JPH0793269A - データ転送の一括化処理方法 - Google Patents

Abstract

(57)【要約】 【目的】メモリが遠近２階層にモデル化できる計算機シ
ステムにおけるデータ転送の一括化処理方法に関し，ル
ープ内のデータ転送を一括化してループ外に出すことに
より，転送回数および転送総量を削減することを目的と
する。 【構成】グローバルメモリ17にある配列データのアクセ
スを含むループ手続きを持つプログラム10について，そ
のアクセスの先行順序関係を解析し，シャドウを共通化
するグループに分類する。そして，各グループに属する
アクセスについて，それぞれアクセス要素の集合和を求
め，データを転送する範囲を決定する。その範囲の配列
データを一括アクセスする命令コードをループ外に生成
し，最適化されたプログラム16を出力する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は，階層型のメモリを持つ
並列計算機等において，遠方の配列データのアクセスを
含むループ手続きが与えられたとき，アクセスを一括化
してループ外に出すことにより，プログラムの最適化を
実現したデータ転送の一括化処理方法に関する。

【０００２】並列計算機，ネットワーク接続された分散
計算機環境，大容量外部メモリ装置を使用する計算機等
では，一般に遠近２階層にモデル化されるメモリを使用
する。このような階層型のメモリシステムにおいて，オ
ーバヘッドの削減のためには，メモリ間のデータ転送回
数および全体的なデータ転送量を減らすことが必要とな
る。

【０００３】

【従来の技術】図１３は本発明に関係する２階層メモリ
のモデル説明図，図１４は本発明の課題説明図である。

【０００４】並列計算機，ネットワーク接続された分散
計算機環境，大容量外部メモリ装置を使用する計算機等
では，図１３に示すようにメモリが遠近２階層にモデル
化できる。図中の８０はプロセッサ，８１はプロセッサ
８０が高速に直接アクセスできるローカル(Local) メモ
リ空間，８２はローカルメモリ空間８１を介してアクセ
スされるデータを保持するグローバル(Global)メモリ空
間である。グローバルメモリ空間８２は，仮想的なもの
であってもよく，また，例えば分散メモリ型並列計算機
では，物理的には他のプロセッサのローカルメモリであ
ってもよい。

【０００５】図１３に示すような計算機構成では，グロ
ーバルメモリ空間８２とローカルメモリ空間８１との間
のデータ転送は，１要素ずつ行うよりも一括化して転送
回数を減らすほうが，立ち上がりのオーバヘッドが削減
され効率がよい。また，可能な限り転送量を減らすほう
がよい。

【０００６】しかし，従来，例えば図１４（ａ）に示す
ようなプログラムのループにおいて，グローバルメモリ
空間にある配列データＡ（ｉ）等を参照または定義する
命令があるような場合に，グローバルメモリ空間８２と
ローカルメモリ空間８１との間で必要最小限のデータだ
けを一括して転送することは考えられていなかった。そ
のため，データ転送回数が多くなる，または転送総量が
多くなるという問題があった。なお，以下の説明におい
て，グローバルメモリ空間８２にある配列データは英大
文字で始まる配列名〔例：Ａ（ｉ）〕で表し，ローカル
メモリ空間８１上の配列データは英小文字で始まる配列
名〔例：ｃ（ｉ）〕で表す。

【０００７】

【発明が解決しようとする課題】ところで，ループにお
けるデータをできるだけ大きな単位で扱う技術として，
いわゆるベクトル計算機における最適化処理方法があ
る。ここで用いられるベクトル化技術では，アクセスす
るデータの先行順序関係を解析して，できるだけ大量な
データのベクトル計算を効率よく実行できるような命令
コードの生成を行っている。

【０００８】前述のように，グローバルメモリ空間８２
とローカルメモリ空間８１との間のデータ転送は，１要
素ずつ行うよりも一括化して転送回数を減らすほうが，
立ち上がりのオーバヘッドが削減され効率がよい。そこ
で，ベクトル化技術を流用することを考える。ベクトル
化技術を流用してデータの一括転送を図ることにより，
２階層メモリにモデル化されるシステムにおいても，あ
る程度のデータ転送の一括化は可能であると考えられ
る。

【０００９】例えば，図１４（ａ）に示すようなプログ
ラムをベクトル化すると，図１４（ｂ）に示すようにな
る。図１４（ｂ）において，ｃ（１：１００）は，ロー
カルメモリ空間８１における配列ｃの１から１００まで
の要素を表す。Ａ（１：１００）は，グローバルメモリ
空間８２における配列Ａの１から１００までの要素を表
す。他の配列表記も同様である。

【００１０】まず，図１４（ａ）に示すプログラムを，
図１４（ｂ）に示すように既存の方法でベクトル化し，
これをもとに，図１４（ｃ）に示すようにデータの受信
／送信命令を付加する。すなわち，グローバル配列Ａの
参照を，グローバルメモリ空間８２からローカルメモリ
空間８１の一時域(tmp1)への転送(receive) と，一時域
(tmp1)の参照に置き換え，また，グローバル配列Ａの定
義を，ローカルメモリ空間８１における一時域(tmp2)の
定義と，一時域(tmp2)からグローバルメモリ空間８２へ
の転送(send)に置き換える。

【００１１】しかし，この方法では，データ依存関係に
よってベクトル化できない場合には，データ転送の一括
化はできない。例えば図１４（ｄ）に示すようなプログ
ラムの場合である。このプログラムでは，配列Ａ（１）
の参照と配列Ａ（２）の定義が同じループ内で行われ，
次のループで配列Ａ（２）が参照される。したがって，
配列Ａ（２）の定義が，配列Ａ（２）の参照より先に実
行されるが，ベクトル化するとこの順序が逆転すること
になるので，ベクトル化はできない。すなわち，この例
の場合，一時域の適当な共通化によって，転送の一括化
は可能であると考えられるが，ベクトル化技術の延長で
は実現は難しい。

【００１２】また，ベクトル化では，主に単一のループ
をその対象とするので，データ転送の効率化に十分な要
素量の一括化ができない。一般にベクトル化では数十要
素で十分であるが，データ転送では数千〜数万要素を一
括化してはじめて十分な効率が得られることが多い。特
に，ループが多重の場合，多重ループ全体について一括
化する技術が必要とされる。

【００１３】本発明は，一時変数をグループ分けし，グ
ループごとに共通化することにより，ベクトル化できな
いループについても転送の一括化を可能にすることを目
的とする。また，多重ループについてもデータ転送の一
括化を図り，プログラムの高速実行を可能とすることを
目的とする。さらにまた，転送データ量の削減を図るこ
とを目的とする。

【００１４】

【課題を解決するための手段】図１は本発明の原理説明
図である。図１（Ａ）に示すプログラム１０は，図１
（Ｂ）に示すような計算機システムで実行されるプログ
ラムであって，グローバルメモリ１７が保持する配列デ
ータのアクセスを含むループ（ＬＯＯＰ）手続きを持つ
プログラムである。プロセッサ１９は，グローバルメモ
リ１７の配列データを通常の演算命令でダイレクトに読
み込んで処理したり，グローバルメモリ１７へダイレク
トに書き出したりすることはできず，一旦ローカルメモ
リ１８に転送して，ローカルメモリ１８内で処理し，書
き出す際には，処理結果をローカルメモリ１８からグロ
ーバルメモリ１７へ転送する。ローカルメモリ１８にお
ける，グローバルメモリ１７の写しをシャドウという。

【００１５】最適化処理部１１は，プログラム１０を最
適化し，実行の高速化を図る手段である。本発明では，
各処理部により以下の処理を行う。アクセス先行順序関
係解析処理部１２は，グローバルメモリ１７にある配列
データのアクセスを含むループ手続きを持つプログラム
１０が与えられたとき，そのアクセスの先行順序関係を
解析する。

【００１６】シャドウグループ決定処理部１３は，アク
セスの先行順序関係を解析した結果に基づいて，ループ
内の配列アクセスを，シャドウを共通化するグループ
（これを，シャドウグループという）に分類する。すな
わち，先行順序が特定の関係にある複数の配列アクセス
は必ず同一のグループに属するように分類する。

【００１７】転送範囲決定処理部１４は，各シャドウグ
ループに属するアクセスについて，それぞれアクセス要
素の集合和を求め，データを転送する範囲を決定する。
特に，請求項２記載の発明では，転送範囲決定処理部１
４は，ループ内で参照するアクセス要素の集合のうち，
参照に先立って定義されるアクセス要素の集合を受信転
送範囲から除外して，受信転送範囲および送信転送範囲
についてのアクセス要素の集合和を求め，データを転送
する範囲を決定することにより，さらに受信転送データ
量の削減を図る。

【００１８】コード生成処理部１５は，各シャドウグル
ープに属する転送範囲の配列データを一括アクセスする
命令コードをループ外に生成し，ループ内にあるグロー
バルメモリ１７への配列アクセスは，シャドウのアクセ
スに変形する。これより，最適化されたプログラム１６
が生成され，出力される。

【００１９】

【作用】本発明は，図１（Ｂ）のようなシステムにおい
て，グローバルメモリ１７に対するアクセスの一括化に
よるオーバヘッドの削減と，データ転送量の削減を図っ
たものであり，そのために，ループ内の配列アクセスを
先行順序関係を基にグループ分けし，各グループに対応
する一括アクセスを，ループ外に生成するようにしたも
のである。

【００２０】例えば，最適化対象のプログラム１０にお
いて，ループ内にグローバルメモリ１７における配列デ
ータのアクセスＡ１，Ａ２，…があるとき，これらをシ
ャドウを共通化するグループに分類し，転送範囲とシャ
ドウの形状を決定する。そして，シャドウごとにグロー
バルメモリ１７から必要な配列データの一括受信を行う
命令をループの前に付加し，また処理結果である配列デ
ータをグローバルメモリ１７へ一括送信する命令をルー
プの後に付加する。ループ内ではローカルメモリ１８に
おけるシャドウをアクセスする。

【００２１】これにより，各ループ実行ごとにグローバ
ルメモリ１７との間の要素単位のデータ転送が不要にな
り，一括転送によるデータ転送回数の削減および転送量
の削減により，プログラムの高速実行が可能になる。ベ
クトル化できないようなケースでも，高速化を実現する
ことができる。

【００２２】さらに，請求項２記載の発明では，データ
依存解析をもとに受信が不要である配列要素を算出し，
それを受信対象から外すので，一層の転送データ量の削
減が可能になる。

【００２３】

【実施例】図２は，本発明の適用例説明図である。ソー
スファイル２１は，最適化対象となるソースプログラム
が格納されたファイルである。構文解析部２２は，ソー
スファイル２１からソースプログラムを読み出し，所定
の構文規則に従って構文を解析し，解析結果を中間コー
ド２３として出力する。中間コード２３は，本計算機シ
ステムによって定められた内部形式データであり，実質
的内容はソースプログラムと同等のものである。中間コ
ード２３は，実際にファイルとして保持してもよく，ま
たメモリ内に保持するようにしてもよい。

【００２４】ここで，本発明に係る最適化処理部１１に
よる最適化を行う。前後に，他の最適化部２８ａ，２８
ｂによる最適化を行ってもよい。ファイル出力部２４
は，最適化処理後の中間コード２３をもとに，最適化さ
れたソースファイル２５を出力する。これをコンパイラ
２６の入力ファイルとしてコンパイルすることにより，
データの一括転送を行うオブジェクトモジュール２７が
生成される。

【００２５】図２に示す方式は，いわゆるプリコンパイ
ラ方式による最適化の構成例であるが，プリコンパイラ
方式によらずに，コンパイラ２６内部で最適化処理を実
行するようにしてもよい。

【００２６】〔請求項１の発明の実施例〕図３は，請求
項１記載の発明の実施例処理フローチャートである。す
べてのグローバル変数Ｇ_i （ｉ＝１，…，ｍ）につい
て，図３に示す(a) 〜(c) を実行し，最後に(d) を実行
する。ここでグローバル変数とは，図１（Ｂ）に示すグ
ローバルメモリ１７内に設けられる変数である。以下，
この処理の流れに従って，本発明の実施例を説明する。

【００２７】(a) 先行順序関係の解析 同一の対象配列をアクセスする組（ｆ，ｇ）のうち，
ｆ，ｇともに参照の場合を除くすべてについて，その先
行順序関係を求める。先行順序関係は，次の４通りにつ
いて識別する。この先行順序関係の解析処理では，ベク
トル化技術として知られている既存の技術を用いること
ができる。

【００２８】 ｆ→ｇ アクセスｆがアクセスｇに常に先行する。 ｇ→ｆ アクセスｇがアクセスｆに常に先行する。 ｆ←→ｇ アクセスｆがアクセスｇに先行するとき
と，逆のときがある。

【００２９】または，順序関係が不明である。 φ アクセスされる配列要素に重なりがない。 (b) シャドウグループＳ_ij（ｊ＝１，…，ｎ_m ）の決定 対象配列のアクセスを，シャドウを共通化するグループ
（シャドウグループ）に分類する。図４は，そのシャド
ウグループの決定論理説明図である。先行順序が図４に
示す○印の関係にある２つのアクセスは，必ず同一のグ
ループに属するように分類する。例えば，アクセスｆが
アクセスｇに常に先行し，ｆが定義，ｇが参照のアクセ
スである場合，この２つのアクセスは同一のグループと
する。

【００３０】(c) シャドウ形状と転送範囲の決定 上記(b) で決定したすべてのシャドウグループＳ_ijにつ
いて，以下の処理を行う。

【００３１】 シャドウグループに属する参照および
定義について，それぞれアクセス要素の集合和を求め
る。それがシャドウの受信および送信データの範囲とな
る。この受信データの範囲をΛ，送信データの範囲をΣ
で表す。

【００３２】 ΛとΣの集合和を求める。これをシャ
ドウ空間と呼ぶ。要素とシャドウ空間上の位置とのマッ
ピングを示す関数かテーブルを求めておく。以下の説明
では，このマッピングをＭで表す。

【００３３】シャドウ空間が重なり合っていて，共通化
するとメモリ領域が節約できると判断できた場合，複数
のシャドウを共通化して一つのシャドウとしてもよい。
そのとき，ΛおよびΣは，それぞれもとのシャドウのΛ
およびΣの集合和とする。

【００３４】(d) 出力コード生成 シャドウごとに，シャドウ空間とΛ，Σに応じたコード
生成を行う。 シャドウ空間を動的または静的に確保するコードを
生成する。必要なシャドウ空間を包含する大きめの領域
を確保してもよい。

【００３５】 グローバルメモリからシャドウへΛを
受信するコードを，ループの直前に生成する。同様に，
Σをシャドウからグローバルメモリへ送信するコード
を，ループの直後に生成する。

【００３６】 ループ内でのグローバルメモリへのア
クセス部分は，マッピングＭに応じて，シャドウのアク
セスに変形する。次に，実際の最適化処理の例を説明す
る。図５は本発明の具体例説明図，図６は出力コードの
例を示す図である。

【００３７】例えば図５（Ａ）に示すようなプログラム
を最適化するものとする。このプログラムは，ループ変
数Ｊ，Ｉについての多重ループとなっている。配列Ａ
は，グローバル変数である。

【００３８】(a) 先行順序の解析 図５（Ａ）に示す配列アクセスｕ１，ｕ４をｆとし配列
アクセスｕ１〜ｕ５をｇとして，前述した４通りのそれ
ぞれの先行順序関係を調べると，図５（Ｂ）に示す先行
順序関係の解析結果が得られる。例えば，アクセスｕ１
とアクセスｕ２とは，それぞれＡ（Ｉ，Ｊ）の定義と，
Ａ（Ｊ，Ｉ）の参照であり，ＩとＪの位置が逆転してい
るので，ｕ１が先行するときとｕ２が先行するときがあ
る。また，アクセスｕ１とアクセスｕ３とは，ｕ３がＡ
（Ｉ，Ｊ＋３０）であるので，ｕ１のＡ（Ｉ，Ｊ）より
常に先行する。

【００３９】(b) シャドウグループの決定 図５（Ｂ）に示す先行順序関係の解析結果を，図４に示
す共通化の決定論理にあてはめると，共通化が必須のア
クセスのペアは，次の組となる。

【００４０】 ｕ１とｕ２ ｕ１とｕ５ ｕ３とｕ４ よって，シャドウグループは，以下の２つとなる。

【００４１】 Ｓ１＝｛ｕ１，ｕ２，ｕ５｝ Ｓ２＝｛ｕ３，ｕ４｝ (c) シャドウ形状と転送範囲の決定 シャドウグループＳ１について，次のようにシャドウ空
間を決定する。

【００４２】 Λ＝（ｕ２のアクセス範囲）∪（ｕ５のアクセス範囲） ＝｛(1,1),(2,1),…,(100,1), …,(100,100)｝ Σ＝（ｕ１のアクセス範囲） ＝｛(1,1),(2,1),…,(100,1), …,(100,100)｝ Λ∪Σ＝｛(1,1),(2,1),…,(100,1), …,(100,100)｝ この結果から，シャドウ領域として，ローカルメモリ上
に二次元配列ａ１（１００，１００）を確保する。グロ
ーバルとシャドウは，同じ添字を持つ要素同士を対応づ
ける。すなわち，Ａ（ｉ，ｊ）とａ１（ｉ，ｊ）とを対
応づける。

【００４３】またシャドウグループＳ２について，次の
ようにシャドウ空間を決定する。 Λ＝（ｕ３のアクセス範囲） ＝｛(1,31),(2,31),…,(100,31),…,(100,130)｝ Σ＝（ｕ４のアクセス範囲） ＝｛(1,101),(2,101),…,(100,101), …,(100,200)｝ Λ∪Σ＝｛(1,31),(2,31),…,(100,31),…,(100,200)｝ この結果から，シャドウ領域として，二次元配列ａ２
（１００，１７０）を確保する。グローバルとシャドウ
は，二次元目を３０ずらして対応づける。すなわち，Ａ
（ｉ，ｊ）とａ２（ｉ，ｊ−３０）とを対応づける。

【００４４】(d) 出力コード生成 シャドウグループＳ１，Ｓ２について，シャドウ空間を
確保するコードを生成し，グローバルメモリからシャド
ウへΛを受信するコードと，シャドウからグローバルメ
モリへΣを送信するコードを，それぞれループの前後に
付加する。また，ループ内のアクセスを配列ａ１，ａ２
へのアクセスに変換する。

【００４５】この結果，図６に示すような内容のコード
が生成されることになる。すなわち，図５（Ａ）に示す
プログラムが，図６に示すような最適化されたプログラ
ムに変換される。

【００４６】図６において，ａｌｌｏｃはローカルメモ
リの領域割り当て命令であり，「ａｌｌｏｃ ａ１（１
００，１００）」は，１００×１００要素の二次元配列
ａ１をローカルメモリに確保することを指示している。
同様に，「ａｌｌｏｃ ａ２（１００，１７０）」は，
１００×１７０要素の二次元配列ａ２をローカルメモリ
に確保することを指示している。

【００４７】ｒｅｃｅｉｖｅは，グローバルメモリから
ローカルメモリへのデータ転送（受信）命令であり，
「ｒｅｃｅｉｖｅ ａ１（１：１００，１：１００）＝
Ａ（１：１００，１：１００）」は，二次元配列のＡ
（１，１）からＡ（１００，１００）までの全データ
を，ａ１（１，１）からａ１（１００，１００）までの
領域に転送することを指示している。次の「ｒｅｃｅｉ
ｖｅ ａ２（１：１００，１：１００）＝Ａ（１：１０
０，３１：１３０）」は，二次元配列のＡ（１，３１）
からＡ（１００，１３０）までのデータを，ａ２（１，
１）からａ２（１００，１００）までの領域に転送する
ことを指示している。

【００４８】アクセスｕ１〜ｕ５の命令は，図６に示す
ように配列ａ１，ａ２の対応する領域に対するアクセス
に変更される。ｓｅｎｄは，ローカルメモリからグロー
バルメモリへのデータ転送（送信）命令であり，「ｓｅ
ｎｄ Ａ（１：１００，１：１００）＝ａ１（１：１０
０，１：１００）」は，二次元配列のａ１（１，１）か
らａ１（１００，１００）までのデータを，Ａ（１，
１）からＡ（１００，１００）までの領域に転送するこ
とを指示している。次の「ｓｅｎｄ Ａ（１：１００，
１０１：２００）＝ａ２（１：１００，７１：１７
０）」は，二次元配列のａ２（１，７１）からａ２（１
００，１７０）までのデータを，Ａ（１，１０１）から
Ａ（１００，２００）までの領域に転送することを指示
している。

【００４９】「ｆｒｅｅ ａ１」，「ｆｒｅｅ ａ２」
は，それぞれローカルメモリ上の配列ａ１，ａ２の領域
を解放する命令である。 〔請求項２の発明の実施例〕図７は，請求項２記載の本
発明の実施例処理フローチャートである。

【００５０】すべてのグローバル変数Ｇ_i （ｉ＝１，
…，ｍ）について，図７に示す(a),(b),(e),(f) を実行
し，最後に(d) を実行する。ここでグローバル変数と
は，図１（Ｂ）に示すグローバルメモリ１７内に設けら
れる変数である。以下，この処理の流れに従って，本発
明の実施例を説明するが，(a),(b),(d) の処理について
は請求項１記載の実施例と同様であるので，説明を省略
する。

【００５１】(e) 受信転送範囲の縮小 処理(b) で決定したシャドウグループＳ_ij（ｊ＝１，
…，ｎ_m ）の配列要素の集合のうち，受信転送範囲から
除外することができるアクセス要素範囲を検出する。図
８は，受信転送範囲の縮小の実施例の処理フローチャー
トである。

【００５２】図８において，シャドウグループＳ_ijに属
する参照をｒ_k （ｋ＝１，…，Ｋ），シャドウグループ
Ｓ_ijに属する定義をｇ_l （ｌ＝１，…，Ｌ），参照また
は定義ｆでアクセスされる配列要素の集合をα(f) と
し，すべての参照ｒについて，以下の処理を行う。

【００５３】 すべての参照ｒ_k について，参照ｒ_k
の受信転送範囲λ（ｒ_k ) の初期値をα（ｒ_k ) とす
る。 参照ｒ_k と同一のシャドウグループに属し，先行順
序がｇ_l →ｒ_k の関係にあるかどうかを検出する。

【００５４】 λ（ｒ_k ）とα（ｇ_l ) の集合差を改
めてλ（ｒ_k ) とする。すべての定義ｇ_l についてこれ
を繰り返す。すなわち，ｋ＝１と初期化し（処理１０
０），処理１０８によってｋを１ずつ増加させて，ｋが
参照の個数Ｋを超える（処理１０１）まで，以下の処理
を行う。処理１０２により，ｋ番目の参照ｒ_k の受信転
送範囲λ（ｒ_k ) の初期値をα（ｒ_k ) とする。次に，
同一のシャドウグループに属するｌ＝１からＬまでの定
義ｇ_l について，先行順序が先行順序がｇ_l →ｒ_k の関
係にあるものを検出し，検出できたならば，λ（ｒ_k ）
とα（ｇ_l ) の集合差を求めて，λ（ｒ_k ) と置き換え
る（処理１０３〜１０７）。

【００５５】なお，他の実施例として，参照ｒと同一の
シャドウグループに属し，ｇ←→ｒの関係にある定義ｇ
を検出して，λ（ｒ）とα（ｇ) の共通要素のうち，最
初のアクセスが定義であるものをさらにλ（ｒ）から削
除するようにしてもよい。

【００５６】(f) シャドウ形状と転送範囲の決定 上記(e) の処理の後，すべてのシャドウグループＳ_ijに
ついて，以下の処理を行う。

【００５７】 シャドウグループに属するすべての参
照ｒの受信転送範囲λ（ｒ) の集合和をシャドウの受信
転送データの範囲とする。これをΛと表すと，シャドウ
グループＳ_ijの受信転送範囲Λは，Λ＝λ（ｒ₁ ) ∪λ
（ｒ₂ ) ∪…∪λ（ｒ_K ) となる。また，シャドウグル
ープに属するすべての定義ｇのアクセス範囲α（ｇ)の
集合和をシャドウの送信転送範囲とする。以下，これを
Σと表す。

【００５８】 ΛとΣの集合和を求める。これをシャ
ドウ空間と呼ぶ。要素とシャドウ空間上の位置とのマッ
ピングを示す関数かテーブルを求めておく。シャドウ空
間が重なり合っていて，共通化するとメモリ領域が節約
できると判断できた場合，複数のシャドウを共通化して
一つのシャドウとしてもよい。そのとき，ΛおよびΣ
は，それぞれもとのシャドウのΛおよびΣの集合和とす
る。

【００５９】次に，実際の最適化処理の例を前述の図５
を用いて説明する。例えば図５（Ａ）に示すようなプロ
グラムを最適化するものとする。このプログラムは，ル
ープ変数Ｊ，Ｉについての多重ループとなっている。配
列Ａはグローバル変数である。

【００６０】（ａ）先行順序の解析 図５（Ａ）に示す配列アクセスｕ１，ｕ４をｆとし配列
アクセスｕ１〜ｕ５をｇとして，前述した４通りのそれ
ぞれの先行順序関係を調べると，図５（Ｂ）に示す先行
順序関係の解析結果が得られる。例えば，アクセスｕ１
とアクセスｕ２とは，それぞれＡ（Ｉ，Ｊ）の定義と，
Ａ（Ｊ，Ｉ）の参照であり，ＩとＪの位置が逆転してい
るので，ｕ１が先行するときとｕ２が先行するときがあ
る。また，アクセスｕ１とアクセスｕ３とは，ｕ３がＡ
（Ｉ，Ｊ＋３０）であるので，ｕ１のＡ（Ｉ，Ｊ）より
常に先行する。

【００６１】(b) シャドウグループの決定 図５（Ｂ）に示す先行順序関係の解析結果を，前述の図
４に示す共通化の決定論理にあてはめると，共通化が必
須のアクセスのペアは，次の組となる。

【００６２】 ｕ１とｕ２ ｕ１とｕ５ ｕ３とｕ４ よって，シャドウグループは，以下の２つとなる。

【００６３】 Ｓ１＝｛ｕ１，ｕ２，ｕ５｝ Ｓ２＝｛ｕ３，ｕ４｝ (e) 受信転送範囲の縮小 シャドウグループＳ１についての受信転送範囲は，次の
ようになる。

【００６４】参照ｕ２については，定義ｕ１との先行順
序関係がｕ１←→ｕ２である。参照ｕ２に対し，ｕ１の
要素の一部が先行するが，パターンが複雑と判断し無視
する。受信範囲の縮小化はここでは行わない。

【００６５】λ（ｕ２）＝α（ｕ２） ＝｛(1,1),(2,1),…,(100,1), …,(100,100)｝ 参照ｕ５に対して，定義ｕ１が常に先行する。

【００６６】λ（ｕ５）＝α（ｕ５）−α（ｕ１）＝φ 一方，シャドウグループＳ２については，次のようにな
る。参照ｕ３に対して，定義ｕ４が常に先行する。

【００６７】λ（ｕ３）＝α（ｕ３）−α（ｕ４） ＝｛(1,31),(2,31),…,(100,31),…,(100,100)｝ (f) シャドウ形状と転送範囲の決定 シャドウグループＳ１について，次のようにシャドウ空
間を決定する。

【００６８】Λ＝λ（ｕ２）∪λ（ｕ５） ＝｛(1,1),(2,1),…,(100,1), …,(100,100)｝ Σ＝α（ｕ１） ＝｛(1,1),(2,1),…,(100,1), …,(100,100)｝ Λ∪Σ＝｛(1,1),(2,1),…,(100,1), …,(100,100)｝ この結果から，シャドウ領域として，ローカルメモリ上
に二次元配列ａ１（１００，１００）を確保する。グロ
ーバルとシャドウは，同じ添字を持つ要素同士を対応づ
ける。すなわち，Ａ（ｉ，ｊ）とａ１（ｉ，ｊ）とを対
応づける。

【００６９】またシャドウグループＳ２について，次の
ようにシャドウ空間を決定する。 Λ＝λ（ｕ３） ＝｛(1,31),(2,31),…,(100,31),…,(100,100)｝ Σ＝α（ｕ４） ＝｛(1,101),(2,101),…,(100,101), …,(100,200)｝ Λ∪Σ＝｛(1,31),(2,31),…,(100,31),…,(100,200)｝ この結果から，シャドウ領域として，二次元配列ａ２
（１００，１７０）を確保する。グローバルとシャドウ
は，二次元目を３０ずらして対応づける。すなわち，Ａ
（ｉ，ｊ）とａ２（ｉ，ｊ−３０）とを対応づける。

【００７０】(d) 出力コード生成 シャドウグループＳ１，Ｓ２について，シャドウ空間を
確保するコードを生成し，グローバルメモリからシャド
ウへΛを受信するコードと，シャドウからグローバルメ
モリへΣを送信するコードを，それぞれループの前後に
付加する。また，ループ内のアクセスを配列ａ１，ａ２
へのアクセスに変換する。

【００７１】この結果，図９に示すような内容のコード
が生成されることになる。すなわち，図５（Ａ）に示す
プログラムから，図９に示すような最適化されたプログ
ラムが得られる。

【００７２】前述の実施例における図６の出力コードと
の違いは，シャドウグループＳ２についての受信転送範
囲Λが，図６では二次元配列のＡ（１，３１）からＡ
（１００，１３０）までの領域であるのに対し，本実施
例では，Ａ（１，３１）からＡ（１００，１００）まで
の領域であり，受信転送範囲が縮小されていることであ
る。

【００７３】なお，上記(e) の受信転送範囲の縮小処理
において，シャドウグループＳ１とＳ２を共通化する方
がよいと判断できた場合には，シャドウ空間を次のよう
にしもよい。

【００７４】Λ＝Λ（Ｓ１）∪Λ（Ｓ２） ＝｛(1,1),(2,1),…,(100,1), …,(100,100)｝ Σ＝Σ（Ｓ１）∪Σ（Ｓ２） ＝｛(1,1),(2,1),…,(100,1), …,(100,200)｝ Σ∪Λ＝｛(1,1),(2,1),…,(100,1), …,(100,200)｝ この結果から，シャドウ領域として，ローカルメモリ上
に二次元配列ａ（１００，２００）を確保する。グロー
バルとシャドウは，同じ添字を持つ要素同士を対応づけ
る。すなわち，Ａ（ｉ，ｊ）とａ（ｉ，ｊ）とを対応づ
ける。

【００７５】この結果，図１０に示すような内容のコー
ドが生成されることになる。すなわち，受信転送範囲Λ
は，Λ（Ｓ１）∪Λ（Ｓ２）により，二次元配列のＡ
（１，１）からＡ（１００，１００）までの領域が対象
となる。また，送信転送範囲Σは，Σ（Ｓ１）∪Σ（Ｓ
２）により，Ａ（１，１）からＡ（１００，２００）ま
での領域が対象となる。

【００７６】図１１は，本発明の適用結果の例を示す図
である。例えば図１１（Ａ）に示すようなプログラムに
ついて，請求項１記載の発明によってデータ転送の一括
化を図った場合，出力コードは図１１（Ｂ）に示すよう
になる。また，請求項２記載の発明によって，さらに受
信転送範囲の縮小化を行った場合，その結果は図１１
（Ｃ）に示すようになる。

【００７７】図１１（Ａ）に示す元のプログラムから明
らかなように，Ａ（ｋ）（ただし，ｋ＝２，３，４，
…，）の定義は，Ａ（ｋ）の参照より先行する。したが
って，Ａ（２），Ａ（３），…の受信は不要であり，図
１１（Ｃ）の例では，グローバルメモリから受信するデ
ータがＡ（１）だけになっている。

【００７８】図１２は，本発明が適用可能なシステム構
成の例を示す図である。本発明によるデータ転送の一括
化処理方法は，例えば図１２（Ａ）〜（Ｃ）に示すよう
な２階層のメモリ構造を持つシステムで動作するプログ
ラムを対象として適用することができる。

【００７９】図１２（Ａ）のシステムは，共有メモリ４
を各プロセッサ・エレメント１が共有する並列計算機シ
ステムである。各プロセッサ・エレメント１は，ＣＰＵ
２とローカルメモリ３からなる。ＣＰＵ２が実行するプ
ログラムのループ中に，共有メモリ４上の配列に対する
アクセスがあるとき，本発明の適用により，その配列デ
ータをループの直前で共有メモリ４からローカルメモリ
３へ受信するようにし，ループの直後でローカルメモリ
３から共有メモリ４へ送信するようにすることにより，
プログラムの高速化が可能になる。

【００８０】図１２（Ｂ）のシステムは，仮想的共有メ
モリを持つ並列計算機または分散計算機環境のシステム
であって，各プロセッサ・エレメント１は，ネットワー
ク６で接続されている。各プロセッサ・エレメント１
は，ＣＰＵ２とローカルメモリ３と他のプロセッサがア
クセスできるメモリ５を持つ。各プロセッサ・エレメン
ト１に分散して配置されたメモリ５は，例えば全体で一
つのメモリ空間を構成するように扱われる。ＣＰＵ２
は，メモリ５のデータにアクセスする必要があるとき，
メモリ５のデータをローカルメモリ３に複写して，ロー
カルメモリ３上でアクセスする。このような他のプロセ
ッサがアクセスできるメモリ５を，図１に示すグローバ
ルメモリ１７として，本発明を適用することができる。

【００８１】図１２（Ｃ）のシステムは，大容量外部メ
モリ装置７を持つ計算機システムである。プロセッサ・
エレメント１は，ＣＰＵ２とローカルメモリ３とを持
ち，大容量外部メモリ装置７上のデータを参照・更新す
る場合には，ローカルメモリ３にデータを複写してアク
セスする。このようなローカルメモリ３と大容量外部メ
モリ装置７からなる２階層メモリのシステムにも，同様
に本発明を適用し，プログラム実行の高速化を図ること
ができる。

【００８２】

【発明の効果】以上説明したように，本発明によれば，
アクセスの一括化により転送回数および転送総量の削減
が可能になり，データ転送に関するオーバヘッドが削減
される。また，対象変数の先行順序関係のみで転送対象
を共通化して抽出することができるので，従来のベクト
ル化技術におけるベクトル可否等の判断よりも容易であ
り，効果も大きい。また，転送を多重ループの外に出す
ことができるため，さらに転送のスケジューリングなど
の最適化が可能になる。例えば，非同期転送が可能なハ
ードウェアであれば，受信転送をなるべく早く開始し，
送信転送の終了待ちをなるべく遅らせることにより，計
算と転送のオーバラップによる処理の高速化を図ること
ができるようになる。

【図面の簡単な説明】

【図１】本発明の原理説明図である。

【図２】本発明の適用例説明図である。

【図３】本発明の実施例処理フローチャートである。

【図４】シャドウグループの決定論理説明図である。

【図５】本発明の具体例説明図である。

【図６】本発明の実施例による出力コードの例を示す図
である。

【図７】本発明の実施例処理フローチャートである。

【図８】受信転送範囲縮小の実施例処理フローチャート
である。

【図９】本発明の実施例による出力コードの例を示す図
である。

【図１０】本発明の実施例による出力コードの例を示す
図である。

【図１１】本発明の適用結果の例を示す図である。

【図１２】本発明が適用可能なシステム構成の例を示す
図である。

【図１３】２階層メモリのモデル説明図である。

【図１４】本発明の課題説明図である。

【符号の説明】

１０ プログラム １１ 最適化処理部 １２ アクセス先行順序関係解析処理部 １３ シャドウグループ決定処理部 １４ 転送範囲決定処理部 １５ コード生成処理部 １６ 最適化されたプログラム １７ グローバルメモリ １８ ローカルメモリ １９ プロセッサ

Claims (2)

【特許請求の範囲】
1. 【請求項１】 １または複数のプロセッサ(19)と，その
   プロセッサ(19)が高速にアクセスできる第１のメモリ(1
   8)と，大容量または他のプロセッサと共用するデータを
   保持する第２のメモリ(17)とを備え，前記第２のメモリ
   (17)が保持するデータを前記第１のメモリ(18)に転送し
   て処理する計算機システム上で動作するプログラム(10)
   を最適化する処理方法であって，前記第２のメモリ(17)
   にある配列データのアクセスを含むループ手続きが与え
   られたとき，そのアクセスの先行順序関係を解析する処
   理過程(12)と，アクセスの先行順序関係を解析した結果
   に基づいて，ループ内の配列アクセスを，前記第１のメ
   モリ(18)におけるデータの一時的な格納場所の共通化が
   必要なグループに分類する処理過程(13)と，各グループ
   に属するアクセスについて，それぞれアクセス要素の集
   合和を求め，データを転送する範囲を決定する処理過程
   (14)と，前記各グループに属する転送範囲の配列データ
   を一括アクセスする命令コードをループ外に生成する処
   理過程(15)とを有することを特徴とするデータ転送の一
   括化処理方法。
2. 【請求項２】 １または複数のプロセッサ(19)と，その
   プロセッサ(19)が高速にアクセスできる第１のメモリ(1
   8)と，大容量または他のプロセッサと共用するデータを
   保持する第２のメモリ(17)とを備え，前記第２のメモリ
   (17)が保持するデータを前記第１のメモリ(18)に転送し
   て処理する計算機システム上で動作するプログラム(10)
   を最適化する処理方法であって，前記第２のメモリ(17)
   にある配列データのアクセスを含むループ手続きが与え
   られたとき，そのアクセスの先行順序関係を解析する処
   理過程(12)と，アクセスの先行順序関係を解析した結果
   に基づいて，ループ内の配列アクセスを，前記第１のメ
   モリ(18)におけるデータの一時的な格納場所の共通化が
   必要なグループに分類する処理過程(13)と，各グループ
   に属するアクセスについて，ループ内で参照するアクセ
   ス要素の集合うち，参照に先立って定義されるアクセス
   要素の集合を受信転送範囲から除外し，各グループごと
   に受信転送範囲および送信転送範囲についてのアクセス
   要素の集合和を求め，データを転送する範囲を決定する
   処理過程(14)と，前記受信転送範囲の配列データを一括
   アクセスする命令コードをループの前に生成し，前記送
   信転送範囲の配列データを一括アクセスする命令コード
   をループの後に生成する処理過程(15)とを有することを
   特徴とするデータ転送の一括化処理方法。