矢量化和并行化Xeon Phi

Question

我正在寻找一个简单的例子，在Xeon Phi上使用矢量化和并行化，这比只有Xeon有更好的性能。你能帮帮我吗？

我正在尝试下一个例子。我评论第14,18和19行仅用于Xeon的运行并且为Xeon-Phi解开这些，但只有-Xeon比Xeon-phi具有更好的性能

select distinct ProductID from Table2

Answer 1

关于自动向量化的第一句话。自动向量化的优点是简单。您需要设置一些关键字而不是魔术，编译器会为您制作快速代码。如果您想这样做，请尝试manual。

这种方法的缺点是没有简单的方法来理解编译器如何使他的工作。在矢量化报告中，您将看到＆＃34; LOOP WAS VECTORIZED＆＃34;或者＆＃34;循环没有被矢量化＆＃34;。但是如果你想真正理解你的代码是如何工作的，唯一的方法就是查看你的程序集。这不是装配的问题。您需要使用read_file.read().rstrip()编译程序。但我想如果你需要阅读汇编来检查＆＃34;简单的自动向量化＆＃34;方法起作用并非如此简单。

自动向量化的替代方案是内在函数（实际上，这不是单一替代方案）。想想像C函数包装的内部函数一样的内在函数。许多内在函数内部包装单个汇编命令。

我建议使用此intrinsics guide。

所以我的简单步骤：

1. 制作单线程参考实现。您将使用它来检查内在函数版本的正确性。
2. 实施SSE内在函数版本。 SSE内在函数更简单，可以在Xeon上进行测试。
3. 为Xeon Phi实施AVX-512版本。
4. 测量你的速度。

让我们用你的程序来做。 您的计划有很多不同之处：

1. 我使用float而不是double。
2. 我使用_mm_malloc代替posix_memalign。
3. 我想n除以16而没有余数（AVX-512向量寄存器中有16个浮点数）。在这个例子中，我没有使用环剥离。
4. 我使用纯模式而不是卸载模式。 KNL是可启动的，因此不再需要使用卸载模式。
5. 另外我认为你的程序不正确，因为它在一个时刻修改了几个线程的c数组。但是让我们认为它并不重要，我们只需要一些计算工作。

我的代码工作时间：

Intel Xeon 5680

• 参考计算时间：97.677505秒
• Intrinsics计算时间：6.189296秒

Intel Xeon Phi（KNC）SE10X

• 参考计算时间：199.0秒
• 内在化学计算时间：2.78秒

代码：

-fcode-asm