MKL中VML相关函数效率一般能提高多少？

[xiongzm]

在MKL中vdCos, vdSin, vdSqrt这些函数一般效率能提高多少？由于这次优化大赛，我才真正用了MKL，想了解一下她的威力到底有多大，在自己的计算中是否用得上。下面是个人的一点体会，错误的地方请大家指出。后面还有一段代码，我想优化一下，大家有什么想法。

单个的调用这些函数似乎效率不高，而进行组调用的时候效率能提高一些。但是，比如对一个数组进行sqrt计算，我做过一个实验，并不是这个数组长度越大（例如：把多层循环中的数都收集到一起再vdSqrt计算）整体效率就越大；相反，我的结论好像是在每层循环结束的时候进行VML函数调用效率较高。

下面这段代码是自己的分析程序中的一部分，我想用VML函数优化一下sqrt函数（不用多线程话，这部分代码是MPI并行中的部分)，不知道有哪些方案。

P.S. 其中的关键部分数据大概如下：ppoints=10, itime < 6000, nbeads = 10000

for ( ipoint = 0; ipoint < ppoints; ipoint++ )
{
t = (int)( pow(10.0, logstart+(ipoint+ myid*ppoints)*logstep)/steptime);

for ( irecord = 0; irecord < nrecords; irecord++ )
{
gr0[irecord] = 0.0;
gurt[irecord] = 0.0;
}

for ( itime = 0; itime < nsteps-t-1; itime++ )
{
for ( ibead = 0; ibead < nbeads - 1; ibead++ ) // ibead of the chain
{
pdata_i = data + itime * nbeads + ibead;
pdata_i_t = data + ( itime + t ) * nbeads + ibead;
dx = pdata_i_t->rx - pdata_i->rx;
dy = pdata_i_t->ry - pdata_i->ry;
dz = pdata_i_t->rz - pdata_i->rz;
mui = dx*dx + dy*dy + dz*dz;
mui = sqrt(mui);

for( jbead = ibead + 1; jbead < nbeads; jbead++ )
{
pdata_j = data + itime * nbeads + jbead;
dx = pdata_i->rx - pdata_j->rx;
dy = pdata_i->ry - pdata_j->ry;
dz = pdata_i->rz - pdata_j->rz;

dx = dx - xprd * anint(dx/xprd);
dy = dy - yprd * anint(dy/yprd);
dz = dz - zprd * anint(dz/zprd);

rijsq = dx * dx + dy * dy + dz * dz;

if ( rijsq < rangeRDF * rangeRDF )
{
rij = sqrt( rijsq );
bin = (int)( rij / deltaR );

gr0[bin] += 1.0;

pdata_j_t = data + (itime+t)*nbeads + jbead;
dx = pdata_j_t->rx - pdata_j->rx;
dy = pdata_j_t->ry - pdata_j->ry;
dz = pdata_j_t->rz - pdata_j->rz;
muj = dx*dx + dy*dy + dz*dz;
muj = sqrt(muj);

gurt[bin] += (mui * muj);
}

} // for jbead
} // for ibead

} // for itime


musum = 0.0;
musqsum = 0.0;

for ( itime = 0; itime < nsteps-t-1; itime++ )
{
for ( ibead = 0; ibead < nbeads; ibead++ )
{
pdata_i = data + itime * nbeads + ibead;
pdata_i_t = data + (itime+t)*nbeads + ibead;
dx = pdata_i->rx - pdata_i_t->rx;
dy = pdata_i->ry - pdata_i_t->ry;
dz = pdata_i->rz - pdata_i_t->rz;
rijsq = dx*dx + dy*dy + dz*dz;

musum += sqrt(rijsq);
musqsum += rijsq;
}
}

musum /= ( nbeads*(nsteps-t-1) );
musqsum /= ( nbeads*(nsteps-t-1) );

} // for ipoint

[zjmzs]

我也发现，不是越多越好。。和楼主差不多，是一次循环调用一次效率比较高。全部放在一起反倒慢了。用vtune查了一下，有部分cpu用在chestack上面了。如果使用全局变量。依然慢一些。。有点没搞懂，还得继续测试一下。

[IntelPerLib]

单个的调用这些函数似乎效率不高，而进行组调用的时候效率能提高一些。但是，比如对一个数组进行sqrt计算，我做过一个实验，并不是这个数组长度越大（例如：把多层循环中的数都收集到一起再vdSqrt计算）整体效率就越大；相反，我的结论好像是在每层循环结束的时候进行VML函数调用效率较高。
---------------------------------
VML是向量化函数, 需要传入一组数据(向量数据)进行调用. 一般来说, 向量的长度较长的时候(n>100), 效率比较高.

楼主能不能将程序稍微说明一下, 这里高手还是很多, 路过的时, 可以给些意见...呵呵.