应用Core Bound占比较高

现象

应用运行时，如发现应用Core Bound占比较高，可通过调整运算操作或变量精度，减少资源消耗。

调优思路

使用鲲鹏DevKit系统性能分析的HPC应用分析发现问题点，对运算操作及变量的精度进行微调，以便达到减少资源消耗的目的。

操作步骤

1. 准备示例源码core_bound.c并进行编译。

   gcc core_bound.c -O3 -o core_bound -fopenmp -lm

2. 使用鲲鹏DevKit系统性能分析执行HPC应用分析任务。

   表1 任务配置参数说明

   参数	说明
   分析对象	应用
   应用路径	输入程序所在的绝对路径，例如本示例将代码样例放在服务器“/opt/testdemo/core_bound”路径下。
   分析类型	HPC应用分析
   采集模式	OpenMP模式；本示例主要是对OMP的应用进行分析。
   分析模式	统计分析
   采样模式	Summary模式
   采样时长	默认

3. 查看任务结果。

   观察Top-Down各项指标，发现其中Core Bound占比为87.4%，远高于其他指标比率。

   图1 HPC Top-Down
   
4. 进一步观察热点函数，同时对源码进行分析。

   热点函数CoreBoundBench_OPT存在sdiv操作，导致core bound占比较高。

   void CoreBoundBench()
   {
       int i;
       __asm__ volatile(".rept 3   \n\t"
       "nop       \n\t"
       ".endr");
       __asm__ volatile("mov x12, 2");
       for (i = 0; i < INTRA_LOOP_SIZE; i++) {
           __asm__ volatile("sdiv x11, x11, x12");
       }
   }

5. 源码优化。

   在源码内对关键函数CoreBoundBench_OPT进行修改，利用移位操作代替除法操作，从而减小core bound占比。

   void CoreBoundBench_OPT()
   {
       int i;
       __asm__ volatile(".rept 3   \n\t"
       "nop       \n\t"
       ".endr");
       for (i = 0; i < INTRA_LOOP_SIZE; i++) {
           __asm__ volatile("lsr x11, x11, #1");
       }
   }

6. 将修改后源码重新编译。

   使用1中的命令重新编译应用并使用工具进行分析。

优化效果

优化后，应用执行时间缩短，同时Core Bound占比由87.4%下降为0.11%。