FIL_PROOFS_USE_GPU_TREE_BUILDER – 利用GPU，结构Merkle树
在Precommit2计较中，Column Hash的计较以及Merkle树的结构是回收GPU加快。相关的代码在neptune代码库中。有意思的是，这部门的代码并不是用cuda可能opencl实现的，而是一种新的更高层的语言：Futhark。
tree_count,
if settings::SETTINGS.lock().unwrap().use_gpu_column_builder {
1. Column Hash计较
Sector计较的部门分为Precommit1和Precommit2两部门。两部门合在一起，称为SDR算法。整个SDR算法的相关计较在之前的文章先容过：Filecoin – 为什么SDR这么慢？
Self::generate_tree_c_cpu::<ColumnArity, TreeArity>(
2. Replica计较
总结：
本文着重先容一下Precommit2的计较逻辑。Precommit2计较分为两部门：1/ Column Hash计较以及Merkle树结构 2/ Replica计较以及Merkle树的结构。相关的逻辑请查察rust-fil-proofs/storage-proofs/porep/src/stacked/vanilla/proof.rs中的transform_and_replicate_layers函数。
configs,
Self::generate_tree_c_gpu::<ColumnArity, TreeArity>(
Merkle树的结构都是回收merkletree库。这个库实现通用的Merkle树的布局和计较。通用的Merkle树，指的是Merkle并不可是凡是我们领略的二叉树，而是分成3层：top，sub和base。
type Tree = storage_proofs::merkle::OctMerkleTree<DefaultTreeHasher>;nodes_count,
FIL_PROOFS_MAX_GPU_COLUMN_BATCH_SIZE – 每次计较Column的batch巨细，默认400000
layers,
)
4. GPU加快
举办column计较，需要从硬盘读取11层layer的数据，并整合成column排布。GPU版本，一批批的举办处理惩罚，将一部门column读取排序后，通过channel送给GPU处理惩罚（Column Hash以及结构Merkle树）。代码逻辑概略上就是两个线程，一个读取layer的数据，column排序，别的一个GPU处理惩罚。每次batch的节点个数默认是400000，也就是135M阁下。在column计较完成后，GPU结构Merkle树。
}
nodes_count,
labels,
layers,
FIL_PROOFS_COLUMN_WRITE_BATCH_SIZE – 每次刷Column数据的batch巨细，默认262144
tree_count,
Column Hash计较的实此刻generate_tree_c函数。详细的实现分为两个版本：CPU和GPU版本。
Replica是最后一层layer的数据和原始数据编码之后的功效。每次Encoding一部门Replica，通过channel送给GPU（结构Merkle树）。每次batch的节点个数默认是700000，也就是22M阁下。留意，batch的是Encoding的功效。Precommit2阶段，主要是计较Column Hash以及生成Replica，，并结构相应的Merkle树。个中，Column Hash的计较以及Merkle树的结构可以回收GPU加快。GPU的实现回收一种新的高层语言：Futhark。
如上图的示例，top是1叉，sub是3叉，base是4叉。在Precommit2计较中，tree_c和tree_r_last都是8叉树：
pub type OctMerkleTree = DiskTree;
GPU版本的逻辑相对巨大一些，讲讲GPU的逻辑：
FIL_PROOFS_MAX_GPU_TREE_BATCH_SIZE – 每次Encoding计较的batch巨细，默认7000005. 相关宏界说
labels,
)
configs,
FIL_PROOFS_USE_GPU_COLUMN_BUILDER – 利用GPU，举办column hash的计较
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
