13.2 越过C和C++

对于很多开发者来说，他们会选择C和C++作为开发语言。其他的一些开发者则可能会选择别的编程语言，我们所知的很多软件是使用Java或Python开发的。这些更高级的语言有更高的生产力，通常会提供很多必要的特性(比如，垃圾收集)，这些语言在前端的开发者中更加好用。这些语言还有一种特点，可移植性特别好，想想Java的口号“一次编写，处处可用”，这样开发者就不需要为一些系统底层的问题而困扰。不过，由于无法接近底层，我们用这样语言编写出来的程序，性能无法达到最佳。

为了弥补性能鸿沟，并且不需要将很多已有库使用这类语言重新再写一遍。我们这里会使用外部函数接口(FFI，foreignfunctioninterface)，其可以让应用调用使用C和C++(或其他低层语言)编写的原生库。例如，Java提供了Java原生接口，Python也有同样的机制。当然，Java和Python也有已经包装好的OpenCL库(JOCL(Java bindings for OpenCL)[1], PyOpenCL[2])，可以让开发者直接调用。这种模型的确是非常底层，并且这种模型能够管理应用运行库，还有(库内无管理的)OpenCL原生代码库。为了展示这种代码的特点，代码清单13.1中展示了一个PyOpenCL版本的向量相加。

{%ace edit=false, lang=’python’%} import pyopencl as cl import numpy import numpy.linalg as la

a = numpy.random.rand(50000).astype(numpy.float32) b = numpy.random.rand(50000).astype(numpy.float32)

ctx = cl.create_some_context() queue = cl.CommandQueue(ctx)

mf = cl.mem_flags a_buf = cl.Buffer(ctx, mf.READ_ONLY | mf.COPY_HOST_PTR, hostbuf = a) b_buf = cl.Buffer(ctx, mf.READ_ONLY | mf.COPY_HOST_PTR, hostbuf = b)

prg = cl.Program(ctx, “”” kernel void vecadd(global const float a, __global const float b, __global float *c){ int gid = get_global_id(0); c[gid] = a[gid] + b[gid]; } “””).build()

prg.vecadd(queue, a.shape, None, a_buf, b_buf, dest_buf);

a_plus_b = numpy.empty_like(a) cl.enqueue_copy(queue, a_plus_b, dest_buf)

print la.norm(a_plus_b - (a + b))

  1. <!-- {%endace%} -->
  3. 代码清单13.1 PyOpenCL实现的向量相加
  5. 下面的例子使用同样的一种包装API——Aparapi[3]——进行实现(之前是由AMD主导进行开发，不过现在已经是一款开源项目)。Aparapi允许Java开发者使用GPU，将一些可以进行数据并行的代码段放到GPU上运行。Aparapi运行时为了使用GPU，会将这部分代码写入Java字节码中。如果，因为某些原因Aparapi无法运行在GPU上，其会使用Java线程池进行数据并发的处理。Aparapi的意义在于，保持Java语言的语法，并发其精神。下面我们还会用向量相加展示Aparapi的使用方式(代码清单13.2)，其会调用OpenCL C代码或调用OpenCL的API。
  7. {%ace edit=false, lang='java'%}
  8. package com.amd.aparapi.sample.add;
  9. import com.amd.aparapi.Kernel;
  10. import com.amd.aparapi.Range;
  12. public class Main{
  13.   public static void main(String[] _args){
  14.     final int size = 512;
  15.     final float[] a = new float[size];
  16.     final float[] b = new float[size];
  18.     for (int i = 0; i < size; i++){
  19.       a[i] = (float)(Math.random()*100);
  20.       b[i] = (float)(Math.random()*100);
  21.     }
  23.     final float[] sum = new float[size];
  24.     Kenrel kernel = new Kernel(){
  25.       @Override public void run(){
  26.         int gid = getGlobalId();
  27.         sum[gid] = a[gid] + b[gid];
  28.       }
  29.     };
  31.     kernel.execute(Range.create(512));
  32.     for (int i = 0; i < size; i++){
  33.       System.out.printf("%6.2f + %6.2f = %8.2f\n", a[i], b[i], sum[i]);
  34.     }
  35.     kernel.dispose();
  36.   }
  37. }

代码清单13.2 使用Aparapi实现的OpenCL，在Java中实现的向量相加

另外，Aparapi开发者要是用OpenCL，需要创建出一个Aparapi类的实例，在运行时重载内核函数的实现(内核函数可被动态编译)，从而产生对应的Java字节码。

Aparapi通常会嵌入一些特定领域专属语言(DSL，domain-specific language)中，主机端编码语言可以是另外一种语言(本例中主机端是Java)。DSL专注于为该领域的专家提供相应接口，并且DLS通常会为给定的学术领域提供一组特定的特性——例如，医学图像。本例中，使用的领域是通用计算，实现的功能是数据并行计算。

[1] Java bindings for OpenCL(JOCL), 2012, http://www.jocl.org

[2] A.Klöckner, PyOpenCL, 2012, http://mathema.tician.de/software/pyopencl

[3] Aparapi, 2012, http://Aparapi.googlecode.com