type
status
date
slug
summary
tags
category
icon
password
下面ppt来源于超算中心Theta的介绍。
先运行amplifier snapshot，再针对各部分profile
第一步 VTune Amplifier
该工具不对代码逐行分析，只分析计数器
猜测该项目集成到了snapshot，但是不知道为什么不包括mpi
Advisor
现代HPC处理器不同层次的并行：core、in core
roofline 指示了代码的可能提升空间
memory 指示了依赖和需要的数据结构依赖
cache aware roofline
上限由存储带宽等级决定，上下由SIMD指令决定，roofline指示了可能的提升
- scalar 线以下，缺少向量化
- 距离向量化极限较远——向量化效率较低，遵循指导来提高。
- 到达向量化极限但未到达指令乘加极限，altering code或编译flag来include FMA usage
- 访存瓶颈：MAP分析，使用任何可能的cache 优化；当cache优化困难时，尝试reworing 算法来提高AI（algorithm intensity）
example: nobody demonstration
summary:
survey report
包含编译器transformation
code analythice
访存特征分析
处理器每次访问内存会读取64byte数据，当你只使用其中8byte就会造成浪费，也会造成更高的cache flash和miss
编译器可能在为循环自动向量化时生成gather/scacher指令，但正如前面所说，这并不代表内存真的只访问了所需要的部分，整块内存还是被读到缓存行中
AOS：array of structure 指向结构体
SOA：structure of arrays 结构体包含指针
advisor 会告诉你有gather，但不会告诉你怎么解决以及SOA AOS这些东西。
世事难料
当你做出符合期望的修改后可能发现程序运行的更慢了。
这并不是浪费时间，你会发现现在不向量化了，advisor会告诉你为啥没有向量化，编译器不会对依赖循环自动向量化
advisor有时会告诉你依赖要如何解决
当解决依赖后就会发现程序性能得到大幅提高
多线程化
为了指出多线程的的优化点，需要在代码中include一些东西
56%算不上好，但可能需要提高任务规模
thread roofline
图中的线是可以修改为单线程或slot
VTune
当我们结束向量化和多线程的工作，我们需要node级别的profile. memory /multi socket /
HPC performance
他个人常用的
包括openmp 和 mpi
memory access
把一些不常访问的数据放在DDR4而非HBM
orange overhead
green idle
没有足够的工作给每个线程，可以看出访存瓶颈
python source code view
一些调整参数
收集结果慢
数据太多
跟踪mpi
可以试试用emon来测试这些功能。