我的优化报告和源代码

[housisong]

英特尔最近举办了一次多核平台编码优化大赛，我也参加了这次比赛；大赛代码提交阶段已经结束，所以也可以公开自己的优化过程；

源代码和详细的优化说明:
http://blog.csdn.net/housisong/archive/2007/01/20/1488465.aspx

我实现了很多个版本（包括很多失败的版本，还有很多想到的但没有空余时间去实现的方案；这部分的补充文章还没有完成)，文章只介绍了我的提交过程中的优化的主线；

[flyingdog]

问题：
编译器：Visual Studio 2005支持
#include <emmintrin.h>
_mm_sub_pd
之类的？

[CruelYoung123]

学习

[pipilu1984]

优化效果很不错

可惜没看到你结合Intel提供的那些工具啊

[housisong]

"可惜没看到你结合Intel提供的那些工具啊"

我的AMD CPU 啊:(

[housisong]

"编译器：Visual Studio 2005支持
#include <emmintrin.h>
_mm_sub_pd
之类的？"

恩，vc2005编译器支持； icc也支持；
你查intel的汇编指令文档的时候，都会告诉你对应的函数调用形式；

[huanyun]

转换
double r[DIMS][NPARTS];

double r[NPARTS][DIMS];

应该有一定效果吧!

我也花了不少时间在这上面

[茶禅如水]

huanyun
housisong
flyingdog

学习了你们的代码，很有收获。
如果用icc来编译你们的代码，我想速度其实不差多少在0.0x，呵呵
不知有没有用vc8来编译你们的代码

[茶禅如水]

huanyun 和 housisong 都把那段pow汇编实现了，而flyingdog没有
在icc下pow可以自动向量化，是使用了SSE2，其实达到了同样的效果

我用Vtune看了flyingdog的程序，2个线程分配的极好！有什么经验啊？！

huanyun使用了SetPriorityClass(hProcess, REALTIME_PRIORITY_CLASS);
我用了这个参数，REALTIME_PRIORITY_CLASS
机器就死机了，实时用不好很危险啊！呵呵，不过你的程序很稳定，能介绍一下吗？

[flyingdog]

但是我觉得整个r数组才20来K，对于L1 cache 32K来说，可以算好几乎所有的数据都在L1 cache中。而对于L1 cache的访问，酷睿 2每次访问128bit，延迟都是3周期，写入是2周期。写入可以进去store buffer，所以实际这种强度的写入不占用周期数。读取也因为浮点加和乘耗费了大量的周期，真的到要用数据的时候都已经准备好了。而且酷睿 2支持6条还是8条正向（指针增加）访问的cache 预取。

到是当一个核计算完r数组，另外一个核要用时。即数据在原来核的L1 cache中，并且是改写状态。在酷睿 2的cache结构上，那种访问想访问内存一样。需要几十个周期。

[huanyun]

死机估计是线程调度的问题
我之前也没用这个 后来发现开的软件多了就慢好多
我就加上了 SetPriorityClass(hProcess, REALTIME_PRIORITY_CLASS);
一直也没有发现死机.

[茶禅如水]

我的是单核的，1个进程跑2个线程，
用SetPriorityClass(hProcess, REALTIME_PRIORITY_CLASS);就死机了几乎，因为没反应了。
你的程序在我这上面只能跑1个线程，呵呵！

不知道是不是不能线程数多于cpu数
huanyun你有把你的程序改成3个或更多试验一下吗？

[huanyun]

试过啊 不过非常慢 4秒左右
很多时间都在线程切换上了

[flyingdog]

to zidongli
有关我的程序的并行化说明，请看
http://blog.csdn.net/flyingdog/archive/2007/01/21/1489183.aspx

[茶禅如水]

谢谢了，呵呵

[sjjf]

mark

[flyingdog]

哦。intel的文档中有对应的函数形式我知道。
但是我一直以为这个是icc特有的。
没想到vc2005也支持。

[赖勇浩]

vc6都支持的，只不过你需要下载相应的SP包而已。

[huanyun]

感觉housisong(HouSisong) flyingdog(flyingdog)以及我自己的优化方式很像啊
都是_mm_rsqrt_ps一次float迭代 一次double迭代

^_^
甚至我和housisong(HouSisong)的线程任务分配都很相似是根据CPU个数动态计算的

[housisong]

其实这次的竞赛还是比较简单的；
最优方案路径很多人可能都能一眼看出来； (我走了一个弯路，跑去用代码的复杂性换取内存的顺序读取，后来发现，这完全没有意义:) 不过对于flyingdog的代码应该有效)

还是喜欢那种有一定复杂性的题，允许自己设计算法的那种:) ，但问题也不能太过复杂(时间耗不起）

拼代码级的优化好像在干体力活，呵呵

[flyingdog]

为什么说对于我的代码应该有效？


的确像是在拼体力活。太累了。