走进多核CPU的世界

CPU就是一块小小的芯片,它究竟如何“统治”整台电脑？如今多核CPU流行,多核之间是如何协调工作的？让我们一起走进CPU的世界,探索一番。 没有CPU（Central Processing Unit,中央处理器）,计算机能运行吗？能!世界上第一台电子计算~,ENIAC（埃尼阿克）就不是靠CPU运行的,它在执行不同程序时,必须经过工程师一番线路调整才能启动,执行不同的程序,就需要重新调整一番线路,这些机器通常称为固定程序计算机（Fixed-Program Computer）。     

多核架构下的多线程负载平衡

首先指出了在多核CPU时代的软件应用所面临的一个方面的问题:负栽平衡,接着给出了在原架构下的解决方案,然后结合一个实时数据库下的任务调度问题,根据多核CPU的多线程优势,设计出了一个调度应用方案,并为证明其有效性进行了测试.最后给出了需要改进的问题.     

基于多核架构和多收发队列的高速捕包模型研究

本文在基于PCI-E总线的Intel X86多核平台下,提出了一种基于多核CPU和多收发队列网卡的包捕获模型（简称Multi-PF—RING）。通过充分利用RPS和RFS的包分发技术、PF—RING的零拷贝技术和多核cpu的计算资源,解决了Gbit及其以上链路带宽下的包捕获问题。     

基于多核的多线程程序优化研究

随着主流芯片厂商的大力推广,多核处理器已经变得越来越普及.以往串行化的程序设计方法在多核环境下已经不能充分利用多核CPU的资源.怎样高效地利用多核处理器的计算性能,已经成为软件开发者面临的新的课题.文中在传统的多线程编程基础上,根据Intel处理器的微架构(Microarchitecture)特点,以及Linux内核提供的CPU绑定技术,通过采用Cache优化和CPU亲和力(CPU affinity)优化,消除了多核环境下局部多线程Cache行竞争和伪共享,减少了线程的调度开销,提高了多线程程序的运行效率.     

UTM：抵御混合攻击的盾牌

现代社会推崇时尚,网络安全偏爱UTM。UTM领域正掀起多核CPU热门话题。然而,在工业界衡量一个好的设计模式,不是一味地采用高端器件,而是要用前沿的理念、成熟的技术、较低的成本、先进的器件取得满意的结果。本文经过比较分析,阐述了当UTM融合多种技术,将硬件（包括多核）、ASIC处理器、安全软件和更新服务四结合的优化组合,符合当前网络和内容安全的动态发展趋势。     

未来几年影响最大的19项IT技术

从2005年开始，Intel和AMD不仅要在主流CPU产品线中切换到64位，而且陆续要在服务器、台式机甚至笔记本电脑的CPU中置入双核，CPU即将迈入64位多核时代。64位能快多少?用户将以什么样的模式来使用多核CPU?多核给用户带来什么样的价值?     

CPU+GPU海量信息集群高速显示技术

针对集群显示系统中存在的CPU多核闲置、GPU利用不足、CPU与GPU结合困难等问题,研究了CPU多核多线程处理、GPU并行处理及CPU+GPU整合运算等技术,提出并构建了CPU+GPU集群并行显示系统,提升了集群并行显示系统的综合运算能力,实验结果表明CPU+GPU集群并行显示技术是有效的,为海量信息高速显示提供了有效的解决方案。     

AMD展示世界上速度最快的处理器

长期以来一直深受全球跑分族和超频狂青睐的AMD今天宣布,即将上市的8核AMDFX台式处理器超频后取得“最高CPU频率”的吉尼斯世界记录。“AMDFX处理器打破记录的速度表明全新的‘推土机’多核架构实现了性能飞跃,将为AMD的CPU以及未来的APU（加速处理单元）提供超凡×86计算能力。”     

QLogic缓存SAN适配器实现OracleRAC闪存加速

众所周知,任务关键型数据库应用,如Oracle实时应用集群（PealApplicationClusters,RAC）,在进行联机交易事务（OLTP）和联机分析事务（OLAP）工作负载时,需要服务器和相关的共享SAN存储基础架构提供最高的性能级别。多核CPU和虚拟化技术的引入,虽然可以提供OracleRAC服务器工作负载所需的计算资源,     

一种面向多核系统的Linux任务调度算法

针对Linux任务调度算法在多核系统中交互性能差的问题,提出一种分组任务调度算法GFS。根据多核系统硬件特性,自动配置物理距离近的一组CPU共享一个任务运行队列,通过平衡组内CPU对任务运行队列的访问竞争与任务迁移的代价,实现组间任务运行队列的负载均衡,减少调度延迟。通过优先调度唤醒任务,加快多核系统中交互任务的响应速度。测试结果表明,在不同任务负载下,GFS能够明显降低交互任务的平均响应时间,从而有效提高多核系统交互应用的调度性能。     

多核处理器上的并行联机分析处理算法研究

近年来,计算机硬件技术获得了很大发展,尤其是大内存和多核,但算法效率并没有随着硬件技术的发展而提高,根本原因是没有充分利用CPU缓存以及单线程程序设计的局限性。在联机分析处理领域,数据方体计算是一个重要而又耗时的操作,因此如何提高数据方体的计算效率是该领域的一个研究难点。探讨了基于多核CPU特征的并行立方体算法,提出了MT-Multi-Way(multi-threading multi-way)和MT-BUC(multi-threading bottom-up computation)算法。该算法通过有效的数据划分和多线程协作,避免了Cache竞争,并确保了负载均衡,获得了近似线性加速比。以上述算法为基础,提出了处理立方体算法的多核框架,包括数据划分策略及递归算法的多核处理,指导立方体算法的并行化。     

新品发布

创造世界纪景 AMD FX系列处理器正式发布 10月12日,AMD正式发布桌面领域有史以来的第一款八陔台式机处理器AMDFX系列CPU。这标志着第一款使用AMD全新多核架构的处理器（代号“Bulldozer”）正式进入零售市场。     

多核CPU-GPU协同的并行深度优先算法

针对多核CPU和GPU环境下图的深度优先搜索问题,提出多核CPU中实现并行DFS的新算法,通过有效利用内存带宽来提高性能,且当图增大时优势越明显.在此基础上提出一种混合方法,为DFS每一分支动态地选择最佳的实现:顺序执行;两种不同算法的多核执行;GPU执行.混合算法为每种大小的图提供相对更好的性能,且能避免高直径图上的最坏情况.通过比较多CPU和GPU系统,分析底层架构对DFS性能的影响.实验结果表明,一个高端single-socket GPU系统的DFS执行性能相当于一个高端4-socket CPU系统.     

同步整流、80PLUS认证——航嘉多核R80电源

随着双核及多核心CPU时代的来临，电脑平台对电源提出了更高的要求。为此，航嘉推出了多核系列电源，为用户提供了一个搭建双核或多核平台的电源方案。其中，航嘉多核R80是近期上市的一款，额定功率为300W，定位于中高端电脑平台用户。     

瑞萨电子联合Fixstars开发优化R-Car SoC AD/ADAS AI软件的工具套件

<正>瑞萨电子宣布，将与专注于多核CPU/GPU/FPGA加速技术的全球卓越供应商Fixstars(Fixstars Corporation)联合开发用以优化并快速模拟专为瑞萨R-Car片上系统（SoC）所设计的自动驾驶（AD）系统及高级驾驶辅助系统（ADAS）的软件工具。借助这些工具，     

多核CPU展望

如今的CPU市场,已经没有两年前90纳米技术和64位CPU刚发布时的喧嚣,各大厂商正在逐渐推广和成熟自己的产品,用户对产品的选择也更趋于理性化。这种安静的背后,双、多核CPU逐渐浮出水面,特别是多核CPU的设计理念,将引起通用CPU市场自晶体管时代以来最剧烈的变革。在日趋严格的运算要求下,各种设计方案层出不穷,一味提升频率的单核CPU已几乎走到尽头,多核则是目前我们能想到、能做到的唯一解决方案。本文将从硬件与软件两方面,和您一起了解多核CPU的设计及其衍生出来的一些问题。     

面向嵌入式多核存储层次的OpenMP优化探讨

在现代社会中,科学科技水平发展迅速,人们进行不断创新很大程度上是为了提高工作效率,本文介绍了计算机领域中的嵌入式多核处理器优化问题,目前市场上用的比较多的是双核和四核的CPU,而六核的CPU也已经面世多时,所以在多处理机上编写、运行并行程序也变得相当普遍,如何充分认识与利用嵌入式多核的并行计算效率已经成为目前计算机研究的一个重点工作。     

基于异构平台的BH算法高效并行实现

针对多核CPU和众核加速器或协处理器异构平台的架构特征进行了研究,以MPI和OpenMP混合编程模型实现了N体问题BH算法的并行,采用了正交递归二分法（ORB）使进程之间负载均衡,并对程序进行了并行优化和MIC加速。优化和加速后的程序性能提升到原版本的3.4倍以上,其中MIC加速后性能提升到加速前的1.7倍。程序具有较好的扩展性,计算粒子规模达到上亿时,可扩展到32个节点共4480核心（640个CPU核心和3840个MIC核心）     

面向多核CPU和GPU平台的数据库星形连接优化

针对联机分析处理（OLAP）中事实表与多个维表之间的星形连接执行代价较高的问题,提出了一种在先进的多核中央处理器（CPU）和图形处理器（GPU）上的星形连接优化方法。首先,对于多核CPU和GPU平台的星形连接中的物化代价问题,提出了基于向量索引的CPU和GPU平台上的向量化星形连接算法;然后,通过面向CPU cache和GPU shared memory大小的向量划分来提出基于向量粒度的星形连接操作,从而优化星形连接中向量索引的物化代价;最后,提出了基于压缩向量的星形连接算法,将定长向量索引压缩为变长的二元向量索引,从而在低选择率时提高cache内向量索引的存储访问效率。实验结果表明,在CPU平台上向量化星形连接算法相对于常规的行式或列式连接性能提升了40%以上,在GPU平台上向量化星形连接算法相对于常规星形连接算法性能提升超过了15%;与当前主流的内存数据库和GPU数据库相比,优化的星形连接算法性能相对于最优内存数据库Hyper性能提升了130%,相对于最优的GPU数据库OmniSci性能提升了80%。可见基于向量索引的向量化星形连接优化技术有效地提高了多表连接性能,与传统优化技术相比,基于向量索引的向量化处理提高了较小cache上的数据存储访问效率,压缩向量进一步提升了向量索引在cache内的访问效率。     

基于多核平台的数据包捕获方法性能评估*

介绍了基于Libpcap、Libpcap-mmap、PF_RING+NAPI、PF_RING+TNAPI、PF_RING+DNA等数据包捕获方法的结构和特性。在多核平台上通过实验评估和分析了上述捕包方法的捕获数据包能力、CPU使用率、CPU负载均衡等性能指标,并研究分析了现有捕包方法对多核并行特性的利用情况。