HPL环境安装、配置及初步优化方案（报告）

Linpack测试过程

 

本机硬件环境为

Item	Configuration
Server	CPU: Intel Xeon E5-2680 * 2, 2.70GHz, 32 cores
	Memory: 4G *8, DDR3, 1333MHz
	Hard disk: 300G ATA * 1

 

Item	Description	Version
OS	GNU/Linux	RH6.4
Compiler	Intel Composer XE Suites	I_ccompxe_2013_sp1.1.106 I_fcompxe_2013_sp1.1.106
MKL	Intel MKL
MPI	MPI OPENMPI	MPICH-3.04 OPENMPI-1.6.5
HPL	Linpack Benchmark	HPL-2.1

 

 

HPL环境搭建

1.下载 GotoBLAS2.tar.gz

2.解压缩 GotoBLAS2（解压后的文件夹）

3.修改GotoBLAS2 Makefile.rule

去掉注释

VERSION = 1.13 

TARGET = NEHALEM

BINARY=64        /*如果你是用的是64位进行该操作*/

USE_OPENMP = 1

INTERFACE64 = 1

运行GotoBLAS2 中的 建立文件

即: ./quickbuild.64bit /*根据机器环境此处是Linux (64bit)*/

 

MPICH安装

1.下载  mpich.tar.gz

2.将下载的 mpich.tar.gz 解压

tar zxvf mpich.tar.gz

3.建立安装文件夹（此处为setmpich）

mkdir setmpich

4.在解压文件夹mpich中

5./configure --prefix=(要安装的文件夹)

6.make

7.make install

8.导出所需路径(mpich/bin mpich/lib)

vim ~/.bashrc

在最后添加

export PATH=/home/gy/HPL/setmpich/bin:$PATH

export LD_LIBRARY_PATH=/home/gy/HPL/setmpich/lib:$LD_LIBRARY_PATH

/*保存退出（:wq）*/

9.更新配置

source ~/.bashrc

10.检测是否将命令导出成功

which mpirun

如果成功就为会显示你的安装路径.

11.测试

在mpich 解压文件夹中 cd example 

运行hellow

[whj@intel-xeon-phi examples]$ mpirun -np 4 ./hello

Hello world from process 3 of 4

Hello world from process 1 of 4

Hello world from process 0 of 4

Hello world from process 2 of 4

/*安装成功*/

 

下载hpl-2.1.tar.gz

1.解压 (此处存放于hpl)

进入安装文件夹下的 setup，在setup中中找到

Make.Linux_PII_FBLAS

将其放置到上层目录，即为hpl安装目录 ,并且命名为Make.name_str ，name_str是任意后缀

切换到hpl目录

vim Make.name_str 并进行如下配置

ARCH         = name_str

TOPdir       = $(HOME)/HPL/hpl /*改为hpl解压后产生文件夹*/

MPdir        = /home/gy/HPL/setmpich /*改为mpich安装文件夹*/

 

LAdir        = $(HOME)/HPL/GotoBLAS2 /*GotoBLAS2解压文件夹*/

LAinc        =

LAlib        = $(LAdir)/libatlas2.a

HPL_OPTS     = -DHPL_CALL_CBLAS

CC           = /home/whj/HPL/setmpich/bin/mpicc

CCFLAGS      = $(HPL_DEFS) -fomit-frame-pointer -fopenmp -03 -funroll-loops

LINKER       = /home/whj/HPL/setmpich/bin/mpif77

LINKFLAGS = $(CCFLAGS) -nofor main

/*配置完毕后，保存退出*/

2.切换到hpl，安装文件夹下.

make arch=name_str

3.此时查看安装文件夹下bin

会看到有name_str 文件夹

进入 name_str

看到 HPL.dat  xhpl

/*到此为止，就全部安装好了，就可以修改HPL.dat,运行xhpl 进行hpl测试了*/

测试平台为单节点，通过修改HPL.dat中的参数，再使用mpirun -np 2  ./xhpl得到测试结果

 

测试步骤：

优化方案

1 由于测试环境是单节点2CPU的系统，故各个CPU之间的通信就可以通过共享内存进行通信，所以不需要对网络进行选择。

2确定P，Q，测试台比较简单，PQ只有1×2, 2×1两种选择，经测试后发现P×Q=1×2时性能较优。确定P×Q为1×2；

3首先，我们先确定BLAS，并且提取各个BLAS对应的性能较好的NB值。因为测试环境为内存为32GB的服务器，单节点，故初步取N值为58600和58000，NB取值变化的情况下进行测试和比较，确定最佳的BLAS函数库。以下分别为N一定，P×Q=1×2时，Gflops和NB的关系图像。每组的规模的最大取值根据公式 N*N*8=内存容量*80%计算得出。

 

根据图像分析可得，当N=58600，N=128时，测试最大Gflops峰值达到280.7Gflops，同样条件下，使用MKL库比使用GotoBLAS的性能更高。

4 确定MPI库

本测试环境属于单平台的2CPU环境，故刚开始测试时采用OPENMP库，但在实际测试的过程中，由于条件的限制，平台同时供多人使用，使用MPI的峰值反而更高，所以放弃OPENMP，转而使用MPI进行测试。

 

5确定N NB的值

（1）根据上面测试数据，修正矩阵分块参数NB

前几步已经初步定为N=58600，经过不同的NB，发现当NB=128时，Gflops达到最大值。

表格如下：

 

（2）根据上面N的取值，选择不同的参数N进行测试，

 

 

 

Gflops	NB=64	NB=128	NB=256	NB=512
N=40000	221.3	245.9	240.8	234.7
N=57900	232.4	271	269.7	265.5
N=58600	245.7	280.7	271	276
N=58888	239.6	273.1	270.6	258

 

根据表格和图像，我们可以发现N=58888时，系统性能在NB=256时最高,但从整体分析，N=58600时较好。

6其他参数的修订

首先分析并修正非关键参数——分解算法参数组合(PFACTs, RFACTs, NBMINs, NDIVs)

当使用小规模矩阵大小N进行测试时发现，PFACT * RFACT 对于同一矩阵的影响较大，性能最大差距可达到50%，但是随着矩阵规模的增加，差距仍然存在，只是影响较小。当N=58600时，差距仍然存在.

修改HPL.dat文件中的参数，分析得到的文件当WR00C2C4时，Gflops=280.7

此时HPL效率为 280.7/(2*2.7*8)=65.98%

3 # of panel fact

0 1 2 PFACTs (0=left, 1=Crout, 2=Right)

3 #of recursive stopping criterium

2 4 8 NBMINs (>= 1)

3 # of panels in recursion

2 4 8 NDIVs

3 # of recursive panel fact.

0 1 2 RFACTs (0=left, 1=Crout, 2=Right)

 

=============================================================================

T/V                N    NB     P     Q           Time                 Gflops

--------------------------------------------------------------------------------

WR00C2C4       58600   128     1     2           490.90              2.807e+02

HPL_pdgesv() start time Wed Feb 26 05:01:13 2014

 

HPL_pdgesv() end time   Wed Feb 26 05:09:24 2014

--------------------------------------------------------------------------------

||Ax-b||_oo/(eps*(||A||_oo*||x||_oo+||b||_oo)*N)=        0.0019552 ...... PASSED

===============================================================================

 

此时，PFACT=0，RFACT=0，NBMINs取值为2，NDIV取值为4，Gflops为280.7

 

 

问题：

（1）从GotoBLAS换用本机已安装的MKL库，运行mpirun -np X ./xhpl，并无线程开启。

解决：通过查找资料发现，在HPL的Make文件中，LAlib的路径以及参数错误，具体可以在

http://software.intel.com/en-us/articles/intel-mkl-link-line-advisor得到具体的参数。

（2）在调试HPL.dat参数的过程中，为了得到最优的效果，需要大量的测试，但由于条件的限制，总是不能有充足的的时间和资源进行测试。所以先研究HPL的用处和原理，了解每个参数的含义和用处，在测试时更有针对性的调试。

 

 

结果分析

  矩阵的分块大小对计算的影响非常大 ，数据分块如果过大 ，则容易造成负载不平衡；但是如果数据分块过小，则通信开销就会很大，同样会影响计算的整体性能。综合以上考虑，要选取一个比较均衡的数值。

  从测试结果还可以看出，当数组的规模越大，一般来说测试性能就会越好，整体呈上升趋势，但是达到一定阶段后却转而下降。这是因为当数组规模增大时．计算相对于通信的

开销增大，有利于提高机群计算的性能。但是它还有一个重要的制约条件就是内存的大小。当数组增大到超过内存的容量时。测试性能反而会下降,这是因为使用磁盘交换区的性能显 然要远远低于内存的性能.因此适当增加机群系统的内存对于提高机群系统的整体性能是至 关重要的。

 对于本测试平台，关闭超线程可能提高提示效率，但由于条件限制，无法进行验证