令队列对象都关联到这个上下文对象中。新建上下文对象的API函数是clCreateContext。

3、命令队列

命令队列为主机向从设备消息发送请求的一个行为机制。命令队列的类型是cl_command_queue，使用clCreateCommandQueue函数创建。一旦主机搜索到并定义设备对象，就可以将设备对象作为这个函数参数，建立了上下文对象。命令队列对象分为几个类型，分别是内存读写命令、内核执行命令、同步命令等三个类型。

• 内存读写命令：主机和OpenCL设备之间传输数据，在主机地址空间和OpenCL内存对象之间进行映射与解映射。
• 内核执行命令：在OpenCL设备上开始执行内核。
• 同步命令：控制命令执行的顺序。

注意，每个命令队列只关联一个设备。

4、程序对象

程序对象实际上是设备执行代码文件编译后的二进制文件，它是kernel函数的集合，程序对象的类型是cl_program，使用clCreateProgramWithSource 或clCreateProgramWithBinary创建，并且使用clBuildProgram在线编译。

5、内核对象

内核对象是kernel函数体抽象出来的类型，类型标识符是cl_kernel。使用clCreateKernel函数创建

6、buffer对象

从传统CPU的意义上看，buffer对象很像使用malloc函数或者new函数创建的一维数组，它在内存中是连续存储的。buffer对象的类型是cl_mem，使用clCreateBuffer函数创建，可以使用sizeof操作符获取buffer的大小。任何时候，只要是新建的buffer对象，它都只在一个上下文中有效。

7、事件对象

任何被作为一个命令入队到一个命令队列中的操作——即任何以clEnqueue字符开头的API函数，都会产生一个事件，事件类型标识符是cl_event。事件对象通常作为参数传递给clEnqueue字符开头的API函数，表明事件对象与clEnqueue类型的函数关联，如果函数同时将事件等待列表作为参数，那么等待事件列表里的关联的所有事件关联的函数执行完毕后，当前函数才执行。

OpenCL API函数

可以分为三种类型的API，分别是初始化OpenCL环境相关的API，执行内核代码相关的API以及释放OpenCL对象相关的API。

一、初始化OpenCL环境

1、获得可用平台列表的API函数。返回值是一个cl_int类型

cl_int clGetPlatformIDs(    cl_uint num_entries,
    cl_platform_id *platforms,
    cl_uint *num_platforms)

• 1
• 2
• 3

• num_entries :可以添加到平台的cl_platform_id条目的数量。如果平台不为空，则num_entries必须大于零。
• platforms 返回一个找到的opencl平台列表。平台中返回的cl_platform_id值可用于标识特定的opencl平台。如果platforms参数为NULL，则此参数将被忽略。返回的opencl平台的数量是由num_entries指定的值或可用的opencl平台数量的最小值。
• num_platforms 返回可用的opencl平台数。如果num_platforms为null，则此参数将被忽略。 
  2、获取平台上可用的设备列表。返回值是一个cl_int类型

cl_int clGetDeviceIDs(  cl_platform_id platform,
    cl_device_type device_type,
    cl_uint num_entries,
    cl_device_id *devices,
    cl_uint *num_devices)

• 1
• 2
• 3
• 4
• 5

• platform： 指的是由clGetPlatformIDs返回的cl_plaform_id类型的变量，或者可以为null。如果platform为null，那么行为是实现定义的。
• device_type: 一个标识opencl设备类型的字段。 device_type可用于查询特定的opencl设备或所有可用的opencl设备。可以是CL_DEVICE_TYPE_CPU、CL_DEVICE_TYPE_CPU或CL_DEVICE_TYPE_ACCELERATOR等等。 
  -devices : 一个opencl设备列表。设备中返回的cl_device_id值可用于标识特定的opencl设备。如果devices参数为空，则忽略此参数。返回的opencl设备的数量是由num_entries指定的值的最小值或类型与device_type匹配的opencl设备的数量。
• num_devices 与device_type匹配的可用的opencl设备的数量。如果num_devices为空，则忽略此参数。

3、创建一个上下文，返回值是上下文类型。典型的调用是指定num_devices和devices指针，其他值可以设置为NULL。

    cl_context clCreateContext( cl_context_properties *properties,
                            cl_uint num_devices,
                            const cl_device_id *devices,
                            void *pfn_notify (
                                const char *errinfo, 
                                const void *private_info, 
                                size_t cb, 
                                void *user_data
                            ),
                            void *user_data,
                            cl_int *errcode_ret)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

• pfn_notify :可以由应用程序注册的回调函数。这个回调函数将被opencl实现用于报告在这个上下文中发生的错误的信息。这个回调函数可能被opencl实现异步调用。应用程序的责任是确保回调函数是线程安全的。如果pfn_notify为空，则不会注册回调函数。 
  这个回调函数的参数是： errinfo是一个指向错误字符串的指针。 private_info和cb表示由opencl实现返回的二进制数据的指针，可用于记录有助于调试错误的其他信息。
• user_data:是指向用户提供的数据的指针。 用户数据 pfn_notify被调用时作为user_data参数传递。 user_data可以为null。
• errcode_ret :返回相应的错误代码。如果errcode_ret为null，则不会返回错误代码。

4、创建一个命令队列，返回值是cl_command_queue。典型调用是传递一个上下文参数和设备。

cl_command_queue clCreateCommandQueue(  cl_context context,
    cl_device_id device,
    cl_command_queue_properties properties,
    cl_int *errcode_ret)

• 1
• 2
• 3
• 4

• properties: 指定命令队列的属性列表。这是一个字段。常用的字段是CL_QUEUE_PROFILING_ENABLE，它表示启用或禁用命令队列中的命令概要分析。如果设置，则启用命令概要分析。否则禁用命令的分析。 
  创建一个程序对象，返回值是cl_program。

5、为上下文创建程序对象，返回值是cl_program。OpenCL的可移植性就体现在它在移植到不同的平台上时，所有的API调用都连接到ICD这个中间层，然后ICD层将具体的实现转发给特定的厂商运行时。OpenCL源代码以字符串文本的形式存储，后缀为.cl，并读到内存的字符串数组中。主机通过调用clCreateProgramWithSource（）函数将字符串数组中的文本字符串指定的源代码加载到程序对象中，最后，使用clBuildProgram（）函数编译程序对象，如果有语法错误，则会报错。

cl_program clCreateProgramWithSource (  cl_context context,
    cl_uint count,
    const char **strings,
    const size_t *lengths,
    cl_int *errcode_ret)

• 1
• 2
• 3
• 4
• 5
• 6

• strings: 一个数组指针，用于构成源代码的可选的以null结尾的字符串。
• lengths: 一个数组，内容是每个字符串中的字符数（字符串长度）。如果长度为零的元素，则其伴随的字符串为null终止。如果length为null，则字符串参数中的所有字符串都将被认为是null终止的。其中传递的任何长度值大于零，排除其计数中的null终止符。

cl_int clBuildProgram ( cl_program program,
    cl_uint num_devices,
    const cl_device_id *device_list,
    const char *options,
    void (*pfn_notify)(cl_program, void *user_data),
    void *user_data)

• 1
• 2
• 3
• 4
• 5
• 6

• options: 一个指向用于构建程序可执行文件的构建选项的字符串的指针。

6、创建一个内核对象，返回值是cl_kernel。

cl_kernel clCreateKernel (  cl_program  program,
    const char *kernel_name,
    cl_int *errcode_ret)

• 1
• 2
• 3

7、创建一个新buffer时，需要提供主机指针以及buffer的大小以及与它关联的上下文，同时需要指定一个标志，表明数据是只读、只写还是可读写的。返回值是cl_mem。

cl_mem clCreateBuffer ( cl_context context,
    cl_mem_flags flags,
    size_t size,
    void *host_ptr,
    cl_int *errcode_ret)

• 1
• 2
• 3
• 4
• 5

• flags：分配的内存状态标志

cl_mem_flags	Description
CL_MEM_READ_WRITE	对kernel来说，内存对象既可读又可写，默认方式
CL_MEM_WRITE_ONLY	对kernel来说，内存对象只可写，通常用来保存内核的输出数据
CL_MEM_READ_ONLY	对kernel来说，内存对象只可读，通常用于保存内核的输入数据，修改该对象会造成未定义结果
CL_MEM_USE_HOST_PTR	在设备上分配内存，并且绑定(pin)到一个host_ptr(不为NULL)
CL_MEM_ALLOC_HOST_PTR	在设备上分配内存，分配的内存空间主机可访问。通常用在设备的固定内存（pinned memory)上，
CL_MEM_COPY_HOST_PTR	在设备上分配内存，用host_ptr(不为NULL)指向的内存空间初始化缓存对象（分配空间和复制数据一步完成）

• size 要分配的buffer对象的大小（以字节为单位）。
• host_ptr 指向应用程序可能已分配内存上的指针。 host_ptr指向的缓冲区的大小必须大于或等于size字节。

2、执行内核代码相关的API

1、读写buffer 
数据从主机端到设备buffer调用clEnqueueWriteBuffer，而从设备buffer到主机端调用clEnqueueReadBuffer。第二个参数blocking_write布尔量设置为CL_TRUE，表示数据传输完成后函数才返回。而设置为CL_FALSE表明，函数可以先于读写操作前返回值。

cl_int clEnqueueWriteBuffer (   cl_command_queue command_queue,
    cl_mem buffer,
    cl_bool blocking_write,
    size_t offset,
    size_t cb,
    const void *ptr,
    cl_uint num_events_in_wait_list,
    const cl_event *event_wait_list,
    cl_event *event)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

cl_int clEnqueueReadBuffer (    cl_command_queue command_queue,
    cl_mem buffer,
    cl_bool blocking_read,
    size_t offset,
    size_t cb,
    void *ptr,
    cl_uint num_events_in_wait_list,
    const cl_event *event_wait_list,
    cl_event *event)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

2、clEnqueueNDRangeKernel 函数是异步的：当命令进入队列后立即返回，甚至可能在kernel执行之前就返回了，所以确保kernel执行的方法是：使用clWaitEvent()或clFinish（）函数阻塞直到kernel执行完成。 
设定内核参数，返回值是cl_int。

cl_int clSetKernelArg ( cl_kernel kernel,
    cl_uint arg_index,
    size_t arg_size,
    const void *arg_value)

• 1
• 2
• 3
• 4

• arg_index: 参数索引。内核的参数是从最左侧的参数0到n-1的索引引用的，其中n是内核声明的参数总数。
• arg_value:一个指向数据的指针，该数据应该用作由arg_index指定的参数的参数值。复制arg_value指向的参数数据，因此，在clsetkernelarg返回后，应用程序可以重用arg_value指针。指定的参数值是通过调用内核的所有api调用（如clenqueuendrangekernel和clenqueuetask）使用该值，直到再次通过调用clsetkernelarg为内核来更改参数值。 
  如果参数是内存对象（buffer或image），则arg_value将是指向适当buffer或image对象的指针。必须使用与内核对象关联的上下文来创建内存对象。 
  如果参数是buffer对象，那么也可以指定一个空值，在这种情况下，将使用空值作为声明为内核中__global或__constant内存的指针的参数的值。 
  如果使用__local限定词声明参数，则arg_value条目必须为null。

3、执行内核，典型的调用需要指定命令队列，内核，工作空间的维度，各个维度的大小。

cl_int clEnqueueNDRangeKernel ( cl_command_queue command_queue,
    cl_kernel kernel,
    cl_uint work_dim,
    const size_t *global_work_offset,
    const size_t *global_work_size,
    const size_t *local_work_size,
    cl_uint num_events_in_wait_list,
    const cl_event *event_wait_list,
    cl_event *event)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

4、clFinish和clFlush函数区别 
clFinish函数将让调用者等待队列里的任务完成。它只保证程序运行到这个函数时，所有的任务完成，不知道任务开始执行的时间。函数原型是cl_int clFinish ( cl_command_queue command_queue)

clFlush函数将让调用者立刻将没有提交给设备的任务提交给设备，它将命令队列中的所有命令都移出队列。它只保证程序运行到这个函数时，任务开始执行，不知道任务结束的时间。函数原型是cl_int clFlush ( cl_command_queue command_queue)

5、clWaitForEvents函数是保证等待与事件列表中关联的函数执行完成，它是程序执行流中的一个同步点。

cl_int clWaitForEvents ( cl_uint num_events,
    const cl_event *event_list)

• 1
• 2

3、释放资源API

//注意以下五种对象的释放顺序
cl_int clReleaseKernel (cl_kernel kernel)

cl_int clReleaseProgram(cl_program program)

cl_int clReleaseCommandQueue(cl_command_queue command_queue)

cl_int clReleaseMemObject (cl_mem memobj)

cl_int clReleaseContext(cl_context context)