从一组数据中(float类型的数组array)选出最大的K个数据，使用CUDA并行算法在Nvidia GPU上实现加速。
- 分组成员(姓名)
- 于献智
- 周冬炎
- 郭云龙
- 程云观
- 颜闻
借鉴经典的CUDA版本的归并排序和归约求和的并行思想。每个线程保存了局部的Top K值，然后两两线程合并出新的K个最大，直至合并出最终的结果，算法如图所示。并且使用GPU块内共享内存加速，但是加速求解的规模有限（GPU块内共享内存是48KB，对于float类型数据，如果每个block有128个线程，那么至多能求解K的最大为96，96=48*1024/4/128），如果超过块内共享内存求解规模时候使用全局内存替代。
使用Makefile管理编译命令，可以直接执行make命令生成可执行文件main
- 请提前准备好输入文件
input.txt，以1维数组形式保存了float类型数据，下面是运行命令，可执行文件main，输入文件input.txt，1维数组大小N，要选取的K的值。
./main ./input.txt N K- 也可以直接使用我们的run.sh测试脚本，我们使用random_init.sh生成的70000000数据的测试脚本测试。
-
程序输出包含了CPU的运行时间（ms）和运行结果，以及GPU的运行时间（ms）和运行结果。然后使用
Python的matplotlib模块画图。 -
测试硬件信息
- CPU: Intel(R) Xeon(R) CPU E5-2670 0 @ 2.60GHz（ core 16/ memory 128GB）
- GPU: GeForce GTX TITAN X （memory 12GB）
-
测试软件信息
- OS: Ubuntu 14.04
- G++: 5.4.1
- NVCC: 8.0
-
测试结果
- 测试选用了求解Top1 - 20的问题规模，输入数据是70000000个float大小，CPU的求解代码top_k_cpu.cpp，自己实现的GPU的求解代码top_k_gpu.cu，取得了一块 TITAN X相当于46个CPU核的加速。同时使用GPU自带的Thrust并行函数库的sort函数实现了一个top-k的算法（通过排序然后选取前K个最大的）的代码top_k_thrust.cu.但是因为Thrust库处理的数据规模较小的时候加速效果并不明显，70000000数据的Top1-20的问题执行需要几千毫秒，没有能充分发挥出GPU加速的效果，所以这里没有参与比较。
- 当K的规模增大的时候，块内共享内存几乎被一个Block占据，所以硬件上一个SM不能调度更多的GPU Block执行，降低了Block层级的并行度。
- 这里的TOP 8和TOP 16加速性能下降，可能是因为块内共享内存的Bank Conflict发生导致的性能下降，本来一次访问可以访问的数据需要多次访问，但是整体上加速性能40多倍。
