科学代码性能的基本结构是什么？

考虑两台具有不同硬件和软件配置的计算机。在每个平台上运行完全相同的序列Navier-Stokes代码时，分别需要花费x和y的时间分别为计算机1和2执行一次迭代。在这种情况下，是计算机1和计算机2之间的迭代时间差。 $\Delta = x-y$

可能会影响的大小？一个明显的候选者是CPU，我的主要问题是，是否还有其他因素可能会影响与CPU之间的硬件差异相同？ $\Delta$ $\Delta$

performance iterative-method navier-stokes

— 等腰振荡
source

当然，您的

只是一个样本。您还应该研究

如何取决于问题的大小和结构。其次，我建议对代码进行概要分析，尝试将

和

分成不同的贡献之和，并针对hw和sw配置分析代码不同部分的性能。

Δ

$\Delta$

Δ

$\Delta$

x

$x$

y

$y$

— Stefano M

排队小姐。那是要考虑的第一件事。内存是许多算法的瓶颈因素。

— Deer Hunter

Answers:

这个列表还远远不够完整，但是希望它的大小能够提示可能因素的规模。我假设您正在从所选平台上的源代码编译代码。

软件

标准库性能
林海藻库性能（如果软件链接到外部库）
编译器选择
编译器优化
编译器标志
后台进程（如果操作系统不同，可能会有很大不同）

硬件

中央处理器

时钟速度
架构（同一指令在不同架构上可能需要不同数量的周期）
快取大小
缓存延迟
SIMD（单指令，多数据）功能

记忆

通道数
速度

硬碟

读/写速度（主要仅对写入结果很重要，因此，这取决于您为NS解算器将输出写入文件的频率，但对执行诸如图像处理之类的其他程序可能很重要）

所有这些都忽略了不同制造商提供的小技巧和功能，以使他们的芯片在市场上占据优势。不过，最大的问题是许多稀疏的线性代数库都受内存限制。进行稀疏矩阵乘法会涉及大量数据的移动，而实际触发器并不多。

— 戈德里克·先知
source

我要在CPU中增加内核数量及其SIMD功能。

— 2013年

@Pedro由于问题是串行求解器，因此我不再使用内核，但是我将添加SIMD。谢谢。

— Godric Seer 2013年

@GodricSeer我在一台机器上编译然后运行它。然后，使用相同的编译可执行文件，在第二台计算机上运行它。根据您的解释，似乎最好在第二台计算机上从源代码进行重新编译。是这样吗

— 等腰波振荡

@IsopycnalOscillation在特定机器上/针对特定机器进行编译时，可以使用gcc / gfortran选项-march=native或icc / ifort选项-xHOST，这将对基础体系结构进行特定的优化。

— Pedro

这里的关键是计算机性能不是一维量。上面列出的Godric的所有因素之间的相对平衡可能会有很大的不同，即使对于具有相同制造商（例如Intel）的处理器芯片的计算机也是如此。因此，不同的基准可以显示两个处理器的性能比非常不同。实际上，大多数现代机器都严重缺乏支持科学计算工作负载的内存带宽，这通常是瓶颈。

— Brian Borchers

$x/y$ $x-y$

其次，您的问题明确排除了软件差异。以我的经验，仔细调整可能会提高性能，因此考虑硬件问题时，请不要忘记软件问题。毕竟，硬件只能执行您给出的指令，如果少给它，它将更快完成。

不必在此扩展太多，但是对于任何给定的问题，都有无数个可以解决该问题的程序。在这些方法中，有些方法所花费的时间少于所有其他方法，这是一个下限。如果未对程序进行仔细调整，请不要认为任何程序处于此下限甚至附近。

该链接详细说明了我使用的非传统方法。

— 迈克·邓拉维
source