Matmul的Iterate和IterateAll接口提供了同步和异步两种模式。

同步模式指的是程序执行时，需要等待某个操作完成后才能继续执行下一步操作。异步模式指的是程序执行时，不需要等待某个操作完成就可以继续执行下一步操作。

Iterate&GetTensorC的同步和异步

同步：执行完一次Iterate迭代计算后，执行GetTensorC搬运矩阵C分片，搬运完成后，才能进行下一次计算。
如下图所示，C矩阵中，矩阵块1搬走后，才能计算矩阵块2，阵块2搬运完成后，才能计算矩阵块3。

同步模式的样例代码如下
```
while (mm. Iterate ()) {
    mm. GetTensorC (gm_c);
}
```
异步：通过设置模板参数开启异步模式。调用Iterate后，无需立即调用GetTensorC同步等待，可以先执行其他操作，待需要获取结果时再调用GetTensorC。异步方式可以减少同步等待，提高并行度，开发者对计算性能要求较高时，可以选用该方式。异步场景时，需要使用一块临时空间来缓存Iterate计算结果，否则会覆盖计算结果，调用GetTensorC时会在该临时空间中获取C的矩阵分片。临时空间通过SetWorkspace接口进行设置。SetWorkspace接口需要在Iterate接口之前调用。
```
mm.SetWorkspace(workspace,  size); // 其中，workspace 为临时空间的物理地址，size为singleCoreM * singleCoreN大小的矩阵C占用的内存大小: singleCoreM * singleCoreN * sizeof(cDataType)

// 异步模式
mm.template Iterate<false>();
…… // 执行其他操作
for (int i = 0; i < singleCoreM/baseM*singleCoreN/baseN; ++i) {
    mm.GetTensorC<false> (gm_c);
}
```

IterateAll的同步和异步

同步：后续操作需要同步等待IterateAll执行结束

mm.SetTensorA(gm_a);    // 设置左矩阵A
mm.SetTensorB(gm_b);    // 设置右矩阵B
mm.SetBias(gm_bias);    // 设置Bias
mm.IterateAll(gm_c);
// 后续操作
...

异步：后续操作不需要同步等待IterateAll执行结束，需要IterateAll的结果时，调用WaitIterateAll等待IterateAll异步接口返回。

Matmul<aType, bType, cType, biasType> mm;
mm.SetTensorA(queryGm[tensorACoreOffset]);
mm.SetTensorB(keyGm[tensorBCoreOffset + sInnerStart * singleProcessSInnerSize *
      tilingData->attentionScoreOffestStrideParams.matmulHead], true);
mm.SetTail(singleProcessSOuterSize, mmNNum);
mm.template IterateAll<false>(workspaceGm[tmp_block_idx * mmResUbSize * sInnerLoopTimes],false,true);
// do some others compute
mm.WaitIterateAll(); // 等待IterateAll完成
DataCopy(dstUB, GM);  // 进行GM到UB的拷贝

异步场景

Iterate&GetTensorC的同步和异步

IterateAll的同步和异步