# ADR-0008: 텐서 배포 및 할당 (호스트 할당기, PA 우선)

## Status

Accepted

## Context

벤치마크는 PyTorch와 유사한 텐서 시맨틱을 요구한다:

- 텐서 생성 (empty, fill),
- 가속기 디바이스로의 배포 (tensor.to()).

현실적인 시스템에서는 호스트 소프트웨어가 할당·매핑을 관리하고 DMA/MMU
매핑을 설치한다. Phase 0에서는 (ADR-0011) 다음으로 단순화한다:

- 디바이스 메모리 동작은 PA만 사용,
- VA/MMU/IOMMU는 모델링하지 않는다.

호스트↔디바이스 인터페이스를 최소로 유지하기 위해 별도의
AllocateTensorMeta 메시지는 피한다. 대신 호스트 할당은 PA 샤드 맵을
생성하여 MemoryWrite/Read와 KernelLaunch가 직접 사용한다.

---

## Decision

### D1. Tensor는 PA 샤드 매핑을 가진 호스트 소유 핸들

Tensor 객체는 다음을 캡슐화하는 호스트 소유 핸들이다:

- shape과 dtype,
- 초기화 의도,
- PA 샤드 맵 형태의 디바이스 배치 및 할당 메타데이터.

배포 이후 Tensor 핸들은 다음을 포함해야 한다:

- 각각 (sip, cube, pe, pa, nbytes, offset_bytes)를 가진 샤드 리스트.

이 PA 샤드 매핑이 커널 인수 바인딩의 단일 진실 원천이다.

---

### D2. 배포는 호스트 할당기를 사용한다 (Phase 0)

Phase 0에서 텐서 배포는 호스트 할당기를 통해 PA 샤드 매핑을 생성한다:

- 배치(split/replicate/hybrid)는 DP 정책에 의해 결정,
- 할당은 PE 수준에서 PA 범위를 부여하고 샤드 매핑을 반환,
- Tensor 핸들은 결정론적으로 결과 샤드 리스트를 저장.

Phase 0에서는 호스트가 보는 별도의 디바이스 할당 RPC는 필요하지 않다.

---

### D3. 데이터 초기화와 전송은 MemoryWrite/Read만 사용

텐서가 함의하는 모든 데이터 초기화나 전송(예: fill, copy)은
Host ↔ IO_CPU 메시지만으로 표현되어야 한다:

- MemoryWrite
- MemoryRead

규칙:

- MemoryWrite/Read는 PA + (sip, cube, pe) 태그를 참조해야 한다 (ADR-0012).
- 할당 메타데이터는 별도의 할당 메시지로 임베드되어서는 안 된다.
- 대량 텐서 데이터는 Phase 0 메시지에 임베드되어서는 안 된다.

시뮬레이션 엔진은 MemoryWrite/Read를 그래프를 통해 스케줄하므로 레이턴시는
명시적 순회로 계산된다.

---

### D4. 확장 경로 (호환성 유지)

향후 ADR이 다음을 추가하여 선택적인 VA/MMU/IOMMU 모델링을 도입할 수 있다:

- 텐서 핸들에 가상 주소,
- 매핑 설치 단계,
- 변환 레이턴시·페이지 granularity.

Phase 0의 PA 샤드 맵은 유효한 fast-path 구성으로 유지된다.

---

## Consequences

- Host↔IO_CPU 계약이 최소(MemoryRead/Write + KernelLaunch)로 유지된다.
- KernelLaunch가 샤드 태그를 통해 PE별 데이터 배치를 명시적으로 전달할 수 있다.
- 초기 구현이 단순하고 테스트 가능하게 유지된다.

---

## Links

- ADR-0011 (메모리 주소 지정 — PA / VA / LA)
- ADR-0012 (Host↔IO_CPU 스키마)
- ADR-0007 (runtime_api vs sim_engine 경계)
- ADR-0009 (커널 실행)