异构HPL算法中CPU端高性能BLAS库优化全文替换

作者：蔡雨; 孙成国^*; 杜朝晖; 刘子行; 康梦博; 李双双

来源：软件学报, 2021, 32(08): 2289-2306.

DOI：10.13328/j.cnki.jos.006002

• BLAS
• 遗传算法auto-tuning
• 向量化指令
• 数据预取
• 多线程并行

异构HPL(high-performanceLinpack)效率的提高需要充分发挥加速部件和通用CPU计算能力,加速部件集成了更多的计算核心,负责主要的计算,通用CPU负责任务调度的同时也参与计算.在合理划分任务、平衡负载的前提下,优化CPU端计算性能对整体效率的提升尤为重要.针对具体平台体系结构特点对BLAS(basic linear algebra subprograms)函数进行优化往往可以更加充分地利用通用CPU计算能力,提高系统整体效率.BLIS(BLAS-like libraryinstantiationsoftware)算法库是开源的BLAS函数框架,具有易开发、易移植和模块化等优点.基于异构系统平台体系结构以及HPL算法特点,充分利用三级缓存、向量化指令和多线程并行等技术手段优化CPU端调用的各级BLAS函数,应用auto-tuning技术优化矩阵分块参数,从而形成了异构环境下优化的BLIS算法库HBLIS.与MKL相比,HPL整体性能提高了11.8%.