在西雅圖超級計算大會（SC11）上釋出了新的基於指令的加速器並行程式設計標準，既OpenACC。這個開發標準的目的是讓更多的程式設計人員可以用到GPU計算，同時計算結果可以跨加速器使用，甚至能用在多核CPU上。
出於顯而易見的原因，NVIDIA在大力推廣和支援OpenACC。但事實上PGI和Cray才是最早推動這項技術商業化的公司。PGI已經推出了一組非常類似的加速器指令，目前也成為了OpenACC標準的基礎部分之一。Cray公司正在開發自己的OpenACC編譯器，並且他的XK6客戶如橡樹嶺國家實驗室和瑞士國家超級計算機中心，預計將成為該技術的第一批超級計算機使用者。
簡而言之，OpenACC指令與OpenMP指令工作方式很類似，但前者特別適用於高度資料並行程式碼。它們可插入標準的C，C + +和Fortran程式直接指導編譯器進行某些程式碼段的並行。編譯器會特別注意資料在CPU和GPU（或其他）之間來回轉移的邏輯關係，並將計算對映到適當的處理器上。

1，OpenHMPP和OpenACC是由兩個不同的組織發起的。

2，OpenHMPP比OpenACC發展的要成熟。

3，OpenHMPP可以支援多個加速裝置，而OpenACC沒有這樣的指導語句來支援這一點

4，OpenHMPP可以通過某些指導語句來使用想cuFFT一樣的庫

5，OpenHMPP可以使用更多的硬體細節，例如共享儲存器等

目前除了CAPS的編譯器之外，沒有其它廠商提供支援幾乎所有硬體廠商的加速器裝置的公司。從市場的角度講，OpenACC標準始於Nvidia GPU的支援，OpenHMPP始於對所有加速裝置的支援。

目前世界上幾家企業正在籌謀如何改善現有的OpenACC標準，以將其完善。雖然OpenACC始於Nvidia，但就像OpenCL始於蘋果一樣，它的最後歸屬也許是別人！

國內對OpenACC以及OpenHMPP這種基於指導語句的異構程式設計方式還在起步階段，慢慢會好起來的。。。。。

引言：

    什麼是基於指令的移植方式呢？首先我這裡說的移植可以理解為把原先在CPU上跑的程式放到像GPU一樣的協處理器上跑的這個過程。在英文裡可以叫Porting。移植有兩種方式：一種是使用CUDA或者OpenCL來重新設計程式碼，然後使用硬體廠商提供的編譯器來編譯；一種是使用OpenACC或者OpenHMPP提供的指令集新增到你想使用GPU計算的原始碼中的某個位置，讓編譯器來編譯出GPU上執行的程式碼。後一種方式就是基於指令的移植方式。   

     例如，下面一個簡單的迴圈：

1. for (i=0; i<n;i++)  
2. {  
3.     dosomething(i);  
4. }  

如果你想把這個迴圈放到GPU上，讓每個執行緒計算一次i的話，可以這樣做：

#pragma acc kernels

1. for (i=0; i<n;i++)  
2. {  
3.     dosomething(i);  
4. }  

網格化（gridification）：
    這樣，編譯器拿到加了OpenACC指令的那段程式碼後，就會把你的迴圈放到GPU或者其他硬體加速器（例如MIC）上。編譯器分析了#pragma acc kernels下面的那個迴圈，就會根據迴圈的次數來分配執行緒數量，這個過程就叫網格化。為什麼說是網格化呢？可以這樣理解，因為GPU可以啟動很多執行緒，這些執行緒就像一張漁網一樣，可以認為一個網格代表一個執行緒，所以我就乾脆叫這個過程為“網格化”了。

 核心（kernel）

    在OpenACC裡可以這樣理解核心：核心就是在協處理器（例如GPU）上被多個執行緒同時執行的一段程式碼。如果每個執行緒都做一個活，豈不是沒意思了麼？當然不是這樣的，他們執行的程式碼是一樣的，但是每個執行緒可以根據自己的ID號來針對不同的資料做同樣的工作，這也就是資料並行的含義。

codelet

    使用CAPS的HMPP Workbench編譯加了OpenACC指導語句的原始碼時，編譯器會告訴你codelet產生了。實際上產生了一個CUDA或者OpenCL的原始檔，這個原始檔中包含了根據你的指導語句生成的CUDA或者OpenCL的原始碼。那什麼是codelet呢？可以認為codelet就是資料管理+核心。一個codelet要乾的事情包括兩部分：申請和管理CPU和協處理器之間的儲存，還有就是啟動在協處理上執行的程式碼。

work-sharing

    這個詞可以理解為名詞“共享工作”。如果在協處理器上的執行緒們執行的工作時work-sharing的，那麼每個執行緒可以根據自己的ID在不同的資料上幹了相似的工作。這個詞是在使用OpenACC或者OpenHMPP移植程式碼的時候遇到的，它描述的是CPU的序列程式碼中的狀態，例如：

1. for (i=0; i<n; i++)  
2. {  
3.     a[i] = i;  
4. }  

在這段程式碼中，a[i]的計算與a[i]之外的a的元素沒有依賴性，所以，每次迴圈的i可以使獨立的完成的，像這樣的狀態就是work-sharing的。還有例如規約，

1. s = 0;  
2. for (i=0; i<n; i++)  
3. {  
4.    s+=a[i];  
5. }  

 雖然s的計算與i相關，但是細想一下，加法在數學上市滿足交換律的，s的每次加a[i]實際上不相關的，你不管以什麼順序加和a[i]到s，解結果總是一樣的。所以規約也可以理解為是worksharing 的。