VIP20

本课程属于：010-高性能科学计算与并行加速 数学计算科学计算与计算物理工程 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

高性能计算优化综合实战45例

共计 45 章节

可可资料掘金营 · 点击在线试看

基于 perf 的串行热点函数定位与火焰图解读

使用 perf record/rep… · 生成火焰图并定位占比最高的热点函数 · 写出热点归因说明

循环展开与寄存器分块对矩阵乘法的性能影响

在固定矩阵规模下实现朴素三重循环矩阵… · 逐步加入循环展开与寄存器分块 · 用计时和 perf 统计对比不同版本…

循环展开寄存器分块对矩阵…

循环分块提升矩阵转置的缓存局部性

针对大矩阵转置的缓存抖动问题 · 实现分块转置并扫描不同分块尺寸 · 测量 L1/L2 缺失率与执行时间

循环分块提升矩阵…针对大矩阵转置的…

数据布局优化：AoS 到 SoA 的向量化收益验证

将结构体数组实现改为数组结构体实现 · 在相同算法逻辑下对比两种布局的自动向… · 内存带宽占用与运行时间

编译器自动向量化报告分析与障碍消除

使用编译器向量化报告定位阻碍自动向量… · 通过 restrict 限定 · 循环拆分和条件改写消除障碍

编译器自动向量化…障碍消除

SIMD 内建函数实现向量化点积与边界处理

用 SIMD 内建函数实现浮点点积 · 正确处理尾部元素与对齐问题 · 并与编译器自动向量化版本对比正确性和…

SIMD内建函数实现向量…

多线程矩阵乘法的线程划分与伪共享规避

基于线程池实现多线程分块矩阵乘法 · 对比按行划分与按块划分的扩展性 · 并通过填充或私有累加器消除伪共享导致…

多线程矩阵乘法的…伪共享规避

OpenMP 调度策略对不规则循环负载均衡的影响

针对迭代开销不均匀的循环 · 分别使用 static · dynamic

OpenMP调度策略对不规则…

OpenMP 任务化实现递归分治的并行化

将递归分治算法改写为 OpenMP… · 设置任务粒度阈值与依赖关系 · 对比任务化版本与串行版本的加速比和任…

OpenMP任务化实现递归分…

线程亲和性绑定对 NUMA 访存性能的影响

在多路 NUMA 机器上设置线程与内… · 对比默认调度与绑定策略下的远程访存比… · 量化亲和性对扩展性的作用

首次触碰策略与 NUMA 内存交错配置调优

通过并行首次触碰和 numactl… · 测量不同策略下跨节点访存延迟与聚合带… · 选择适合流式访问的配置

NUMA首次触碰策略

缓存行对齐与填充消除多线程计数器争用

实现多线程高频更新的全局计数器 · 通过缓存行对齐与填充隔离热点变量 · 对比争用消除前后的吞吐与缓存一致性流…

缓存行对齐填充消除多线程计…

软件预取距离对不规则访存链的加速验证

在指针追逐式不规则访存循环中插入不同… · 测量预取命中率与执行时间 · 确定有效预取距离的合理范围

软件预取距离对不…指针追逐式不规则…

非临时存储优化流式写入的带宽测试

对大规模只写不读的流式内核使用非临时… · 对比普通存储的写带宽与缓存污染程度 · 验证非临时存储在带宽受限场景下的收益

非临时存储优化流…对大规模只写不读…

内存带宽受限内核的 Roofline 模型定位

对给定计算内核测量实际浮点性能与算术… · 绘制 Roofline 图判断其处于… · 据此提出优化方向

Roofline内存带宽受限内核…

计算密集型内核的 FMA 与指令级并行调优

在多项式求值内核中引入 FMA 指令… · 测量每周期浮点运算数与依赖链长度变化 · 验证指令级并行对计算受限内核的提升

FMA计算密集型内核的

分支预测失败热点定位与无分支改写

使用性能计数器定位分支预测失败率高的… · 将其改写为无分支或查表形式 · 对比分支失败次数与吞吐变化

分支预测失败热点…无分支改写

函数调用开销分析与内联策略验证

对高频小函数调用场景测量调用开销占比 · 通过强制内联与手动内联改写对比指令缓… · 判断内联的适用边界

函数调用开销分析内联策略验证

编译器优化等级与目标架构选项的收益对比

在同一源码上组合不同优化等级与目标架… · 测量运行时间 · 代码体积与向量化报告差异

编译器优化等级目标架构选项的收…

PGO 引导优化在分支密集程序上的实践

对分支密集程序采集代表性训练负载的剖… · 启用 PGO 重新编译 · 对比热路径布局与分支预测指标的变化

PGO引导优化

链接时优化对跨模块内联的实测评估

将程序拆分为多个编译单元 · 启用链接时优化观察跨模块内联与死代码… · 对比开启前后的性能与二进制体积

链接时优化对跨模…将程序拆分为多个…

共享库与静态链接对启动和调用开销的影响

分别以静态链接和共享库方式构建同一程… · 测量启动时间 · 符号解析开销与热函数调用性能

共享库静态链接对启动

多线程程序的锁竞争定位与细粒度锁改造

使用锁竞争分析工具定位高争用临界区 · 将粗粒度锁改为分段锁或读写锁 · 对比等待时间

多线程程序的锁竞…细粒度锁改造

无锁队列实现与内存序正确性验证

实现基于原子操作的无锁单生产者单消费… · 使用内存序约束保证正确性 · 并通过压力测试与竞态检测工具验证其在…

无锁队列实现内存序正确性验证

原子操作与互斥锁在高争用计数场景的取舍

在同一高争用计数场景分别使用原子加 · 互斥锁和分片计数 · 测量吞吐与缓存一致性流量

原子操作互斥锁

线程池任务粒度对并行开销的量化分析

实现固定大小线程池 · 扫描任务粒度从粗到细 · 测量任务提交开销

线程池任务粒度对…实现固定大小线程…

并行归约的树形结构与顺序一致性验证

实现并行归约的朴素原子累加与树形归约… · 对比性能并验证浮点归约结果的可复现性 · 说明归约顺序对数值结果的影响

并行归约的树形结…顺序一致性验证

流水线并行中负载不均的瓶颈段识别与重划分

将多阶段流水线任务并行化 · 通过各阶段计时识别瓶颈段 · 重新划分阶段边界并测量吞吐提升

流水线并行负载不均的瓶颈段…

生产者消费者模型的缓冲区容量与背压调优

实现有界缓冲区生产者消费者模型 · 扫描缓冲区容量与消费者数量 · 测量吞吐与等待时间

生产者消费者模型…背压调优

异步 I/O 与多线程 I/O 的吞吐和延迟对比

对同一文件读写负载分别实现异步 I/… · 测量吞吐 · 尾延迟与 CPU 占用

内存池替代通用分配器降低分配开销

针对高频小对象分配场景实现固定大小内… · 对比通用分配器的分配延迟 · 碎片与缓存局部性

内存池替代通用分…针对高频小对象分…

大页内存对 TLB 缺失敏感负载的优化验证

对随机访存的大工作集程序启用透明大页… · 测量 TLB 缺失次数与执行时间 · 量化大页对地址转换开销的改善

TLB大页内存对

页错误与缺页中断对首次访问性能的影响分析

测量程序冷启动阶段的缺页中断次数与耗… · 通过预触碰 · madvise 提示等手段减少缺页开…

页错误缺页

缓存分级阻塞算法在稠密线性代数中的应用

对稠密矩阵分解实现面向多级缓存的阻塞… · 扫描阻塞尺寸并测量各级缓存缺失率 · 验证阻塞对缓存复用率的提升

缓存分级阻塞算法稠密线性代数

稀疏矩阵向量乘的存储格式选择与性能对比

对同一稀疏矩阵分别采用 CSR 与… · 测量不同稀疏度下的带宽与负载均衡 · 给出格式选择准则

稀疏矩阵向量乘的…性能对比

快速傅里叶变换的分治递归与迭代实现性能对比

实现递归分治与迭代蝶形两种快速傅里叶… · 对比缓存行为 · 递归开销与运行时间

快速傅里叶变换的…迭代实现性能对比

模板元编程展开与运行时循环的性能边界

用模板元编程在编译期展开固定长度循环 · 与运行时循环版本对比指令数 · 代码体积与执行时间

模板元编程展开运行时循环的性能…

GPU 核函数的合并访存与共享内存分块优化

实现矩阵转置 GPU 核函数 · 先使用全局内存直接转置 · 再加入共享内存分块与填充避免 ban…

GPU核函数的合并访存

GPU 占用率与寄存器压力对延迟隐藏的影响

调整核函数的线程块大小与寄存器使用上… · 测量占用率 · 活跃 warp 数与吞吐

主机设备数据传输与计算重叠的流水线设计

将分块数据传输与核函数计算组织为多流… · 对比串行传输计算与重叠执行的总时间 · 验证传输隐藏对端到端性能的提升

主机设备数据传输计算重叠的流水线…

异构计算任务划分：CPU 与 GPU 负载分配调优

对可分解的批量任务按比例分配给 CP… · 扫描分配比例测量端到端时间 · 确定使两设备同时饱和的较优划分

性能计数器事件选择与多路复用误差评估

在有限硬件计数器下选择事件组并启用多… · 对比单组独占测量与多路复用测量的计数… · 评估测量误差对结论的影响

性能计数器事件选…多路复用误差评估

微基准测试的预热、重复与统计显著性设计

为给定内核设计包含预热 · 重复次数与置信区间的微基准 · 识别并排除频率调节与缓存冷启动带来的…

微基准测试的预热重复

性能回归的自动化检测与阈值告警配置

搭建基于历史基线的性能回归检测流程 · 设定统计阈值与告警规则 · 对人为引入的性能退化进行检出并定位到…

性能回归的自动化…阈值告警配置

综合调优：从热点定位到多级优化的端到端实践

对一个混合负载程序依次完成热点定位 · 算法与数据布局优化 · 并行化与向量化

综合调优从热点定位到多级…