- r - 以节省内存的方式增长 data.frame
- ruby-on-rails - ruby/ruby on rails 内存泄漏检测
- android - 无法解析导入android.support.v7.app
- UNIX 域套接字与共享内存(映射文件)
任务很简单,将一串整型变量写入内存:
原码:
for (size_t i=0; i<1000*1000*1000; ++i)
{
data[i]=i;
};
并行化代码:
size_t stepsize=len/N;
#pragma omp parallel num_threads(N)
{
int threadIdx=omp_get_thread_num();
size_t istart=stepsize*threadIdx;
size_t iend=threadIdx==N-1?len:istart+stepsize;
#pragma simd
for (size_t i=istart; i<iend; ++i)
x[i]=i;
};
性能很糟糕,通过简单的并行化(open mp parallel
) 上面的代码,速度有一点提升,但性能还是很差,在 i7 3970 上用 4 个线程耗时 1.4 秒,用 6 个线程耗时 1.35。
我的设备(i7 3970/64G DDR3-1600)的理论内存带宽是51.2 GB/sec,对于上面的例子,实现的内存带宽只有大约是理论带宽的 1/10,即使应用程序几乎受内存带宽限制。
有人知道如何改进代码吗?
我在 GPU 上编写了很多内存绑定(bind)代码,GPU 很容易充分利用 GPU 的设备内存带宽(例如 85% 以上的理论带宽)。
编辑:
代码由 Intel ICC 13.1 编译为 64 位二进制,并启用了最大优化 (O3) 和 AVX 代码路径,以及自动矢量化。
更新:
我尝试了下面的所有代码(感谢 Paul R),没有什么特别的事情发生,我相信编译器完全有能力进行这种 simd/矢量化优化。
至于我为什么要填写那里的数字,长话短说:
它是高性能异构计算算法的一部分,在设备端,该算法效率很高,以至于多GPU集如此之快,以至于我发现性能瓶颈恰好在CPU尝试将多个数字序列写入内存。
当然,知道 CPU 在填充数字方面很糟糕(相比之下,GPU 可以以非常接近的速度填充数字序列(238GB/秒 288GB/秒 strong> 在 GK110 上与可悲的 5GB/sec(在 CPU 上 51.2GB/sec)到 GPU 全局内存的理论带宽),我可以稍微改变一下我的算法,但让我感到奇怪的是,为什么 CPU 在这里填充数字序列时表现如此糟糕。
至于我的设备的内存带宽,我相信带宽(51.2GB)是正确的,根据我的 memcpy()
测试,实现的带宽约为 80%+ 的理论带宽(>40GB/sec)。
最佳答案
假设这是 x86,并且您的可用 DRAM 带宽尚未饱和,您可以尝试使用 SSE2 或 AVX2 一次写入 2 或 4 个元素:
SSE2:
#include "emmintrin.h"
const __m128i v2 = _mm_set1_epi64x(2);
__m128i v = _mm_set_epi64x(1, 0);
for (size_t i=0; i<1000*1000*1000; i += 2)
{
_mm_stream_si128((__m128i *)&data[i], v);
v = _mm_add_epi64(v, v2);
}
AVX2:
#include "immintrin.h"
const __m256i v4 = _mm256_set1_epi64x(4);
__m256i v = _mm256_set_epi64x(3, 2, 1, 0);
for (size_t i=0; i<1000*1000*1000; i += 4)
{
_mm256_stream_si256((__m256i *)&data[i], v);
v = _mm256_add_epi64(v, v4);
}
请注意,data
需要适当对齐(16 字节或 32 字节边界)。
AVX2 仅适用于 Intel Haswell 及更高版本,但 SSE2 近来非常普遍。
FWIW 我将一个带有标量循环的测试工具放在一起,上面的 SSE 和 AVX 循环用 clang 编译它,并在 Haswell MacBook Air (1600MHz LPDDR3 DRAM) 上对其进行了测试。我得到了以下结果:
# sequence_scalar: t = 0.870903 s = 8.76033 GB / s
# sequence_SSE: t = 0.429768 s = 17.7524 GB / s
# sequence_AVX: t = 0.431182 s = 17.6941 GB / s
我还在一台具有 3.6 GHz Haswell 的 Linux 台式电脑上进行了尝试,使用 gcc 4.7.2 进行编译,得到以下结果:
# sequence_scalar: t = 0.816692 s = 9.34183 GB / s
# sequence_SSE: t = 0.39286 s = 19.4201 GB / s
# sequence_AVX: t = 0.392545 s = 19.4357 GB / s
所以看起来 SIMD 实现比 64 位标量代码提高了 2 倍或更多(尽管 256 位 SIMD 似乎没有比 128 位 SIMD 带来任何改进),并且典型的吞吐量应该比 64 位标量代码快得多5 GB/秒。
我的猜测是 OP 的系统或基准测试代码有问题,导致吞吐量明显降低。
关于c++ - 将整数序列写入全局内存的快速(est)方法?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18403568/
#include using namespace std; class C{ private: int value; public: C(){ value = 0;
这个问题已经有答案了: What is the difference between char a[] = ?string?; and char *p = ?string?;? (8 个回答) 已关闭
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 7 年前。 此帖子已于 8 个月
除了调试之外,是否有任何针对 c、c++ 或 c# 的测试工具,其工作原理类似于将独立函数复制粘贴到某个文本框,然后在其他文本框中输入参数? 最佳答案 也许您会考虑单元测试。我推荐你谷歌测试和谷歌模拟
我想在第二台显示器中移动一个窗口 (HWND)。问题是我尝试了很多方法,例如将分辨率加倍或输入负值,但它永远无法将窗口放在我的第二台显示器上。 关于如何在 C/C++/c# 中执行此操作的任何线索 最
我正在寻找 C/C++/C## 中不同类型 DES 的现有实现。我的运行平台是Windows XP/Vista/7。 我正在尝试编写一个 C# 程序,它将使用 DES 算法进行加密和解密。我需要一些实
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
有没有办法强制将另一个 窗口置于顶部? 不是应用程序的窗口,而是另一个已经在系统上运行的窗口。 (Windows, C/C++/C#) 最佳答案 SetWindowPos(that_window_ha
假设您可以在 C/C++ 或 Csharp 之间做出选择,并且您打算在 Windows 和 Linux 服务器上运行同一服务器的多个实例,那么构建套接字服务器应用程序的最明智选择是什么? 最佳答案 如
你们能告诉我它们之间的区别吗? 顺便问一下,有什么叫C++库或C库的吗? 最佳答案 C++ 标准库 和 C 标准库 是 C++ 和 C 标准定义的库,提供给 C++ 和 C 程序使用。那是那些词的共同
下面的测试代码,我将输出信息放在注释中。我使用的是 gcc 4.8.5 和 Centos 7.2。 #include #include class C { public:
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我的客户将使用名为 annoucement 的结构/类与客户通信。我想我会用 C++ 编写服务器。会有很多不同的类继承annoucement。我的问题是通过网络将这些类发送给客户端 我想也许我应该使用
我在 C# 中有以下函数: public Matrix ConcatDescriptors(IList> descriptors) { int cols = descriptors[0].Co
我有一个项目要编写一个函数来对某些数据执行某些操作。我可以用 C/C++ 编写代码,但我不想与雇主共享该函数的代码。相反,我只想让他有权在他自己的代码中调用该函数。是否可以?我想到了这两种方法 - 在
我使用的是编写糟糕的第 3 方 (C/C++) Api。我从托管代码(C++/CLI)中使用它。有时会出现“访问冲突错误”。这使整个应用程序崩溃。我知道我无法处理这些错误[如果指针访问非法内存位置等,
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 7 年前。
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 要求我们推荐或查找工具、库或最喜欢的场外资源的问题对于 Stack Overflow 来说是偏离主题的,因为
我有一些 C 代码,将使用 P/Invoke 从 C# 调用。我正在尝试为这个 C 函数定义一个 C# 等效项。 SomeData* DoSomething(); struct SomeData {
这个问题已经有答案了: Why are these constructs using pre and post-increment undefined behavior? (14 个回答) 已关闭 6
我是一名优秀的程序员,十分优秀!