描述

背景一：scatter类算子在索引重复的时候会涉及到同一个gm地址写数据，而david芯片同地址写性能远低于竞品（相差100倍），因此为了性能考虑要尽可能规避同地址写问题。对于scatter这类算子一个解决方法就是在将相同索引对应的计算(累加、替换等)在核内完成。在核内完成同索引的处理，就希望同索引尽可能的挨在一次，因此期望索引是有序的。
背景二：scatter类算子当多核切分在scatter轴时，为了保证确定性计算，需要每个核之间搬出的数据是有序的，一种做法是每个核顺序搬出，这样会有较大的等待开销，相当于开单核，为了提升性能，另外一种做法是对索引做全局排序，然后按索引序搬出。

从性能的角度，希望在部分场景将 scatter_add替换位 sort(索引) + scatter_add_with_sorted两个算子，因此开发了 scatter_add_with_sorted算子，以增强scatter_add在确定性场景的性能。

代码结构

index/scatter_add_with_sorted/
├── op_host/                          # Tiling 层
│   ├── scatter_add_with_sorted_def.cpp           # [修改] 新增算子定义
│   ├── scatter_add_with_sorted_tiling.cpp        # [修改] 注册 ASCENDC 模板化 tiling
│   ├── scatter_add_with_sorted_tiling_base.h     # [新增] 基础 Tiling 类，提取公共逻辑
│   ├── scatter_add_with_sorted_tiling_base.cpp   # [新增] 基础 Tiling 实现（shape 解析、平台信息获取等）
│   ├── scatter_add_with_sorted_simd_tiling.h     # [新增] SIMD Tiling 类声明
│   ├── scatter_add_with_sorted_simd_tiling.cpp   # [新增] SIMD Tiling 实现（多核切分、UB 切分、Buffer 规划）
│   ├── scatter_add_with_sorted_simt_tiling.h     # [新增] SIMT Tiling 类声明
│   ├── scatter_add_with_sorted_simt_tiling.cpp   # [新增] SIMT Tiling 实现
│   ├── scatter_add_with_sorted_tiling.h          # [原有] 旧版 Tiling 数据结构
│   ├── config/ascend950/
│   │   ├── scatter_add_with_sorted_binary.json   # [新增]  二进制配置（8 组 dtype）
│   │   └── scatter_add_with_sorted_simplified_key.ini  # [新增] simplified_key_mode=0
│   └── op_api/
│       └── scatter_add_with_sorted.cpp           # [修改] aclnn 接口适配
│
├── op_kernel/                         # Kernel 层
│   ├── scatter_add_with_sorted_apt.cpp           # [新增] kernel 入口，ASCENDC 模板化分发
│   ├── scatter_add_with_sorted.cpp               # [原有] kernel（保持不变）
│   └── arch35/                                   # [新增] arch35 kernel 实现
│       ├── scatter_add_with_sorted_struct.h      # 模板参数声明 & Tiling 数据结构定义
│       ├── scatter_add_with_sorted_simd_common.h # SIMD 公共工具函数
│       ├── scatter_add_with_sorted_simd.h        # SIMD 模式 kernel
│       ├── scatter_add_with_sorted_simd_determ.h # SIMD 确定性模式 kernel
│       ├── scatter_add_with_sorted_determ_workspace.h # 确定性模式 workspace 处理
│       ├── scatter_add_with_sorted_simt.h        # SIMT 模式 kernel
│       └── scatter_add_with_sorted_simt_determ.h # SIMT 确定性模式 kernel
│
└── tests/ut/
    ├── op_host/
    │   └── test_scatter_add_with_sorted_tiling.cpp  # [修改] 新增tiling UT 用例
    └── op_kernel/
        ├── CMakeLists.txt                          # [修改] 新增编译目标
        ├── scatter_add_with_sorted_tiling_def.h    # [新增] UT tiling 定义
        ├── test_scatter_add_with_sorted_apt.cpp    # [新增]kernel UT
        └── test_scatter_add_with_sorted.cpp        # [修改] 引用新的 tiling_def.h

关联的Issue

关联Issue #2351

测试

出包测试200条泛化用例，精度均pass，aclnn接口的的性能较之前调用scatteradd的方式提升3.9倍；通过冒烟测试

文档更新

类型标签

• Bug修复
• 新特性
• 性能优化
• 文档更新
• 其他，请描述：