muh-bot
11032fe95e
[muh] delay v2 完成: 全部 8 个 lookback 算法改为 no_delay
基于 CCCL single_pass_scan_operators.cuh 源码分析:
delay() 在 gridDim.x < 500 时只做 __threadfence_block，不 __nanosleep
BI-V100: 16 SMs → max 32 CTAs → 永远 < 500
变更文件:
tuning_reduce_by_key.cuh: 全部 66 条 → no_delay (已在上个 commit)
tuning_scan_by_key.cuh: 全部 ~76 条 → no_delay (已在上个 commit)
tuning_select_if.cuh: 38 个 scale_delay() → nd(l2w), 删除 scale_delay 函数
tuning_unique_by_key.cuh: 31 个 sd() → nd(l2w), 删除 sd 函数
tuning_three_way_partition.cuh: 6 个 sd() → nd(l2w)
tuning_rle_encode.cuh: 5 个 sd() → nd(l2w)
tuning_rle_non_trivial_runs.cuh: 5 个 sd() → nd(l2w)
tuning_scan.cuh: 12 个 exponential_* → no_delay
L2WriteLatency 全部保留 (CCCL 构造函数一次性 L2 write 等待)
threads/items/load_algorithm/load_modifier 不变 (CCCL benchmark-tuned)