兼论spatial和simulink,PTX及其他

从工匠（工程师）的角度看，并行计算的构造最直观的一种方式共享内存的构架，从计算上讲就是数据级并行，比如单指令多数据流SIMD。

这种构造可以是从应用层来看，也可以是底层的硬件实现，比如cpu,gpu,dsp,fpga的芯片构架，或者现场总线，也可以是实时操作系统和中间并发软件所模拟的并行计算效果，MPI所模拟的分布式并行效果等等。

从工匠的角度看，这里面其实并没有太多新奇的原理，更多的是一些自然的设计。

 

从计算的角度看，我更愿意统一到控制论常说的差分方程组上来。

simulink虽然作为matlab的一个子品牌和紧密协作体存在，但是simulink和matlab的方向是截然不同的。

窃以为，simulink究其后台的实现语义，其实就是一个差分方程组。

所谓计算不过是差分方程组的步进。这种计算的本质，与用什么芯片，什么操作系统没有关系。方程组本身是并行的，就是可以同时计算的，互不干涉的。

而通常我们涉及到的这些方案，不过是在不同层面去实现这些计算。

比如PTX，本质上不过是GPU的多核并行与共享内存之间的关系。

MPI无非是用消息来模拟分布在多个机器上的内存，对应用程序来说，感觉不出来，内存在本地还是在远端。

而simulink不过是用图形和matlab脚本来表达这些差分方程组，几乎是跟差分方程组一一映射。当然这模型可以存储成xml和matlab脚本结合的一种文本形式。

由于xml的笨拙和掺杂了一些图形表示的内容，以至于显得其本身不过是一个差分方程组变得不那么明显了。

matlab本身没有采取静态强类型，simulink过于体现图形化，这些都降低了研发的效率，但是不管怎么说，simulink是最接近差分方程组的。这方面Labview和PLC的阶梯图要差很多。

SCADE实际上也是基于差分方程的，但是非常严格限制的强类型。

spatial是一种披着scala外壳的专门的并行计算语言，它从语义上支持并行计算和流水线式计算。并且提供一种机制把这种计算直接翻译成数字逻辑电路。

CUDA也是一种并行计算的语言，但是显得没有那么纯粹了，虽然更实用，它主要是用共享内存和计算核这样的东西来表达并行计算的，也就是说它生成的对象还是一个软件和硬件的结合体，而不是像spatial这样直接变成硬件。

目前看起来C++和scala都有很强的类型检查和编译时元编程能力，比较符合控制系统的高可靠性要求，因为问题暴露在编译时，是一个基本要求。

ADA语言虽然也很不错，但是缺点在于生态相对封闭。过于封闭的生态对于语言的推广和发展是一个严重缺陷。

 开放的生态，可以使得语言的演进能够发挥群体的智慧。个体的智慧哪怕是一个巨无霸企业的智慧，最后还是会钳制语言的发展。

就并行计算本身来说，spatial给出了非常有潜力的途径。即从应用层的并行计算原语，直达芯片硬件电路硬编码，并暗示了另外一些可能，比如应用层并行计算原语转化为串行计算，比如并发计算的可能性，从而起到应用层和实现层分离的效果。

 作者提出一个纲领，就是设计一种强类型和非常方便进行类型组合的，强编译时检查，支持纯函数，原生支持差分方程，基于文本的，并行的，确定性的，开放式的设计语言。