Améliorer les performances

Avant d’optimiser, il faut avoir un code exempt de bogues : le débogueur totalview peut vous aider à déboguer votre code

• Quel compilateur utiliser, que font les wrappers mpi ?
• Comment compiler spécifiquement pour le nœud à grande mémoire eosmesca1 ?

Le code étant débogué, un profilage lors de l’exécution sur des jeux de données tests vous permettra d’identifier les "points chauds" :

• Pour un code openMP, on peut utiliser Vtune
• Plusieurs outils permettent de profiler un code MPI :
  • MPIPROF (informations synthétiques en fin de job)
  • MPI Performance Snapshot Un outil Intel permettant d’avoir en un coup d’œil une idée générale du profil de votre code
  • Intel Trace Analyzer Collector (ITAC, outil graphique d’Intel(r))

si vous utilisez la version BullxMPI de la bibliothèque MPI, vous pouvez (la plupart du temps) améliorer grandement les performances de votre code en utilisant la couche MXM

La MKL (bibliothèque d’Intel) permet souvent d’améliorer les performances. Elle comprend BLAS, LAPACK, ScaLAPACK... :

• Utilisation de la MKL avec gcc
• Astuces MKL
• Tests de scalabilité en utilisant la MKL

• Placer (ou attacher) des processus, ou des jobs hybrides (MPI/OpenMP)
• Outils pour attacher ou ’placer’ les processus, threads,etc ..
  • placement
  • Argument cpu_mask de ’srun’

La vectorisation permet de tirer partie des processeurs Intel les plus récents, en leur permettant d’exécuter un grand nombre d’opérations simultanément (additions et multiplications sur des vecteurs).

Présentation générale de la vectorisation sur les processeurs Intel (en Anglais)

• Ci-contre, la présentation générale de la vectorisation
• Comment activer les instructions de vectorisation lors de la compilation de votre code ?
• En pratique, quel gain peut-on en attendre ?
  • Utilisation pratique de la vectorisation
  • Vectorisation et Intensité Arithmétique : un article théorique et un tutoriel pratique
• Vector Adviser, un outil Intel d’aide à la Vectorisation.