Data Parallel C++: Mastering DPC++ for Programming of Heterogeneous Systems using C++ and SYCL. 2 Ed

В двух словах: Это эталонный учебник по программированию на C++ для гетерогенных (акселерированных) вычислительных систем. Книга не только знакомит с SYCL 2020, но и даёт глубокое понимание того, как писать код, который будет эффективно работать на GPU, CPU и FPGA разных вендоров. Это «must read» для всех, кто серьёзно занимается высокопроизводительными вычислениями на современном C++.

Целевая аудитория

Книга рассчитана на C++ разработчиков, которые уже имеют опыт работы с языком (желательно уровень C++17) и хотят освоить гетерогенное программирование. В отличие от многих других книг, здесь не требуется предварительного знания CUDA или OpenCL, — введение даётся с самых основ параллельных концепций. Тем не менее, читатель должен понимать, что такое lambda-выражения, шаблоны и move-семантика; без этого будет сложно.

Для программистов, уже знакомых с CUDA, добавлена отдельная глава 21, которая помогает мигрировать код и понимает терминологическую разницу. Для FPGA-разработчиков — отдельная глава 17, которая представляет собой редко встречающееся руководство по использованию SYCL для пространственных архитектур.

Структура и подача материала

Книга логически разбита на три части:

1. Фундамент (главы 1–4): введение в гетерогенные системы, очереди, управление данными (USM, буферы), выражение параллелизма через ND-range и basic data-parallel kernels. К концу четвёртой главы читатель уже способен написать простейшую программу, правильно запускающую ядро на устройстве.
2. Углубление (главы 5–12): обработка ошибок, детали USM и буферов, планирование графов задач, синхронизация (барьеры, локальная память, подгруппы), определение ядер, векторные типы, запросы информации об устройстве. Это ядро языка SYCL.
3. Практика и оптимизация (главы 13–21): практические советы по отладке, профилированию, типичные параллельные паттерны (map, stencil, reduction, scan), отдельные главы по программированию GPU, CPU и FPGA, библиотеки (oneDPL), модель памяти и атомики, бэкенд-интероперабельность и миграция с CUDA.

Такой подход позволяет читателю сначала получить рабочую картину, а затем постепенно углубляться в детали производительности и архитектурные особенности.

Сильные стороны

1. Актуальность и точность. Книга полностью соответствует SYCL 2020 (финальной спецификации). Это критически важно, потому что многие онлайн-ресурсы описывают устаревший SYCL 1.2.1. Авторы подчёркивают изменения: заголовочный файл sycl/sycl.hpp, новый синтаксис device selector, удаление явного host-устройства. Также они честно указывают, где используются расширения DPC++ (FPGA selectors, pipes) и что стандарт этого не требует.
2. Глубина и практическая направленность. Книга не ограничивается описанием классов. Она объясняет внутренние механизмы:

• что такое task graph и как он работает,
• почему accessor создаёт неявные зависимости,
• как устроены барьеры и memory fences,
• как компилятор может векторизовать через work-items, а не через явные векторные типы.
• В каждой главе код сопровождается диаграммами и замечаниями о производительности.

1. Мультиархитектурный охват. Обычно книги по параллельному программированию фокусируются либо на GPU (CUDA), либо на CPU (OpenMP). Здесь же равноправно рассмотрены:

• GPU (глава 15) — SIMD-ширина, скрытие задержек, банковские конфликты, coalesced доступы.
• CPU (глава 16) — NUMA, thread affinity, SIMD-векторизация, AoS/SoA, влияние signed/unsigned индексов.
• FPGA (глава 17) — pipelines, initiation interval, pipes, кастомные банки памяти. Это уникальный материал, который не найти в большинстве книг.

1. Помощь в миграции с CUDA. Глава 21 — не просто сравнение синтаксиса, а полноценный гайд с примерами использования инструмента DPCT/SYCLomatic. Разбираются различия в memory model, порядке измерения (contiguous dimension), warp/sub-group размерах. Это делает книгу полезной для организаций, которые хотят получить код, работающий на любом GPU, а не только на NVIDIA.
2. Открытый доступ. Книга распространяется под лицензией Creative Commons, что позволяет свободно её распространять и использовать в учебных целях. Код примеров находится на GitHub и регулярно обновляется.

Слабые стороны и спорные моменты

1. Высокий порог входа. Несмотря на то что авторы стараются вводить понятия постепенно, объём информации огромен. Разработчик, который никогда не сталкивался с GPU или FPGA, может почувствовать себя потерянным в терминах «sub-group», «barrier», «local memory», «pipeline». Книга — скорее учебник для подготовленных, чем для абсолютных новичков.
2. Акцент на DPC++. Хотя все примеры используют стандартный SYCL, некоторые разделы (особенно глава 17) сильно завязаны на расширения Intel/DPC++. Авторы это честно оговаривают, но читатель, использующий другой компилятор (например, hipSYCL или ComputeCpp), должен будет адаптировать примеры под свои расширения.
3. Отсутствие упражнений. Как и в предыдущих стабильных рецензиях, в книге нет практических заданий. Это серьёзное ограничение для самостоятельного изучения: читатель может всё прочитать, но отсутствие задач для закрепления снижает эффективность. Пришлось бы искать или выдумывать собственные упражнения.
4. Неполное покрытие некоторых тем. Например, image объекты упомянуты лишь вскользь. sycl::stream описано, но без детального сравнения с printf внутри ядра. specialization constants только названы. Но это простительно, так как книга и так очень объёмна.

Общее впечатление и оценка

«Data Parallel C++» — это одна из лучших книг по параллельному программированию на современном C++. Она закрывает огромную нишу: единый язык для CPU, GPU и FPGA без привязки к одному вендору. Авторы — разработчики компилятора DPC++ и спецификации SYCL, поэтому материал не догадочен, а основан на реальном опыте.

Книга идеально подходит как для самообразования (несмотря на отсутствие упражнений), так и для использования в университетских курсах по параллельным вычислениям. Её можно рекомендовать разработчикам, которые хотят уйти от проприетарных решений в сторону открытых стандартов, а также инженерам, занимающимся переносом кода с CUDA на портативные платформы.

Вердикт:

Если вы серьёзно работаете с C++ и хотите писать эффективные, переносимые между разными акселераторами приложения — эта книга станет вашим настольным справочником. Читать её нужно с карандашом и запущенным компилятором под рукой.

Оценка: 9.5 из 10.

(Полбалла снято за отсутствие задач и незначительную зависимость от расширений Intel в одной из глав).