文章目录[隐藏]
GPU 部分
cmake 通过修改开关,只让GPU使用 ptx 及 fortran intrinsic ABI 直接编译，替代 OpenACC的 kernel 实现。MPI 库实现替换为 ucx gpr_copy. AUARF32 时间从 4m59s 提升至 1m51s。 但在多卡上仍就有很大的通讯开销。由于 cuda_ipc 在 x86 架构上只能通过 PCIe 传输，4卡高达1小时左右。即便是开了-nk 2的情况下。 issue
profiling 总结
- cuFFT 使用较多， GPU实现的kernel次之，最多的运算是高维矩阵的浮点数运算，但有一定的 cache time locality 的可能，可能的优化方向是 grid 调参， ptx 调优、 Unified GPU memory 利用。
- VKFFT
pitfalls
- https://github.com/MPAS-Dev/MPAS-Model/issues/554
- https://forums.developer.nvidia.com/t/problem-with-nvfortran-and-r/155366
- LibGOMP not IMPLEMENTED: fftw/scalapack/hdf5/elpa is not dependent on the compiler's lib.
通过例子更新 wiki Fortran 部分代码
- vecAdd 例子 OpenAcc 与 cuda kernel 与 fortran ptx(range) 的比值约为 1.3:1:0.8.
- 使用 fortran 调用 cufft 及 cublas
CPU 部分
测试案例 cache 优化
针对 AUARF112 测试案例，在针对 core.F90 中的 scf 场进行 cache 调优
换 malloc 库优化
尝试对比内存使用率
IO500 部分
- Rust 编译器踩坑中，深入了解了 Send Sync
- 了解 client 中 ctor 的特性。