ddatsko / lab_integral_sse Goto Github PK

Практична з обрахунку інтегралу хаданої функції з використанням SSE розширень для x86
Варіант функції: 2
Автор: Денис Дацко

############# Встановлення та запуск #################

УВАГА!!! Код буде компілюватися і працювати тільки якщо процесором і компілятором підтримуються інтринсики з SSE

УВАГА 2 !!! Все працюватиме швидше, якщо у вас встановлений Intell C++ Compiler (icpc), бо в нього є інтринсики для
функцій exp() і cos()

Для встанослення виконайте:
$ ./install.sh

Або
$ mkdir build
$ cd build
$ cmake -DCMAKE_BUILD_TYPE=Release -G"Unix Makefiles" ..
$ make

У директорії bin буде створено виконуваний файл lab_integral_sse

Для запуску потрібно вказати ім'я файлу конфігурації

############# Файл конфігурації ######################

В цій директорії є файл "config". Це приклад файлу конфігурації. Всі поля присутні там мають обов'язково бути присутніми.
Детальніше - див. файл "config"


############# Запуск Python скрипта ###################

Мінімальна версія Python - 3.6 (використовував f-strings)
Для запуску скрипта слід вказати такі аргументи:
binary file name, number of threads (or range), number of runs each time

!! Якщо потрібно змінити конфігурацію, просто змініть 5-11 рідки файлу "main.py"

Наприклад,
$ python3 bin/lab_integrl 1-8 10
$ python3 bin/lab_integrl 4 1

Кількість потоків можна вказувати, як відрізок. В такому разі код запустить програму вказану кількість разів для
різної кількості потоків

Якщо результати різних запусків не збігатимуться, на екран виведеться повідомлення про це


############ Коментарі щодо реалізації #################
- Основу коду я взяв з першой практичної з обрахунку інтегралу. Архів, який ми здавали (я нічого не змінвав) я включив
    сюди для змоги порівняти реалізації, продуктивність і т.д.
- В C++ компіляторі для Intel присутні інтринсики _mm_exp_pd() та _mm_cos_pd(), що значною мірою прискорює та спрощує код.
    Тому, якщо icpc знайдений будуть використані вони. Якщо ж ні, то для того, щоб зробити exp(__m128d x) числа
    завантажаться в пам'ять, над ними виконається функція exp() (послідовно) і вони запишуться назад
- Я хотів, щоб об'єкт типу Function() передавався з мейну, бо це б зробило код зручнішим та менш зв'язним, проте
    через проблеми з копіюванням __m128d я відмовився від цієї ідеї.
- Для чого фугкція "double *two_aligned_two_doubles()"?
    Виявляється, щоб робити _mm_load_pd(addr) addr має бути вирівняний на 16 байт. Тому я зробив цю функцію, щоб гаранувати це,
    адже мені іноді прилітав "SIGSEGV segmentation fault". Проблема тоді полягає в тому, що вказівник потрібно
    самостійно видаляти. Але проблем з витоками пам'яті немає (принаймні, Valgrind не знайшов)
- Я хотів ще зробити таке саме з AVX, адже в моєму процесорі є це розширення, але після побачених результатів відмовився від цього


############ Результати запусків ########################

- Міряти продуктивність було трози складно, до з різною кфлькфстю потоків результати на різних
    ітераціях трішки відрізнялися, що інколи призводило до меншої кількості ітерацій або більшої
    (наприклад, код на 3 потоках завершувався в 5 разів швидше, ніж код на 4-х, бо умови похибок задовільнилися швидше).
    Тому, я ставив дуже малі похибки і обмеження на 6 ітерацій. Тобто всі були в рівних умовах

- Тепер до сумного. Виявилося, що мій кож з використанням SSE працює приблизно так само, як в минулій практичній...
    Результати можна побачити тут: https://docs.google.com/spreadsheets/d/1mUOSjEOt9lNZwKX5B63ErIOtHD-zF3ZCL9TIgPaBdq0/edit?usp=sharing

- Я не знаю, чому так стається. Спочатку, думав - через std::align, але побачив, що вона викликається тільки на початку
    обрахунку. Я пробував трохи міняти місцями команди (щоб між _mm_load_pd і використанням змінної пройшов певний час), але
    це не дуже допомагало.