clEnqueueNDRangeKernel
填入的形参：global_size local_size
global_size 控制最终的workgroup数量，而且会平均分配到几个core上，比如global_size=8 然后有2个core，那么每个core分到4个wg
local_size 控制每个core分到几个workitem，每个.cl文件里，已经hard coding了一个workitem计算的数据量。
device端会有循环，控制单个core循环执行几次kernel，执行一次，消耗一个workitem。
cl还会优化，指令存在流水线时，根据local_size 提高 simd指令密度：switch（local_size）
比如global_size=8 然后有2个core，那么每个core分到4个wg，然后local_size=2，那么这个core只计算2次，还有2次没有做。local_size=4 才正确计算了所有workitem
这两个量与get_global_id() 无关，
get_global_id(0) = x维度
get_global_id(1) = y维度
get_global_id(2) = z维度