鲲鹏社区首页
中文
注册
开发者
支持
我要评分
文档获取效率
文档正确性
内容完整性
文档易理解
提交
在线提单
论坛求助

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。
    1
    		 
    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OpenMP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. 分析源码。

    函数CoreBoundBench存在sdiv操作，导致core bound占比较高。

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
    		 
    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. 优化源码。

    修改函数CoreBoundBench为CoreBoundBench_OPT，利用移位操作代替除法操作，从而减小core bound占比。

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
    		 
    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");
    }
}
    在main函数中将函数CoreBoundBench注释，并取消函数CoreBoundBench_OPT的注释。 
     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
    		 
    int main()
{
    uint64_t ts_start = GetTime_ns();
    int i;
    for (i = 0; i < LOOP_SIZE; i++) {
        //CoreBoundBench();
        CoreBoundBench_OPT();
    }
    uint64_t ts_end = GetTime_ns();
    printf("Total Cost Time = %f ms\n", (ts_end - ts_start) / 1000000.0);
    return 0;
}
  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%。