我認爲本地工作大小決定了多少線程將在同一時間同時使用 ，但我真的正確嗎？
正確，但它是每個計算單位，而不是整個設備。如果計算單元比本地線程組多，則設備未完全使用。當線程組多於計算單元但不是精確倍數時，某些計算單元在最後等待其他計算單元。當兩個值相等（或確切的倍數）時，那麼「多少次」對於完全佔用所有ALUS很重要。
例如，一個8核CPU可以定義8個計算單元（可能還有+8個硬件多線程）。但是具有相似價格的GPU可以具有20至64個計算單元。然後，即使在一個計算單元內，許多線程組也可以是「正在進行中的」，而不是明確調整的，但是由每個線程和每個計算單元以及可能每個gpu的資源使用情況而改變。
本地大小變化如何影響該代碼？正如我所看到的，顯然 在global_id上工作，沒有本地的變化到 更大，比說1會影響執行該算法花費的時間？
可矢量化/可並行化的內核代碼可以具有將線程分配給ALU，核心的SIMD或gpu計算單元的更寬SIMD的優點。對於CPU，可以同時發佈8個標量指令。對於GPU來說，它可能高達數千個。因此，當您將本地大小減小到1時，將並行線程問題的寬度限制爲1 ALU，這會削弱許多體系結構的性能。當您將本地大小設置得過大時，每個線程的資源會下降，並且性能會受到影響。如果你沒有任何想法，如果你給它的參數賦一個空值，opencl api可以爲你調整本地大小。
而當我們在該算法中有循環時，它是否會改變 什麼，然後關於局部尺寸的影響？我們是否需要使用 local_id來查看改變本地大小時的差異？
對於舊的和靜態的調度體系結構，建議使用展開步長等於基本SIMD寬度寬度的循環展開。不，本地ID只是查詢其計算單元中的線程ID，因此無需查詢是否不需要它。
我測試了幾個上我的節目，即使我只用 global_id不斷變化的地方工作的尺寸給我顯著較短 執行時間。那麼它是怎樣工作的？
如果內核需要瘋狂的資源，你可以想象每個本地組有1個線程。如果內核不需要除立即值之外的任何資源，則應使其最大值爲本地值。每個線程的資源分配（由於內核代碼）非常重要。新架構具有負載平衡功能，因此如果您讓api選擇最佳值，未來可能無關緊要。
爲了保持所有的ALU處於繁忙狀態，調度程序爲每個內核發出很多線程，當一個線程正在等待內存操作時，另一個線程可以同時執行ALU操作。當資源使用量很小時這很好。當您使用計算單元的所有資源的％50時，它只能有2個線程在運行。線程共享可共享的資源，如L1緩存，本地內存，寄存器文件。
代碼如c [i] = a [i] + b [i]對於標量浮點數是可以進行矢量化的。如果編譯器還沒有在後臺執行，你可以使用float8，float16和類似的結構來獲得更好的性能。這樣，它需要更少的線程來完成所有工作，並且訪問內存也更快。您還可以在內核中添加一個循環以更多地解除線程數量，這對於CPU來說是很好的，因爲在兩個數據塊之間需要較少的線程調度。對於GPU，它可能並不重要。用於CPU
簡單的例子：
4芯，本地大小= 10，全球大小= 100
芯1和2具有各3個線程組。核心3和4只有2個線程組。
- 1：30個線程 - >充分高性能
- 2：30個線程
- 3：20個線程 - >少高性能，對其他作業
- 4更好搶佔：20個線程
雖然指令流水線對於核1和核2沒有太多氣泡，但核3和核4在一段時間後會啓動氣泡，因此它們可用於其他作業，例如並行或操作系統或某些陣列中運行的第二個內核複製。當你平均使用所有內核，比如120線程時，他們每秒完成更多的工作，但是如果內核已經使用內存，CPU不能進行陣列拷貝。（除非OS爲其他線程搶佔）
