实验室周报告.pptVIP

实验室周报告 刘尧 2017.10.13 矩阵存取顺序 在科学计算中，经常遇到多维数组、矩阵或者类矩阵结构。数据访问是一个关键问题： 基于cache行的内存布局和任何多维数据结构间的映射必须与数据读取与存储的顺序相配。 间隔 N 访存 1 do i=1, N do j=1, N A(i, j)=i*j end do 5 end do 间隔 1 访存 1 for (i=0; iN; ++i) { for (j=0; jN; ++j) { a[i][j]=i*j; } 5 } Fortran语言代码示例 C语言代码示例 (1,1) [ (1,2) (1,3) (1,4) (1,5) [ ] (2,1) (2,2) (2,3) (2,4) (2,5) (3,1) (3,2) (3,3) (3,4) (3,5) (4,1) (4,2) (4,3) (4,4) (4,5) (5,1) (5,2) (5,3) (5,4) (5,5) 矩阵按列存储策略 Fortran语言使用这种策略。 在内存中矩阵列被连续存储 假定cache行包含四个矩阵元素（使用中括号表示） [ ] [ ] [ ] [ ] [ ] [0] [0] [ [0] [1] [0] [2] [0] [3] [0] [4] [ ] [1] [0] [1] [1] [1] [2] [1] [3] [1] [4] [ ] [2] [0] [2] [1] [2] [2] [2] [3] [2] [4] [ ] [3] [0] [3] [1] [3] [2] [3] [3] [3] [4] [ ] [4] [0] [4] [1] [4] [2] [4] [3] [4] [4] [ ] [ ] 矩阵按行存储策略，C语言使用这种策略。在内存中矩阵行被连续存储 假定cache行包含四个矩阵元素（使用中括号表示） 计算并行性 数据并行性 功能并行性 数据并行性 科学计算中许多问题都涉及大量实验数据的处理，如果计算可以被并行执行，即多处理器的不同的数据上进行并行计算，则称为数据并行。 P1 P2 do i=1, 500 a(i)=c*b(i) end do do i=501, 1000 a(i)=c*b(i) end do do i=1, 1000 a(i)=c*b(i) end do 循环中的所有迭代分布到两个处理器P1和P2上并行执行 通信开销与数据依赖 通信开销的计算与数据依赖的局部性密切相关。通信开销随着信息传递路径的增加而线性增加。 比如为了得到某个量相对于坐标的一阶或二阶导数，仅需要相邻子域信息，一般是宽度为1的通信层。 二维Jacobi区域 二维Jacobi区域行块划分分解算法 区域分块算法最优通信情况 区域分解方法的优势之一是如果问题规模增长N倍则域边界比域容量增长慢这种分解方法解决问题规模扩大时通信瓶颈的问题 功能并行性 一个庞大的数值问题的求解可以分为许多个相互独立的子任务，子任务之间是通过数据交换和同步协同工作的，这些子任务在不同的数据集上执行不同的代码。 当不同的子任务有不同的性能特征或者不同的硬件需求时，容易导致性能瓶颈或负载不均衡等问题。 功能并行就是给不同的核分配不同类型的任务 负载不均衡 在提高并行效率时，侧重点都在硬件细节和所采用的并行方法的缺点与不足上（如通信开销、同步丢失、带宽瓶颈等），而负载不均衡往往被忽略。 大量资源没有充分利用 时间 work work work work wait wait wait 同步点 资源低效利用只有一个，可接受 时间 work work work work wait 同步点 为了更好的解决功能并行化问题，需要进行小规模模拟实验，通过任务监测和分配策略的调整来实现最优后，再进行规模扩展的模拟计算。 能源领域超算项目的研究 针对能源领域中，地质数据的各向异性介质，研究面向E 级计算平台研究适合大规模三维地震资料处理的各向异性数据时的模块分解； 如何充分利用E 级计算机的强大计算能力，解决大规模三维实际地震资料应用的计算瓶颈问题，是本项目的研究重点。 弹性波模拟流程 基于C语言，以MPI为节点间并行方法，主要在偏移和正演的单炮层次上实现粗粒度并行； 以OpenMP为节点内多GPU协同并行方法，实现节点内基于GPU计算的中等粒度的并行； 以OpenMP为并行方法，在差分运算、成像等具体实现环节实现的CPU并行运算； 在差分运算、成像等具体环节实现基于GPU多核的并行运