《英特尔多核编程大赛优化报告》由会员分享，可在线阅读，更多相关《英特尔多核编程大赛优化报告（19页珍藏版）》请在金锄头文库上搜索。
1、 英特尔多核编程大赛优化报告蒋黎首先要感谢CSDN和Intel为我们提供了这么好的学习机会。在比赛的过程中，我对多核体系有了更多的了解，对优化也有了更深的认识。希望能多跟大家讨论，共同进步。我优化的最终结果：单核：0.562s(Celeron 3.06G)双核：0.375s(AMD Athlon 64 X2 Dual 3800+)为了方便阅读，我把优化报告分成了几个部分：概要篇（简述优化思路和方法）源码篇（最终版本的源码）算法篇（分析主要的算法）大赛公布的原始代码:(组织者后来要求计算和输出精度到小数点后7位，这里的输出代码做了相应的调整。)/*computethepotentialenerg
2、yofacollectionof*/*particlesinteractingviapairwisepotential*/#include#include#include#include#include#defineNPARTS1000#defineNITER201#defineDIMS3intrand(void);intcomputePot(void);voidinitPositions(void);voidupdatePositions(void);doublerDIMSNPARTS;doublepot;doubledistx,disty,distz,dist;intmain()inti;
3、clock_tstart,stop;initPositions();updatePositions();start=clock();for(i=0;iNITER;i+)pot=0.0;computePot();if(i%10=0)printf(%5d:Potential:%10.7f ,i,pot);updatePositions();stop=clock();printf(Seconds=%10.9f ,(double)(stop-start)/CLOCKS_PER_SEC);voidinitPositions()inti,j;for(i=0;iDIMS;i+)for(j=0;jNPARTS
4、;j+)rij=0.5+(double)rand()/(double)RAND_MAX);voidupdatePositions()inti,j;for(i=0;iDIMS;i+)for(j=0;jNPARTS;j+)rij-=0.5+(double)rand()/(double)RAND_MAX);intcomputePot()inti,j;for(i=0;iNPARTS;i+)for(j=0;ji-1;j+)distx=pow(r0j-r0i),2);disty=pow(r1j-r1i),2);distz=pow(r2j-r2i),2);dist=sqrt(distx+disty+dist
5、z);pot+=1.0/dist;return0;代码执行时间3.97秒优化报告1-概要篇最终优化版本运行时间：单核：0.562s(Celeron 3.06G)双核：0.375s(AMD Athlon 64 X2 Dual 3800+ 2.01GHz)/优化步骤和执行时间测试系统主要使用使用Celeron 3.06G。每一步优化后均使用VTune分析主要函数的运行情况。多核测试使用AMD Athlon 64 X2 Dual 3800+ 2.01GHz。1 原始代码（4.39s）使用VS2005转化原始的工程文件，编译并运行。用VTune分析，可以看出，性能主要损失在computePot函数以及
6、其子函数上，其中SQRT操作非常耗费时间。2 优化pow为mul（3.156s）容易看到pow(x, 2)等价于x*x。乘法操作比pow要高效很多。用VTune分析，发现computePot函数占用CPU降为19%。3 使用Intel编译器（2.734s）转化工程文件，使用IntelC+编译器。用VTune分析，发现computePot函数占用CPU为99.29%。可以看出，SQRT等函数都被computePot函数囊括在内了。4 使用SSE2指令优化关键运算（2.453s）通过应用SSE2指令，把数据每四组一起进行并发的运算。经检测，每四组进行运算和每两组进行运算效果差不多，这应该是因为FD
7、IV运算单元已经饱和的缘故。时间主要耗费在SQRT和DIV上了。用VTune分析，computePot函数占用CPU为99%。5 迭代运算1/sqrt(x)（0.875s）使用RSQRTPS计算近似值，通过两次迭代求出精确值。必须迭代两次，否则精度不够。用VTune分析，computePot函数占用CPU为98%。6 汇编优化（0.609s）为减少内存读写次数，提高指令并发程度，使用汇编语言进行关键算法优化。每次进行8组数据的运算（sum_rsqrt函数），不足8组的剩余数据单独计算（sum_rsqrt_trailing函数）。用VTune分析，computePot函数及子函数占用CPU约为9
8、8%。7 指令重排（0.578s）优化主要针对sum_rsqrt函数。通过调整指令的运算顺序，增加指令并发度。每次调整都通过VTune查看sum_rsqrt函数的运行时间。重排前，Clockticks为575，重排后Clockticks为524。8 rand函数优化（0.562s）自行实现rand函数，减少系统调用和线程同步的开销。9 双核测试（0.375s）由于条件所限，使用AMD Athlon 64 X2 Dual 3800+作为测试CPU。10 多线程代码（0.375s）自行实现的多线程代码，替代OpenMP。优化报告2-源码篇#include #include #include #in
9、clude #include #include #include #define NPARTS 1000#define NITER 201#define DIMS 3int rand( void );int computePot(void);void initPositions(void);void updatePositions(void);void t_create();void t_destroy();_declspec(align(16) double rDIMSNPARTS;double pot;double distx, disty, distz, dist;int main()
10、int i; clock_t start, stop; initPositions(); updatePositions(); t_create(); start=clock(); for( i=0; i 16) & 0x7fff );const double inv_rand_max = 1.0/(double)RAND_MAX;void initPositions() int i, j; for( i=0; iDIMS; i+ ) for( j=0; jNPARTS; j+ ) rij = 0.5 + ( (double) q_rand() * inv_rand_max );_declsp
11、ec(naked) void updatePositions_sse() static unsigned s_mul1 = 0x343FD; static unsigned s_add1 = 0x269EC3; static unsigned s_mul2 = 0xA9FC6809; static unsigned s_add2 = 0x1E278E7A; static double s_inv_max = inv_rand_max; static double s_half = 0.5; _asm movd xmm0, q_rand_hold movd xmm2, s_mul2 movd xmm6, s_mul1 movss xmm1, xmm0 pmuludq xmm0, xmm6
