计算机工程与科学

作者：付晓, 苏醒, 董德尊, 钱程东

单位：1.国防科技大学计算机学院，湖南 长沙 410073；2.飞腾信息技术有限公司，天津 300459

关键词：稠密线性求解器,LU分解,fork-join模型,task-based模型,众核CPU,

基金：国家重点研发计划（2022YFB4501702）;湖南省自然科学基金杰出青年基金（2021JJ10050）

稠密线性求解器在高性能计算和机器学习等领域扮演着重要的角色。其典型的并行算法实现通常构建在著名的fork-join或task-based编程模型之上。尽管采用fork-join模型的主流稠密线性代数库能将大部分的计算转移到高度优化、高性能的BLAS 3例程上，由于fork-join不灵活的执行流，它们仍然未能高效地利用众核CPU的计算资源。采用task-based编程模型的开源库能实现更加灵活、负载更均衡的算法，因此能获得明显的性能提升。然而，在众核CPU平台上，尤其是对于中等矩阵规模的问题而言，它们仍然有较大的优化空间。对稠密线性求解器的性能进行了全面的测评，以定位性能瓶颈，并提出了2种优化策略，以提高程序性能。具体地，通过重叠LU分解和下三角求解的计算过程,减少同步开销线程的空等，从而提高算法的并行性；进一步通过减少冗余的矩阵打包操作，降低算法的访存开销。分别在2个主流的众核CPU平台（Intel? Xeon Gold? 6252N（48核）和HiSilicon Kunpeng 920（64核））上进行了性能评估。实验结果表明，该优化的稠密线性求解器在上述两个CPU平台上，相比最佳开源实现分别取得了10.05%（Xeon）和13.63%（Kunpeng 920）的性能提升。

来源：2024年第6期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第6期