Lammps性能优化

Lammps算法分析

Lammps的计算过程可分为一下4个步骤：

1. 找到一个合适的原子间势能（力场）文件，也可以去网站下载现有的势能文件。

   下载链接：https://www.ctcms.nist.gov/potentials/

2. 编辑input输入文件。
3. 计算。可以大规模GPU集群上进行后处理计算。
4. 后处理。对计算结果进行后处理。

接下来基于metal算例进行测试，测试服务器搭载2*鲲鹏920 7260处理器，2*NVIDIA A100 GPU，软件栈如下所示。

MPS优化

通过性能特征分析发现GPU利用率比较低，GPU的功耗也没有达到最高，因此考虑使用MPS服务，NVIDIA多进程服务（MPS）是一种使多个CPU进程提交的计算内核能够在同一GPU上同时执行的工具。这种重叠可能实现更彻底的资源使用和更好的总体吞吐量。而且测试发现，当进程数为30时负载均衡最佳。使用MPS还可以通过更有效地重叠硬件资源利用率和更好地利用基于CPU的并行性，在多个GPU之间实现应用程序的强大扩展。

GPU编译选项参数优化

跨卡优化

默认情况下两张卡都共用一个CPU，因此会抢占PCIE总线，造成不必要的资源冲突，因此需要固定CPU各使用一张卡，如下图所示。

kernel代码优化

针对热点Kernel（k_eam_fast）代码，根据采集的特征分析发现存在数据依赖（stall long scoreboard）和重复计算的问题，如下所示。

1. 通过Nsight Compute工具分析发现535和536行存在数据依赖，将变量移至shared memory中处理。

   

   优化前：

   for ( ; nbor<nbor_end; nbor+=n_stride) {
         int j=dev_packed[nbor];
   j &= NEIGHMASK;

   优化后：

   for ( ; nbor<nbor_end; nbor+=n_stride) {
         __shared__int j;
   j=dev_packed[nbor];
   j &= NEIGHMASK;

2. 减少重复计算。

   优化前：

   f.x+=delx*force;
   f.y+=dely*force;
   f.z+=delz*force;
   if (EVFLAG && eflag) {
   energy += phi;
   }
   if (EVFLAG && vflag) {
   virial[0] += delx*delx*force;
   virial[1] += dely*dely*force;
   virial[2] += delz*delz*force;
   virial[3] += delx*dely*force;
   virial[4] += delx*delz*force;
   virial[5] += dely*delz*force;
   }

   优化后：

   acctyp4 t1;
   t1.x=delx*force;
   t1.y=dely*force;
   t1.z=delz*force;
   f.x+=t1.x;
   f.y+=t1.y;
   f.z+=t1.z;
   if (EVFLAG && eflag) {
   energy += phi;
   }
   if (EVFLAG && vflag) {
   virial[0] += delx*t1.x;
   virial[1] += dely*t1.y;
   virial[2] += delz*t1.z;
   virial[3] += dely*t1.x;
   virial[4] += delx*t1.z;
   virial[5] += delz*t1.y;