Hướng dẫn: Intel Advisor

Mục lục

1. Giới thiệu
2. Tối ưu hóa mã HPC 2.1. Nhận diện các hạn chế của trình biên dịch Intel 2.2. Nhận diện các hạn chế khác thông qua các công cụ đồ họa
3. Áp dụng Little Advisor để tối ưu mã nguồn 3.1. Cải tiến mã nguồn dựa trên các gợi ý của Little Advisor 3.2. Sử dụng Room Line Model để cải thiện hiệu suất ứng dụng
4. Cải tiến trình biên dịch Intel Compiler 4.1. Sử dụng pragma để hướng dẫn trình biên dịch 4.2. Cải thiện hiệu suất bằng cách thay đổi cấu trúc dữ liệu
5. Sử dụng Room Line Model để phân tích hiệu suất ứng dụng 5.1. Phân tích mức độ phức tạp tính toán 5.2. Xác định giới hạn hiệu suất do đọc/ghi bộ nhớ

1. Giới thiệu

Xin chào! Trong video này, chúng ta sẽ tiếp tục với phần thứ Hai của xưởng tối ưu mã HPC. Chúng ta sẽ tìm hiểu cách xác định các hạn chế hiệu suất không chỉ thông qua trình biên dịch của Intel mà còn thông qua các công cụ đồ họa trong bộ công cụ dành riêng cho việc nghiên cứu hiệu suất. Chúng ta sẽ tìm hiểu cách Little Advisor có thể đưa ra các gợi ý cải tiến mã nguồn và Room Line Model sẽ giúp chúng ta hiểu được mức độ tối ưu hóa hiệu suất của ứng dụng.

2. Tối ưu hóa mã HPC

2.1. Nhận diện các hạn chế của trình biên dịch Intel

Trong phần này, chúng ta sẽ đi từ ví dụ đã được thảo luận trong video trước đó, đó là ví dụ về N-body, để xác định các hạn chế hiệu suất không chỉ thông qua trình biên dịch Intel Compiler mà còn thông qua các công cụ đồ họa có sẵn trong bộ công cụ nghiên cứu. Chúng ta sẽ tìm hiểu cách Little Advisor đưa ra các khuyến nghị để cải thiện mã nguồn chúng ta đã phát triển, các khuyến nghị này chính là những điều chúng ta đã nghiên cứu và đánh giá như một phần của quá trình phân tích mà trình biên dịch Intel Compiler tạo ra do cú pháp mong muốn. Chúng ta cũng sẽ giới thiệu Room Line Model, một mô hình đồ họa sẽ cung cấp một cái nhìn đồ họa về khả năng tối ưu hóa hiệu suất của ứng dụng, đồng thời lưu ý rằng ứng dụng có mức độ phụ thuộc mạnh vào truy cập bộ nhớ hay số lượng phép toán cần thực hiện đồng thời.

2.2. Nhận diện các hạn chế khác thông qua các công cụ đồ họa

Trong phần này, chúng ta sẽ tiếp tục với việc xác định các hạn chế hiệu suất bằng các công cụ đồ họa, giống như chúng ta đã thảo luận trong phần trước. Chúng ta sẽ tìm hiểu cách thu thập thông tin bằng công cụ sabe để có cái nhìn tổng quan về hiệu suất ứng dụng. Chúng ta cũng sẽ khám phá thành phần về mã hóa mà chúng ta đã xem trên thực tế và xác định các khuyến nghị để tối ưu sự truy cập bộ nhớ.

3. Áp dụng Little Advisor để tối ưu mã nguồn

3.1. Cải tiến mã nguồn dựa trên các gợi ý của Little Advisor

Trong phần này, chúng ta sẽ cải tiến mã nguồn dựa trên các gợi ý mà Little Advisor đưa ra. Chúng ta sẽ sử dụng các pragma như pragma ivdep, pragma omp simd để khuyến nghị tối ưu mã nguồn. Chúng ta cũng sẽ khám phá công cụ Intel Compiler để biết cách áp dụng vectorization và loop unrolling để cải thiện hiệu suất mã nguồn.

3.2. Sử dụng Room Line Model để cải thiện hiệu suất ứng dụng

Trong phần này, chúng ta sẽ sử dụng Room Line Model để phân tích hiệu suất ứng dụng. Chúng ta sẽ xem xét các công cụ đồ họa có sẵn trong Intel Advisor để xác định xem các hàm hoặc vòng lặp nào trong mã nguồn gây ra sự chậm trễ chính trong ứng dụng. Chúng ta cũng sẽ tìm hiểu cách Room Line Model có thể cung cấp cái nhìn tổng quan về khả năng tối ưu hóa hiệu suất của ứng dụng dựa trên tính phức tạp tính toán và hạn chế của bộ nhớ.

4. Cải tiến trình biên dịch Intel Compiler

4.1. Sử dụng pragma để hướng dẫn trình biên dịch

Trong phần này, chúng ta sẽ tìm hiểu cách sử dụng các pragma như pragma ivdep và pragma simd để hướng dẫn trình biên dịch thực hiện vectorization và loop unrolling. Chúng ta cũng sẽ học cách sử dụng pragma register để tận dụng các thanh ghi đăng ký để cải thiện hiệu suất mã nguồn.

4.2. Cải thiện hiệu suất bằng cách thay đổi cấu trúc dữ liệu

Trong phần này, chúng ta sẽ thảo luận về việc tối ưu câu trúc dữ liệu để cải thiện hiệu suất của mã nguồn. Chúng ta sẽ xem xét cách biến đổi từ cấu trúc dữ liệu chồng thành cấu trúc dữ liệu mảng và ưu điểm của việc tận dụng località do truy cập liên tục vào bộ nhớ.

5. Sử dụng Room Line Model để phân tích hiệu suất ứng dụng

5.1. Phân tích mức độ phức tạp tính toán

Trong phần này, chúng ta sẽ thảo luận về mức độ phức tạp tính toán trong ứng dụng của chúng ta. Chúng ta sẽ xem xét tỷ lệ giữa phép toán dấu chấm động và truy cập bộ nhớ để tính toán được thể hiện bằng chỉ số Intensity Aritmetic (IA). Chúng ta sẽ dựa vào Room Line Model để xác định xem ứng dụng của chúng ta có mức độ cạnh tranh hay không.

5.2. Xác định giới hạn hiệu suất do đọc/ghi bộ nhớ

Trong phần này, chúng ta sẽ sử dụng Room Line Model để phân tích hiệu suất ứng dụng từ hai khía cạnh khác nhau: giới hạn hiệu suất tối đa (peak performance) và giới hạn hiệu suất do truy cập bộ nhớ. Chúng ta sẽ xem xét tần suất biểu đồ Room Line để xác định xem hiệu suất của ứng dụng có phụ thuộc vào khả năng xử lý tính toán hay khả năng xử lý hiệu quả hơn.

Kết luận

Trong video này, chúng ta đã đi qua phương pháp tối ưu mã HPC thông qua việc sử dụng các công cụ đồ họa như Little Advisor và Room Line Model. Chúng ta đã học cách áp dụng các khuyến nghị để cải thiện mã nguồn và đánh giá hiệu suất ứng dụng từ các khía cạnh khác nhau. Hy vọng rằng những thông tin và công cụ chúng ta đã thảo luận trong video này sẽ giúp bạn tối ưu hóa mã nguồn HPC của mình và nâng cao hiệu suất ứng dụng của bạn.