2. 科学计算负载特征分析

性能剖析的第一步不是打开工具，而是先判断“这段代码应该被什么指标约束”。科学计算负载的性能上限往往由计算强度、访存局部性和并行粒度共同决定，不同负载的瓶颈位置差异极大。如果拿同一套剖析策略去套所有程序，很容易把时间花在无关紧要的指标上。本节围绕五类典型负载，说明它们的计算与访存模式，以及这些模式如何反过来决定剖析策略的选择。

先建立两个判断坐标：计算强度与访存局部性

衡量一个负载“偏计算还是偏访存”，最实用的量是计算强度（arithmetic intensity），即每从内存搬运 1 字节数据所执行的浮点运算次数（FLOP/Byte）。它决定了负载落在 Roofline 模型的哪一侧：低强度负载受内存带宽约束，高强度负载受峰值算力约束。第二个坐标是访存局部性，包括空间局部性（是否连续访问）和时间局部性（数据能否在缓存中复用）。局部性差的负载即使计算强度不低，也会因缓存未命中而实际带宽骤降。

这两个坐标直接对应剖析策略：低计算强度负载应优先采集内存带宽、缓存未命中率和访存停顿；高强度负载应优先看浮点指令吞吐、向量化效率和流水线停顿。下面逐类展开。

稠密线性代数：高计算强度，瓶颈在算力与向量化

以矩阵乘法 C = A·B（均为 N×N 双精度）为例，浮点运算量约 2N³，数据搬运量约 3N²×8 字节，计算强度约 N/12 FLOP/Byte。当 N=1024 时强度约 85，远高于现代 CPU 的“拐点”（通常 10～20），属于典型算力受限负载。这类负载的性能关键在于分块（blocking）是否让数据在各级缓存中充分复用、编译器是否生成了向量化指令、以及是否调用了高度优化的 BLAS 库。

剖析时应重点关注：浮点运算吞吐占峰值的比例、向量化指令占比、L1/L2 缓存命中率，以及是否存在因分块不当导致的缓存抖动。若发现吞吐远低于峰值而缓存命中率正常，问题多半在指令级——例如未向量化、循环依赖或分支预测失败。实操中可用硬件计数器采集 fp_arith_inst_retired 与 cache-misses 两类事件做交叉判断。

稀疏迭代：低计算强度，瓶颈在访存与间接寻址

稀疏矩阵向量乘（SpMV）是迭代求解器的核心。以 CSR 格式存储的稀疏矩阵为例，每次迭代只做 y[i] += A[i,j] * x[j]，每个非零元约 2 次浮点运算，却要读取一个列索引（4 或 8 字节）、一个数值（8 字节）并间接访问 x[j]。计算强度通常低于 1，属于严重的内存受限负载，且 x[j] 的间接访问破坏了空间局部性。

这类负载的剖析重点与稠密情形完全不同：应采集内存带宽利用率、每次迭代的缓存未命中次数、TLB 未命中，以及间接访存的停顿占比。优化方向通常是格式重排（如 ELL、分块 CSR）或提高数据复用，而非追求向量化。剖析时若看到带宽已接近峰值，说明已到硬件上限，继续调指令没有意义；若带宽利用率低而未命中率高，则应检查矩阵行长度分布是否极不均衡。

FFT：分层访存，瓶颈随规模迁移

快速傅里叶变换的运算量为 O(N log N)，但访存模式具有鲜明的分层特征：小规模时数据可全部驻留缓存，性能接近算力上限；规模增大后，蝶形运算的跨步访问导致缓存失效，性能转为受内存带宽和缓存容量约束。因此 FFT 的瓶颈会随问题规模“迁移”，这是它区别于前两类负载的关键特征。

剖析策略应体现规模敏感性：对小规模变换重点看指令吞吐与缓存命中；对大规模变换重点看跨步访存引起的未命中、以及是否采用了缓存友好的分解（如四步法、分块 FFT）。实操中建议固定变换长度做规模扫描，观察性能随 N 变化的拐点，拐点位置往往对应缓存容量边界，是判断优化方向的直接依据。

N 体与蒙特卡洛：一个受算力约束，一个受随机数生成约束

N 体模拟（如直接求和法）每对粒子间计算距离与受力，运算量 O(N²)，计算强度较高，但访存呈现“一个粒子对全部粒子”的广播式模式，局部性取决于粒子排序与分块。剖析重点在浮点吞吐、向量化以及粒子分块后的缓存复用。若采用树算法（如 Barnes-Hut），则访存变为不规则树遍历，瓶颈转向间接访存与负载均衡。

蒙特卡洛方法的核心是大量独立随机采样，单次采样计算量小、分支多，计算强度低且难以向量化。它的瓶颈常在随机数生成器的吞吐、分支预测失败率以及并行任务划分上。剖析时应重点采集分支预测失败、随机数生成耗时占比和线程负载均衡度，而不是一味盯着浮点吞吐。

模式如何决定剖析策略：三条可操作的判断规则

把上述负载放到同一张“计算强度—局部性”图上，可以提炼出三条直接可用的规则。第一，先估强度再选指标：强度低于拐点的负载，采集带宽和未命中率；高于拐点的，采集浮点吞吐和向量化比例。第二，用规模扫描暴露拐点：FFT 和分块矩阵乘法的性能会随规模突变，固定输入尺寸的剖析结论可能完全不适用于另一规模，因此剖析前应确认目标规模。第三，区分“已到硬件上限”与“未充分利用”：若带宽或算力利用率已接近峰值，继续调优收益有限；若利用率低而未命中或停顿高，才说明存在可优化的结构性浪费。

一个教学示例：同一段剖析流程在两类负载上的差异

假设对两个程序做剖析：程序 A 是 1024×1024 双精度矩阵乘法，程序 B 是 CSR 格式 SpMV 迭代 100 次。对 A，合理的采集组合是浮点指令退役数、向量化指令占比、L1/L2 命中率，观察吞吐是否接近峰值；若吞吐只有峰值的三成而命中率正常，应检查是否未向量化或分块过小。对 B，合理的采集组合是内存带宽、每迭代缓存未命中数、TLB 未命中，观察带宽是否饱和；若带宽利用率低而未命中率高，应检查矩阵行长度分布和 x 向量的间接访问模式。两者若套用同一套指标，A 会漏掉指令级问题，B 会误判为算力不足。这正是负载特征分析先行于工具操作的价值所在。

需要强调的是，上述数值均为用于说明判断逻辑的示例假设，实际剖析应以目标机器上的硬件计数器读数为准。负载特征分析给出的是“该看什么”的先验，硬件计数器给出的是“实际怎样”的证据，二者结合才能形成可靠的瓶颈定位结论。