使用petsc4py与c / c ++ / fortran的效率

11

petsc4py比c / c ++ / fortran慢多少？

我意识到这将在很大程度上取决于正在执行的代码，但是像矩阵向量乘积这样简单的东西呢？

petsc python

11

这是科学编程界普遍关注的问题，我认为性能不确定性是计算科学中的主要“神话”之一。

正如@fcruz所讨论的，它petsc4py是PETSc库的包装，而不是Python中对PETSc的重新实现。因此，您可能会因为复制阵列与PETSc之间的复制或来自驱动程序代码/函数调用的开销而导致性能下降。petsc4py只要您了解numpy多维数组接口，可以避免复制开销。对于我从事的大多数用例，在Python中工作的性能损失约为10-40％，而且我经常以其他方式获得实质性收益，而这些收益远远不能弥补这种性能损失。实际上，与我交谈过的一些经验丰富的HPC Python开发人员认为，这种性能差异通常可以进一步减小，并且当Python驱动计算量很大的代码时，肯定会发生这种情况。

该petsc4py库本身有许多有用的例子来说明的性能/灵活性折衷。在petsc4py源代码库中查找名为的演示perftest，该演示使用Python驱动程序和C驱动程序（通过App.f90该目录中提供的Fortran内核）解决了非线性方程组。这里的性能开销约为10％。

举一个具体的例子，我是PyClaw科学家团队的成员，PyClaw是一个软件包，可与PETSc进行并行网格管理，而传统的Fortran内核则可解决单元界面上的Riemann问题。我们对从Fortran驱动程序切换导致的性能下降进行了相当仔细的研究，您可以在会议论文表1的第5页底部看到结果。在我们的案例中，我们在内核性能上进行了一些折衷，以换取将代码轻松连接到PETSc和Fortran并在成千上万的内核上并行高效运行的能力。

— 阿伦·艾玛迪亚（Aron Ahmadia）
source

小型的非结构化代码也有类似的问题。PETSc仅提供数据结构和求解器，但在PETSc可以组装和求解之前，我仍然必须读入网格（最多4GB输入文件），分区，创建映射，循环遍历元素，计算局部（单元）刚度矩阵等。。对于非PETSc相关的东西，特别是I / O，映射和元素级别计算，python不会慢一些。因为其余的代码仍然很简单。

— stali 2012年

元素级计算通常作为内核传递（请参阅参考资料中的App.f90源代码perftest）。I / O没有性能差异。您是否看过FEniCS以获得更高级别的软件包？

— 阿隆·艾玛迪亚

你是对的。我确实有这个主意，但是在我的特殊情况下，有很多这样的内核（用于不同类型元素的形状函数，元素级计算，映射等），大约占代码的90％。我曾经看过Fenics，许多细节，例如处理外部网格物体和强加BC等，乍一看还是不太清楚，或者看起来更复杂（至少对我而言）。此外，我使用Fortran，对于像我这样的非CS人员来说，使用起来非常简单（考虑到出色的PETSc文档）。实际上，对于我的工作，我发现它比python :)更容易。

— stali 2012年

7

Petsc4py只是访问PETSc的另一种方法，但是是从python进行的，或者说，petsc4py提供了绑定，因此，从python，您可以访问PETSc数据结构和例程，以减少开发并行PDE求解器的工作量（该比例）。

PETSc为求解器提供了多个抽象级别，您甚至可以使用PETSc来实现自己的求解器。在最低的软件抽象级别上，PETSc使用BLAS，LAPACK和MPI，并且充其量只能与它们的实现一样快。

现在，pets4py使用cython来实现与PETSc的绑定。使用cython的开销与要从PETSc中进行多少计算有关。如果使用PETSc的高级PDE求解器，则开销应该足够小，以至于不必担心它们。

与PETSc与GEMV的性能比较相比，一个可能更重要的问题是PETSc是否是适合您工作的工具。如果您需要实现非平凡的并行PDE求解器，那么PETSc很可能会真正为您提供帮助。但是，如果需要执行大量GEMV操作，则需要一个BLAS库。祝好运！

— 弗鲁兹
source