并行程序的指令级并行优化探讨.pdfVIP

在复杂的、非线性的交互影响。以最为典型的 MPI 并行程序为例，其性能是 MPI 并行效率和单任务执行效 率的综合反映，并且相互独立。其中，MPI 并行效率取决于通讯优化、大粒度并行、负载平衡等；单任务执 行效率取决于访存效率和流水线效率。每个并行程序的具体性能问题随着程序的不同而不同，也因目标平台 的不同而有所差别，需要通过性能测试去发现。 性能测试是理解程序行为的基础，对识别程序性能瓶颈，了解软、硬件资源利用情况及性能的发挥程度 有重要作用。在程序性能优化过程中，首先必须找出影响程序性能的主要原因，然后有针对性地对应用程序 代码和数据结构进行改进，其中关键在于获取程序性能数据。目前程序性能数据获取方法主要可以分为模型 分析（Model Analysis ）、模拟（sinulation ）和测试（Measurement ）三大类，使用最为普遍的方式是性能测试 方法。性能测试方法在程序实际运行时收集性能数据，然后进行统计分析。基于硬件性能监视机制的性能测 试可以利用处理器中特殊的硬件装置的支持，在程序执行过程中，对机器内部行为进行监视与统计，获得与 体系结构紧密相关的性能数据。这类方法不仅获得的性能数据丰富、可靠，而且速度快、开销小，是目前使 用最为普遍的性能测试方法。 鉴于目前主流的高性能计算机多采用 Intel xeon 系列微处理器，本文以基于 JASMIN 框架实现的 Euler 程序为例，探讨并行程序在 xeon 平台上的性能问题和指令级性能优化方法。文章的其余部分安排如下：第 1 小节介绍实验平台和 xeon Nehalem 体系结构；第 2 小节详细介绍 Euler 程序性能优化的过程和方法；最后给 出结论。 1 Nehalem 体系结构和实验平台 1.1 调试机群软硬件配置 Intel Xeon 系列微处理器是目前高性能计算机采用最多的微处理器，在世界 top500 高性能计算机排行榜 中，80%左右的高性能计算机采用 Xeon 芯片，因此基于 Xeon 平台开展并行程序指令级性能优化研究具有普 遍性，可以推广到其它应用程序的优化过程中。本文实验采用的调试机群是一个由 4 个计算节点组成的小型 机群系统，每个计算节点包含 2 颗主频为 2.93GHz 的 Intel Xeon X5670 微处理器，48GB 共享内存；每颗 Xeon X5670 微处理器包含 6 个 core ，12MB 的共享 3 级 Cache ；每个 core 二级 cache 容量为 256KB ，一级数据 cache 和指令 cache 容量各 32KB 。 调试机群安装的操作系统是 Redhat linux ，内核版本为 2.6.18 。为方便并行程序的调试和优化，调试机群 配备了各种性能分析工具，包括 TAU 、oprofile 、Intel cluster studio/ parallel studio 等，详见表 1。 Table 1 Lists of performance analysis tools 表 1 性能分析工具一览表 名称 支持的性能分析方法 适用范围 oprofile Profile 串行程序, 可以列出所有进程的性能数据 gprof Profile 串行程序或 OpenMP 程序 串行程序及 MPI 并行 Open Speedshop Profile 硬件计数器 程序(不支持 JASMIN 程序) C/Fortran 程序, 用户必须按照 API 要求, 在源程序中插入相应的 PAPI 硬件计数器 PAPI 接口函数 TAU Profile 硬件计数器 Trace 串行程序及并行程序 Intel cluster studio/ parallel C