执行流水线
为什么要单独讲执行流水线
GPU SpMV 的难点不在于“调用一个 kernel”，而在于 输入矩阵如何被分析、如何做 kernel 选择、如何复用执行上下文，以及如何解释结果是否可信。
Pipeline 分解
- 输入阶段：加载 CSR / ELL 数据结构，准备输入向量。
- 分析阶段：统计
avg_nnz_per_row、偏斜度和行分布模式。 - 决策阶段：基于统计结果选择 Scalar CSR、Vector CSR、Merge Path 或 ELL。
- 执行阶段：调度 GPU kernel，记录时间和带宽指标。
- 验证阶段：与 CPU 参考结果或既有基线做一致性检查。
关键判断
| 现象 | 决策 |
|---|---|
avg_nnz_per_row < 4 | Scalar CSR，避免 warp 级资源浪费 |
| 行长度均匀、偏斜度低 | Vector CSR，提升 warp 内协作效率 |
| 行长度高度不均 | Merge Path，优先负载均衡 |
| 行宽近似固定 | ELL kernel，优先合并访存 |