OpenACC加速Fortran程序首次copyout时cuMemToHostAlloc耗时过长咨询

首次调用耗时超长的核心原因 #

使用copyout(test)子句时，NVHPC编译器为了提升设备到主机的数据传输效率，会在首次执行该内核时调用cuMemToHostAlloc创建可分页锁定内存（Pinned Memory）。这类内存能规避普通内存传输时的页交换开销，但首次创建需要操作系统完成内存页的锁定操作，这个初始化过程本身开销较大，导致第一次调用的cuMemToHostAlloc耗时异常。

后续调用耗时正常的逻辑 #

首次创建锁定内存后，编译器会复用这块已锁定的内存区域，后续的copyout操作直接使用现有区域完成数据传输，无需再次执行内存页锁定的初始化步骤，因此传输时间恢复正常水平。

移除copyout后调用消失的原因 #

去掉copyout(test)子句后，编译器不再需要将设备端的test数据复制回主机，自然不需要为数据传输准备锁定内存，所以cuMemToHostAlloc调用不会触发。你提到主机端test已完成分配且有值，是因为此时编译器可能将内核逻辑优化到主机端执行（或隐式未在设备端创建数据副本），直接在主机内存中完成赋值操作。

优化建议 #

如果想消除首次调用的额外开销，可以提前通过显式内存管理指令初始化锁定内存：

• 用OpenACC的!$acc enter data create(test)提前在设备端创建数据副本并关联主机锁定内存
• 或者手动调用CUDA的cudaMallocHost分配锁定内存，再绑定到OpenACC数据区域

内容的提问来源于stack exchange，提问作者Paul Zehner