摘要
摘要
在科学研究和技术创新快速迭代的驱动下,全球算力需求正以指数级增长。
因此,多核架构的不断普及,核心数量不断增加。在高性能计算领域,程序的执
行时间往往受到计算热点代码的显著影响,随着硬件核心数量的迅速增多,优化
程序中的循环热点已成为充分发挥高性能计算硬件潜力的关键。OpenMP作为主
流的共享内存并行编程模型,其静态(static)、动态(dynamic)和指导(guided)
调度策略在动态负载场景下存在负
摘要
摘要
在科学研究和技术创新快速迭代的驱动下,全球算力需求正以指数级增长。
因此,多核架构的不断普及,核心数量不断增加。在高性能计算领域,程序的执
行时间往往受到计算热点代码的显著影响,随着硬件核心数量的迅速增多,优化
程序中的循环热点已成为充分发挥高性能计算硬件潜力的关键。OpenMP作为主
流的共享内存并行编程模型,其静态(static)、动态(dynamic)和指导(guided)
调度策略在动态负载场景下存在负
文档评论(0)