2. 科学计算负载特征分析

优化科学计算程序的第一步，不是急着改代码，而是先判断“这段程序到底被什么卡住了”。同样是浮点运算密集的代码，有的受限于处理器的计算峰值，有的受限于内存带宽，还有的受限于延迟或并行度不足。要做出这种判断，最有效的入门工具就是算术强度与Roofline 模型。本节围绕稠密线性代数、稀疏迭代、N 体模拟、格点计算四类典型负载，剖析它们的计算与访存模式，并给出用 Roofline 初步定位瓶颈的方法。

一、算术强度：把负载翻译成一个数

算术强度（Arithmetic Intensity, AI）定义为单位访存字节所对应的浮点运算次数，常用单位为 FLOP/Byte：

AI = 浮点运算次数(FLOP) / 访存字节数(Byte)

这里的“访存字节数”指算法在理想缓存复用假设下，从主存搬入的数据量。以经典的矩阵乘法 C = A·B（n×n 双精度）为例，浮点运算量为 2n³，若三块矩阵各读一次、结果写一次，主存流量约为 4n²×8 字节，于是 AI ≈ 2n³ / (32n²) = n/16。当 n=1024 时 AI≈64 FLOP/Byte，远高于现代多核 CPU 的带宽拐点（典型值约 10～20 FLOP/Byte），因此大矩阵乘法天然是计算受限的。这个推导说明：AI 不是代码的固有属性，而与问题规模、数据布局和分块策略密切相关。

二、Roofline：把 AI 放到硬件坐标系里

Roofline 模型把硬件性能画成一条“屋顶线”：横轴为算术强度（对数坐标），纵轴为可达性能。屋顶由两段组成——低 AI 区受内存带宽限制，性能上限为 带宽×AI，是一条斜线；高 AI 区受计算峰值限制，是一条水平线。两线交点对应的 AI 即“带宽拐点”。把某段程序的实测 AI 与性能点画上去，就能直观看出它离哪条屋顶更近、还有多少提升空间。

三、四类负载的计算与访存模式

稠密线性代数（GEMM、LU、Cholesky 等）以规则二维/三维数据块为对象，运算量随规模呈立方增长，而访存量仅平方增长，AI 高，属于计算受限。优化重点是提高浮点流水线利用率：分块（blocking）提升缓存复用、向量化、多线程并行、使用 BLAS 库。此时若性能仍低，应查指令效率、寄存器压力和并行扩展性，而非内存带宽。

稀疏迭代（以 SpMV 为代表）是典型的低 AI 负载。稀疏矩阵每行非零元少且不规则，一次乘加只搬运少量数据，还伴随间接寻址（CSR 格式的列索引数组）。其 AI 通常只有 0.1～0.5 FLOP/Byte，几乎必然落在带宽斜线上。优化方向是压缩存储、提高数据局部性、采用分块 CSR 或 ELL 格式改善访存规则性，而不是追求更高主频。

N 体模拟介于两者之间。朴素 O(N²) 算法每对粒子做一次力计算，AI 中等；引入树结构（Barnes-Hut）或快速多极子后，计算量降到 O(N log N)，但访存变得不规则、分支增多，实际 AI 下降。优化需在算法复杂度与访存规则性之间权衡，并关注粒子数据的空间重排（如 Morton 排序）以提升缓存命中。

格点计算（如 LBM、Stencil、Jacobi 迭代）每个格点只与邻居交互，计算量小但访存频繁，AI 偏低到中等。其瓶颈常是带宽与边界处理开销。优化手段包括时间分块（temporal blocking）、空间分块、SIMD 对齐以及减少 halo 交换。以三维 7 点 Stencil 为例，每点约 13 次浮点运算、需读 7 个邻居，AI 约 0.2～0.4 FLOP/Byte，属于带宽敏感型。

四、实操：用 Roofline 做一次初步判断

假设在一台双路服务器上测得：内存带宽约 100 GB/s，双精度峰值约 800 GFLOP/s，则带宽拐点 AI ≈ 800/100 = 8 FLOP/Byte。现在对四段程序做粗略估算（以下为教学示例参数，非实测）：

判断规则很直接：AI 明显高于拐点，优先查计算效率（向量化、指令混合、并行度）；AI 明显低于拐点，优先查访存效率（缓存命中率、预取、数据布局、NUMA 亲和性）。介于两者之间的负载，则需结合实测性能点与屋顶的距离，判断是“离斜线近”还是“离水平线近”。

掌握这套方法后，面对任何一段科学计算代码，都可以先问三个问题：它的 AI 大概是多少？硬件拐点在哪里？实测性能点落在屋顶的哪一侧？答案会直接决定你下一步该优化计算还是优化访存。