Новый метод определения характеристик блочных алгоритмов

Цель. В области высокопроизводительных вычислений большое значение имеет оптимизация программных систем под конкретные вычислительные архитектуры. Целью исследования является совершенствование методов определения параметров блочных алгоритмов. Метод. Исследование основано на методологии компьютерного моделирования и автоматизированного проектирования в технике и технологиях, включая постановку, формализацию и типизацию проектных процедур и алгоритмов. Результат. Предложен аналитический подход к повышению эффективности проектируемых программных систем, в рамках которого рассмотрен метод определения параметров блочных алгоритмов. Преимуществом данного метода является возможность его реализации на основе статического анализа исходного кода программы на начальных этапах проектирования, полученные параметры могут быть использованы в процессе оптимизации. Проведены вычислительные эксперименты, подтверждающие эффективность предложенного метода. Вывод. Предложенный метод позволяет определять размеры блоков, при которых на определенном уровне кеш-памяти не будет генерироваться кеш-промахов или количество этих промахов будет оставаться на приемлемом уровне. Данный метод может использоваться на начальных этапах проектирования программных систем, не прибегая к динамическому анализу приложения, включающему в себя этапы получения исполняемого кода приложения и анализ его с помощью специальных приложений, в данном случае используется статический анализ исходного кода программы.

1. Lawson C.L., Hanson R.J., Kincaid D.R., Krogh F.T. Basic Linear Algebra Subprograms for Fortran Usage //ACM Transactions on Mathematical Software. 1979. Vol. 5, no. 3. P. 308-323. DOI: 10.1145/355841.355847.

2. Dongarra J.J., Du Croz J., Hammarling S., Hanson R.J. An Extended Set of FORTRAN Basic Linear Algebra Subprograms//ACM Transactions on Mathematical Software. 1988. Vol. 14, no. 1. P. 1-17. DOI: 10.1145/42288.42291.

3. Xianyi Z., Qian W., Yunquan Z. Model-driven level 3 BLAS performance optimization on Loongson 3A processor//2012 IEEE 18th International Conference on Parallel and Distributed Systems (Singapore, December 17—19, 2012). Boston, Massachusetts, USA, IEEE Xplore Digital Library, 2012. P. 684—691. DOI: 10.1109/ICPADS.2012.97

4. Intel Math Kernel Library Reference Manual. URL: https://www.bu.edu/tech/files/2010/02/mklman61.pdf (дата обращения: 06.02.2025).

5. Goto K., Van De Geijn R. High-Performance Implementation of the Level-3 BLAS // ACM Transactions on Mathematical Software. 2008. Vol. 35, no. 1. P. 4:1—4:14. DOI: 10.1145/1377603.1377607.

6. Goto K., Geijn R.A. Anatomy of High-Performance Matrix Multiplication // ACM Transactions on Mathematical Software. 2008. Vol. 34, 158 no. 3. P. 12:1—12:25. DOI: 10.1145/1356052.1356053.

7. K. Czarnecki, U.W. Eisenecker, R. Glück, D. Vandevoorde, and T.L. Veldhuizen. Generative programming and active libraries. In Selected Papers from the International Seminar on Generic Programming, pages 25– 39, London, UK, 2000. Springer-Verlag.

8. Low T.M., Igual F.D., Smith T.M., Quintana-Orti E.S. Analytical Modeling Is Enough for High-Performance BLIS // ACM Transactions on Mathematical Software. 2016. Vol. 43, no. 2. P. 12:1-12:18. DOI: 10.1145/2925987.

9. Kravets A.G., Egunov V. The software cache optimization-based method for decreasing energy consumption of computational clusters //Energies. – 2022. – Т. 15. – №. 20. – С. 7509.

10. Егунов, В.А. Метод улучшения стратегии кеширования для вычислительных систем с общей памятью / В.А. Егунов, А.Г. Кравец // Программная инженерия. - 2023. - Т. 14, № 7. - C. 329-338.

11. Егунов, В.А. Новый метод повышения эффективности векторизации операций BLAS / В.А. Егунов, А.Г. Кравец // Информационные технологии. - 2024. - Т. 30, № 6. - C. 318-328.