CUDA原子操作
这节主要涉及到一个多线程情况下存在的数据竞争问题 -- 多个线程同时访问共享数据时，由于没有正确的同步机制，导致数据出现不一致的情况。
-
C/C++ 多线程中，可以通过互斥锁(mutex)、原子操作(atomic，C++11 也提供了原子操作库，如std::atomic，用于实现原子加法、原子赋值等操作)、线程局部变量(C++11提供了thread_local，它为每个线程分配了一份独立的内存，使得不同线程之间的局部变量互不干扰。这样可以避免多个线程访问同一共享数据时的数据竞争问题)以及使用同步代码块（using）、全局变量等措施来避免多线程操作
-
由于CUDA采用单指令多线程(Single-Instruction Multiple-Thread，SIMT)来管理和执行 GPU 上的众多线程，因此在操作数据时，也会存在数据竞争等问题，而在CUDA中避免数据竞争的方法主要包括使用原子操作和适当的索引计算。
原子操作可以确保在多线程环境下对共享变量进行原子的读写操作，从而避免数据竞争。
利用线程索引计算可以使得每个线程操作不同的数据元素，避免竞争
上代码：
__global__ void increment_naive(int *g)
{
int idx = threadIdx.x + blockIdx.x * blockDim.x;
idx = idx % ARRAYSIZE;
// g[idx] = g[idx] + 1;
printf("before %d:%d\n", idx, g[idx]);
atomicAdd(& g[idx], 1);
printf("after %d:%d\n", idx, g[idx]);
}
从主机代码中将数据拷贝到设备端，默认都是放在设备的全局内存中(也就是global memory中)，在运行核函数时从全局内存中读数据、运算、写入全局内存
- 首先多个线程会同时从全局内存中取出g[idx]的数据，
- 运算，
g[idx] = g[idx] + 1;虽然此处计算了，也写入了对应的g[idx]中，但是其他线程并没有拿到这个线程计算的的结果，他们用的数据还是最开始的原始数据，导致最后计算出错
atomicAdd(& g[idx], 1);该函数为CUDA提供的原子函数接口，该接口详细描述如下：
int atomicAdd(int* address, int val);
unsigned int atomicAdd(unsigned int* address,
unsigned int val);
unsigned long long int atomicAdd(unsigned long long int* address,
unsigned long long int val);
float atomicAdd(float* address, float val);
double atomicAdd(double* address, double val);
__half2 atomicAdd(__half2 *address, __half2 val);
__half atomicAdd(__half *address, __half val);
__nv_bfloat162 atomicAdd(__nv_bfloat162 *address, __nv_bfloat162 val);
__nv_bfloat16 atomicAdd(__nv_bfloat16 *address, __nv_bfloat16 val);
上面是 device-wide atomicAdd 不同数据类型的定义，表示从第一个参数 address 指针指向的内存地址(可以是全局内存或共享内存)中读取16位、32位或64位数据(记做旧值 old)，与第二个参数val 做一个加法计算，(old + val)，然后将求和结果写回到 address 指针指向的内存地址中，并返回未做计算前的旧值 old。这三个操作在一个原子事务中执行。
- 32位 floating-point 浮点版本的 atomicAdd() 仅由计算能力 2.x 及更高版本的设备支持。
- 64位 floating-point 浮点版本的 atomicAdd()只被具有计算能力 6.x 及更高版本的设备支持。
- 32位 __half2 浮点版本的 atomicAdd() 只被具有计算能力 6.x 及更高版本的设备支持。对于两个__half 或__nv_bfloat16 元素，分别保证 __half2 或 __nv_bfloat162 添加操作的原子性；整个__half2 或 __nv_bfloat162 不能保证作为单个32位访问是原子的。
- 16位 __half 浮点版本的 atomicAdd() 仅由计算能力为 7.x 及更高版本的设备支持。
- 16位 __nv_bfloat16 浮点版本的 atomicAdd() 仅由计算能力为 8.x 及更高版本的设备支持。
