软件学报

作者：蔡雨，孙成国，杜朝晖，刘子行，康梦博，李双双

单位：蔡雨，信息技术有限公司,江苏 苏州 2150001\",\"is_contact_author\":\"0\",\"sequence\":\"1,孙成国，信息技术有限公司,江苏 苏州 2150000\",\"is_contact_author\":\"1\",\"sequence\":\"2,杜朝晖，信息技术有限公司,江苏 苏州 2150000\",\"is_contact_author\":\"0\",\"sequence\":\"3,刘子行，信息技术有限公司,江苏 苏州 2150000\",\"is_contact_author\":\"0\",\"sequence\":\"4,康梦博，信息技术有限公司,江苏 苏州 2150000\",\"is_contact_author\":\"0\",\"sequence\":\"5,李双双，信息技术有限公司,江苏 苏州 2150000\",\"is_contact_author\":\"0\",\"sequence\":\"6

关键词：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-performance Linpack）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 library instantiation software）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HygonBLIS算法库.与MKL相比，在异构环境下，HPL算法整体性能提高了11.8%.

来源：2021年第8期

《软件学报》期刊编辑部

查看软件学报杂志2021年第8期