一、概述
執行緒束是gpu的基本執行單元。gpu是一組simd 向量處理器的集合。每一組執行緒或執行緒束中的執行緒同時執行。在理想狀態下，獲取當前指令只需要一次訪存，然後將指令廣播到這個執行緒所占用的所有sp中。
當使用gpu進行程式設計時，必須使用向量型別指令，因為gpu採用的是向量體系結構，只有讓**在成千上萬個執行緒上執行才能充分高效利用gpu的資源。
當前，gpu上的乙個執行緒束的大小為32，即 wrapsize = 32;
二、為什麼關注執行緒束
那我們為什麼會如此關注執行緒束大小呢？具體原因如下：
(1)、分支
乙個執行緒束是乙個單獨的執行單元，使用分支（例如，if、else、for、while、do、switch）可以產生不同的執行流。在cpu上使用分支很複雜，因為它需要根據之前的運**況來**下一次執行到底執行哪一塊**。在cpu上，指令流通常會被預提取，然後放入cpu指令管線中。假設**是準確的，那麼cpu就避免了一次失速事件。如果**錯誤，cpu則需要重新執行**指令，然後獲取另乙個分支的指令，再將其添入管線之中。
相比之下，gpu 對分支的處理就沒有這麼複雜。gpu在執行完分支結構的乙個分支後接著另乙個分支。對不滿足分支條件的執行緒，gpu在執行這塊**的時候會將它們設定未啟用狀態。當這塊**執行完畢後，gpu繼續執行另外乙個分支，這時，剛剛不滿足分支條件的執行緒如果滿足當前的分支條件，那麼它們將被啟用，然後執行這一段**。最後，所有的執行緒聚合，繼續向下執行。**如下：
(2)、gpu 利用率
我們關注執行緒束的另乙個原因就是防止gpu未被充分利用。cuda 的模式是用成千上萬個執行緒來隱藏記憶體操作的延遲（從發出儲存請求到完成訪存操作所花的時間）。比較經典的，如對全域性記憶體訪問的延遲一般是400-600個時鐘週期。在這個時間裡，gpu會忙於其他任務，而不是空閒地等待訪存操作的完成。
CUDA 執行緒束分化
1.執行緒束分化 執行緒束是sm中基本的執行單元。當乙個執行緒塊的網格被啟動後，網格中的執行緒塊分布在sm中。一旦執行緒塊被排程到乙個sm上，執行緒塊中的執行緒會被進一步劃分為執行緒束。乙個執行緒束由32個連續的執行緒組成，在乙個執行緒束中，所有的執行緒按照單指令多執行緒 simt 方式執行 也就是...
七 執行緒操作
include include include include include include include include include include include define buffer 512 struct copy file void copy void arg if bytes...
Redis 七 執行緒模型
redis內部使用檔案事件處理器file event handler，這個檔案事件處理器是單執行緒的，所以redis才叫做單執行緒的模型。它採用io 多路復用機制同時監聽客戶端的多個連線 多個socket 根據socket上的事件來選擇對應的事件處理器進行處理。檔案事件處理器的結構包含4個部分 多個...