亚洲欧洲精品视频一区二区三区,欧美视频一区二区在线观看,久久免费99精品久久久

編譯器作為重要的基礎軟件之一，在各個領域都有著非常廣泛的應用。比如在嵌入式領域，如何在有限的空間內豐富應用的功能困擾著眾多的工程師，編譯器能夠輔助大幅度地降低應用的體積，是工程師們不可或缺的好幫手。

再或是 HPC（High Performance Computing，高性能計算）領域聚焦于計算密集型的場景，像氣象預報、科學研究等，極致化的應用性能是 HPC 領域不斷探索的課題之一，編譯器作為重要的性能貢獻者，在其中發揮著至關重要的作用。

鯤鵬 GCC 是搭載在鯤鵬平臺上的高性能編譯器，致力于為用戶提供高效的性能體驗，在編譯算法、指令流水、運算庫等方面進行了深度的優化。

了解鯤鵬 GCC 編譯器

鯤鵬 GCC 編譯器是基于開源 GCC 的高性能編譯器，鯤鵬 GCC 與鯤鵬芯片協同，通過編譯器技術充分發揮芯片的性能，提升鯤鵬硬件平臺上業務的性能體驗。除支持開源 GCC 通用功能之外，鯤鵬 GCC 主要對以下三個方面進行了增強。

更豐富的編譯算法：提供豐富的優化算法，如內存布局優化、結構體拆分優化、自動矢量化等，大幅提升指令和數據的吞吐量。

更靈活的指令流水：適配鯤鵬平臺的指令流水優化，發揮鯤鵬架構極致算力。

更高效的運算庫：深度優化數學庫算法，提供豐富的矢量數學函數接口，大幅提升數學計算的效率。

當前鯤鵬 GCC 編譯器已廣泛應用于多種 HPC 典型場景，如氣象、安防、流體力學等，性能優勢已經逐步展露。其中，SPECCPU 2006 和 SPECCPU 2017 benchmark 跑分平均優于開源 GCC 15% 以上，HPC 典型氣象應用 WRF 優于開源 GCC 10% 以上。

GCC 編譯器典型優化場景及其優化原理介紹

結構體拆分優化——大幅提升 Cache 命中率

SPECCPU 2006 benchmark 中有一款 libquantum 子項，它用于模擬量子計算機運行整數分解的 Shor 算法，該子項的一個瓶頸在于頻繁連續的內存讀寫，簡化后的代碼示例如下圖左邊所示。

內存布局優化原理示意圖

從循環中可以看出在結構體 node_t 中，data1 的使用率極高，而 data2 是不使用的。在源代碼中，數據是以結構體數組的形式排布在內存中，按照普通編譯器的編譯方式，每次從內存中取數據時會將連續幾個結構體數據加載到 cache 中，而 cache 包含的數據中有一半將不會參與運算，這會造成 cache 空間和帶寬的浪費與性能的損耗。

鯤鵬 GCC 編譯器會自動檢查循環中適合優化的場景，通過將結構體拆分成兩個結構體的方式（如上圖右），將有效的數據緊湊排布起來，從而提高 cache 命中率和應用性能。經測試，此優化可以給 libquantum 子項帶來80%的性能提升。除此之外，鯤鵬 GCC 編譯器還支持結構體全展開、結構體成員重排列等內存布局優化，讓應用程序的性能如虎添翼。

指令流水優化——更加適合鯤鵬的指令調度模型

通用的指令流水調度是基于各個指令的消耗和指令間的依賴關系合理地調度指令執行的順序。在不進行指令流水優化時，6條指令依次順序執行，假設每條指令需要兩個單位的執行時間來計算得到結果，由于指令間存在數據依賴，在沒有計算得到 V1 值的條件下，無法進行 V0 值的計算，由此導致了一個單位時間的等待，造成性能損失。

在使用指令流水優化后，在 V 系列指令執行等待的一個單位時間內加入了沒有數據依賴的K系列指令的執行，所有指令的執行被合理地調度了起來，指令流水優化提升了指令執行的效率和程序運行的性能。

鯤鵬芯片基于 ARM 架構，對指令的消耗和指令間依賴關系的處理進行了優化和增強。鯤鵬 GCC 編譯器導入了基于鯤鵬芯片的指令模型，使得指令流水優化的結果能夠更加適合鯤鵬芯片的執行，提升鯤鵬軟件運行的性能。經測試，該優化可以給 SPEC CPU 2006benchmark 帶來2%的整體性能提升。

高性能運算庫——極致性能的數學庫和矢量數學函數

HPC 領域會運用到大量的數學函數計算，如 pow、sinf、log 等，也經常需要對整個數組內的數據做數學函數運算。如下圖舉例所示，左邊是需要對 a 數組的所有數據進行 sinf 數學計算。

正常情況下會循環遍歷 a 數組依次對每個數據進行 sinf 數學計算，無法獲得進一步的性能提升空間。鯤鵬 GCC 編譯器能夠識別該場景，自動將 sinf 數學函數的調用轉化為矢量化 vec_sinf 的數學調用，能夠同時處理四個數據的 sinf 數學計算，并矢量化存取數據，得到性能的提升。經測試，該優化可以給 HPC 領域 NEMO 應用帶來6%的性能提升。