测试cuda trap指令对warp的影响

测试cuda trap指令对warp的影响

本文测试cuda trap指令对warp的影响

1.测试方法

  • 分别测试smsp上不同的warp数,并且在指定上tid上执行__trap指令,看看对其它线程的影响

2.测试小结

  • 如果32*4个线程(每个smsp只有一个warp),所有的线程并行执行,tid==32+16执行__trap后Kernel就退出了,kernel out这一行不会打印
  • 如果是3244个线程(每个smsp有4个warp),他们轮流调度,所以在tid==32+16执行__trap之前 kernel out这一行打印有机会被调度,会打印出来
  • 所在,不管哪一个线程只要执行到__trap kernel就退出,没有执行到的线程正常运行,如果带着cuda-gdb,则会收到SIGTRAP
  • cuda kernel里执行到assert(0)或_brkpt()或__trap(),lanuch失败,之后的cudaMemcpy,cudaFree调用也会失败(也就得不到设备内存的数据)

3.测试步骤

c 复制代码
tee trap_inst_benchmark.cu<<-'EOF'
#include <iostream>
#include <cuda_runtime.h>
#include <iostream>
#include <vector>
#include <stdio.h>
#include <assert.h>
#include <cstdio>
#include <cuda.h>

#define CHECK_CUDA(call)                                           \
    do {                                                           \
        cudaError_t err = call;                                    \
        if (err != cudaSuccess) {                                  \
            std::cerr << "CUDA error at " << __FILE__ << ":" << __LINE__;  \
            std::cerr << " code=" << err << " (" << cudaGetErrorString(cudaGetLastError()) << ")" << std::endl; \
        }                                                          \
    } while (0)

__global__ void kernel(float *output_data,unsigned long long*output_ts,unsigned int*output_smid) {
    int tid  = threadIdx.x + blockIdx.x * blockDim.x;
    unsigned int smid;
    clock_t ts=clock64();
    asm volatile("mov.u32 %0, %smid;" : "=r"(smid));
    output_smid[tid]=smid;
    output_ts[tid]=ts;
    //output_data[tid]=tid;
    float val=tid;
    asm("st.global.wt.f32 [%0],%1;" :: "l"(&output_data[tid]),"f"(val));
    asm("discard.global.L2 [%0],128;" :: "l"(&output_data[tid]));
    asm("discard.global.L2 [%0],128;" :: "l"(&output_ts[tid]));
    
    printf("kernel in smid:%d tid:%02d val:%6.2f ts:%ld\n",smid,tid,output_data[tid],ts);

    if(tid==32+16)
    {      
        //__nanosleep(2378066193);
        printf("trap tid:%d smid:%d ts:%ld\n",tid,smid,ts);
        __trap();//assert(0);//__brkpt();//__trap();
        return;
    }  
    printf("kernel out smid:%d tid:%02d val:%6.2f ts:%ld\n",smid,tid,output_data[tid],ts);
}

int main(int argc,char *argv[])
{
    int deviceid=0;
    cudaSetDevice(deviceid);  
    int mode=atoi(argv[1]);
    
    int block_size=1;
    int thread_block_size=32*4*4;
    int thread_size=thread_block_size*block_size;

    int data_size=sizeof(float)*thread_size;
    int ts_size=sizeof(unsigned long long)*thread_size;
    int smid_size=sizeof(int)*thread_size;
    
    float *dev_output_data=nullptr;
    unsigned long long* dev_output_ts=nullptr;
    unsigned int* dev_smid=nullptr;

    float *host_output_data=new float[thread_size];
    unsigned long long*host_output_ts=new unsigned long long[thread_size];;
    unsigned int* host_smid=new unsigned int[thread_size];
        
    CHECK_CUDA(cudaMalloc((void**)&dev_output_data, data_size));
    CHECK_CUDA(cudaMalloc((void**)&dev_output_ts, ts_size));
    CHECK_CUDA(cudaMalloc((void**)&dev_smid, smid_size));
    
    CHECK_CUDA(cudaMemcpy(dev_output_data,host_output_data,data_size,cudaMemcpyHostToDevice));
    CHECK_CUDA(cudaMemcpy(dev_output_ts,host_output_ts,ts_size,cudaMemcpyHostToDevice));
    CHECK_CUDA(cudaMemcpy(dev_smid,host_smid,smid_size,cudaMemcpyHostToDevice));
    
    printf("dev_output_data:%p\n",dev_output_data);
    printf("dev_output_ts:%p\n",dev_output_ts);
    printf("dev_smid:%p\n",dev_smid);
    
    if(mode==0)
    {
        kernel<<<block_size, 32*4*4>>>(dev_output_data,dev_output_ts,dev_smid);
    }
    else
    {
        kernel<<<block_size, 32*4>>>(dev_output_data,dev_output_ts,dev_smid);
    }
    
    //如果Kernel里出现异常后,后面的CUDA API调用都会返回失败,自然也就得不到设备内存里的数据
    CHECK_CUDA(cudaDeviceSynchronize());
       
    CHECK_CUDA(cudaMemcpy(host_output_data,dev_output_data,data_size,cudaMemcpyDeviceToHost));
    CHECK_CUDA(cudaMemcpy(host_output_ts,dev_output_ts,ts_size,cudaMemcpyDeviceToHost));
    CHECK_CUDA(cudaMemcpy(host_smid,dev_smid,smid_size,cudaMemcpyDeviceToHost));
    
    for(int i=0;i<thread_size;i++)
    {
      //  printf("tid:%04d smid:%08d val:%6.2f ts:%lld\n",i,host_smid[i],host_output_data[i],host_output_ts[i]);
    }
    CHECK_CUDA(cudaFree(dev_output_data));
    CHECK_CUDA(cudaFree(dev_output_ts));
    return 0;
}
EOF

/usr/local/cuda/bin/nvcc -std=c++17 -arch=sm_86 -g -lineinfo -o trap_inst_benchmark trap_inst_benchmark.cu \
                -I /usr/local/cuda/include -L /usr/local/cuda/lib64 -lcuda
./trap_inst_benchmark 0 #能打印出kernel out
./trap_inst_benchmark 1 #不能打印出kernel out
相关推荐
红尘散仙1 小时前
七、WebGPU 基础入门——Texture 纹理
前端·rust·gpu
红尘散仙1 小时前
八、WebGPU 基础入门——加载图像纹理
前端·rust·gpu
PLUS_WAVE5 小时前
【CUDA 编译 bug】ld: cannot find -lcudart
服务器·c++·bug·环境·编译·cuda·ld
红尘散仙19 小时前
六、WebGPU 基础入门——Vertex 缓冲区和 Index 缓冲区
前端·rust·gpu
红尘散仙20 小时前
四、WebGPU 基础入门——Uniform 缓冲区与内存对齐
前端·rust·gpu
程序员非鱼2 天前
(2025最新版)CUDA安装及环境配置
人工智能·深度学习·神经网络·cuda
TYYJ-洪伟2 天前
【Vulkan 入门系列】创建帧缓冲、命令池、命令缓存,和获取图片(六)
音视频·gpu·vulkan·图像渲染
非典型程序猿5 天前
【Vulkan 入门系列】创建交换链、图像视图和渲染通道(四)
gpu·音视频开发
落樱弥城6 天前
Nvidia显卡架构演进
人工智能·ai·gpu·nvidia·gpgpu
非典型程序猿6 天前
【Vulkan 入门系列】创建描述符集布局和图形管线(五)
gpu·音视频开发