Mercurial > hg > Papers > 2015 > yuhi-master
changeset 65:a41beec3553e
benchmark slide
| author | Yuhi TOMARI <yuhi@cr.ie.u-ryukyu.ac.jp> |
|---|---|
| date | Wed, 18 Feb 2015 03:27:34 +0900 |
| parents | 4c245ed4e61a |
| children | 23baf2b3eff6 |
| files | paper/figures/GPU/fft_dragonfly.pdf paper/figures/multicore/.DS_Store paper/figures/multicore/word_count.pdf slide/blank.html slide/images/dmabench.png slide/images/fft_dragonfly.png slide/images/fft_firefly.png slide/images/io_thread_firefly.png slide/images/sort_multicore.png slide/images/word_count_multicore.png slide/images/wordcount_dataparallel.pdf slide/images/wordcount_dataparallel.png |
| diffstat | 12 files changed, 149 insertions(+), 23 deletions(-) [+] |
line wrap: on
line diff
--- a/slide/blank.html Wed Feb 18 02:10:50 2015 +0900 +++ b/slide/blank.html Wed Feb 18 03:27:34 2015 +0900 @@ -666,47 +666,173 @@ </div> <div class='slide'> - <h2>-</h2> + <h2>実験環境</h2> + <table border="0" > + <tr bgcolor="palegreen"> + <th align="center">Model</th><th align="center">MacPro Mid 2010</th> + </tr> + + <tr bgcolor="dbffa3"> + <th align="left" >CPU</th><th align="left">6-core Intel Xeon@2.66GHz</th> + </tr> + <tr bgcolor="palegreen"> + <th align="left">Serial-ATA Device</th><th align="left">HDD ST4000VN000-1H4168</th> + </tr> + <tr bgcolor="dbffa3"> + <th align="left">Memory</th><th align="left">16GB</th> + </tr> + <tr bgcolor="palegreen"> + <th align="left">OS</th><th align="left">MacOSX 10.10.1</th> + </tr> + <tr bgcolor="dbffa3"> + <th align="left">Graphics</th><th align="left">NVIDIA Quadro K5000 4096MB</th> + </tr> + </table> + <hr> + <table border="0" > + <tr bgcolor="palegreen"> + <th align="center">Model</th><th align="center">MacPro Late 2013</th> + </tr> + <tr bgcolor="dbffa3"> + <th align="left" >CPU</th><th align="left">6-core Intel E5@3.5GHz</th> + </tr> + <tr bgcolor="palegreen"> + <th align="left">Serial-ATA Device</th><th align="left">Apple SSD SM0256</th> + </tr> + <tr bgcolor="dbffa3"> + <th align="left">Memory</th><th align="left">16GB</th> + </tr> + <tr bgcolor="palegreen"> + <th align="left">OS</th><th align="left">MacOSX 10.10.1</th> + </tr> + <tr bgcolor="dbffa3"> + <th align="left">Graphics</th><th align="left">AMD FireProD700 6144MB</th> + </tr> + </table> + <p> + MacPro 2010 と MacPro 2013 で実験を行った。 + MacPro 2013 がより新しいモデルで、クロック数が高く、SSDを使用している。 + </p> </div> <div class='slide'> - <h2>実験に利用する例題-WordCount-</h2> - </div> - - <div class='slide'> - <h2>実験に利用する例題-FFT-</h2> - </div> - - <div class='slide'> - <h2>実験環境</h2> - </div> - - <div class='slide'> - <h2>マルチコア CPU による並列実行のベンチマーク</h2> + <h2>WordCount によるマルチコア CPU における並列実行のベンチマーク</h2> + <table><tr align="left"> + <th><img src="./images/word_count_multicore.png" width="600"> + </th> + <th> + <p>2つの実験環境でコア数に対する実行時間の測定を行った。</p> + <p> + MacPro 2010 において 6CPU を使用した場合、 + 1CPU を使用した場合に比べて<font color="red"> 5.0 倍</font>の速度向上が見られた。 + </p> + <p> + MacPro 2013 においては 6CPU を使用した場合、 + 1CPU を使用した場合に比べて<font color="red"> 5.2 倍</font>の速度向上が見られた。 + </p> + <p>計算機のコア数である 6CPU までは充分に並列度を維持する事ができた。</p> + </th> + </tr></table> </div> <div class='slide'> <h2>DMA の prefecth に関するベンチマーク </h2> - </div> - - <div class='slide'> - <h2>GPGPU のベンチマーク</h2> + <table><tr align="left"> + <th><img src="./images/dmabench.png" width="600"> + </th> + <th> + <p> + DMA 転送の prefetch 機能を使用した場合(prefetch)と + 使用しなかった場合(no_prefetch)について測定を行った。 + </p> + <p> + 測定の結果、prefetch を使用すると CPU 数が1の場合は<font color="red">1.17%</font>、 + CPU 数が6の場合は<font color="red">1.63%</font>の性能向上が見られた。 + 6CPU までは prefetch を使用した場合の性能が高く、6CPU を超えるとほぼ同じ性能となった。 + </p> + </th> + </tr></table> </div> <div class='slide'> <h2>データ並列実行のベンチマーク</h2> + <table><tr align="left"> + <th><img src="./images/wordcount_dataparallel.png" width="600"> + </th> + <th> + <p> + データ並列実行に関して、マルチコア CPU 、OpenCL、CUDA について通常実行した場合と + データ並列実行した場合に関して WordCount を用いて測定を行った。 + </p> + <p> + マルチコア CPU では<font color="red">1.06 倍</font>の性能向上が見られた。 + GPU に関しては劇的な性能向上が見られ、OpenCL は<font color="red"> 115 倍</font>、 + CUDA は<font color="red"> 14 倍</font>の性能が向上した。 + この結果から GPGPU を行う際はデータ並列による実行が必須であることがわかる。 + </p> + <p> + 全体的に性能は向上したが、マルチコア CPU に比べて<font color="blue"> GPU の性能が出ていない</font>。 + </p> + </th> + </tr></table> + </div> + + <div class='slide'> + <h2>FFT による GPGPU のベンチマーク(MacPro2010)</h2> + <table><tr align="left"> + <th><img src="./images/fft_firefly.png" width="600"> + </th> + <th> + <p> + FFT により マルチコア CPU、CUDA、OpenCL について測定を行った。 + CUDAは 1CPU と比べて<font color="red">3.5倍</font>、 + 6CPU と比べて<font color="red">1.1倍</font>の性能向上が見られた。 + </p> + <p> + OpenCL に関しては、1CPU と比べて<fonr color="red">2.75倍</fonr>の性能向上が確認できたが、 + 6CPU と比べると<font color="blue">0.76 倍の性能低下</font>が見られた。 + OpenCL のみで FFT を行った場合と比べても<font color="blue">0.76倍</font>の性能低下が見られた。 + </p> + </th> + </tr></table> </div> <div class='slide'> - <h2>GPGPU のベンチマーク</h2> - </div> - - <div class='slide'> - <h2>FFT による GPGPU のベンチマーク</h2> + <h2>FFT による GPGPU のベンチマーク(MacPro2013)</h2> + <table><tr align="left"> + <th><img src="./images/fft_dragonfly.png" width="600"> + </th> + <th> + <p> + GPU の性能が高い計算機で測定した結果、GPGPU の性能向上が確認できた。 + OpenCL が1CPU と比べて<fonr color="red">6倍</fonr>、 + 6CPU と比べて<font color="red">1.6 倍</font>の性能が出た。 + OpenCL のみで FFT を行った場合と比べても同等の性能を発揮することができた。 + </p> + </th> + </tr></table> </div> <div class='slide'> <h2>BlockedRead による並列 I/O のベンチマーク</h2> + <table><tr align="left"> + <th><img src="./images/io_thread_firefly.png" width="600"> + </th> + <th> + <p> + Cerium の従来の読み込み方式である mmap、一般的な file open である read、 + 更に今回実装した BlocledRead の測定を行った。 + BlockedRead に関しては io Thread を使用した場合(BlockedRead_io)と、 + 使用しない場合(BlockedRead_speany)の測定を行う。 + </p> + <p> + 6CPU において、BlockedRead_IOを使用した場合、mmap に比べて<font color="red">1.1倍</font>、 + read に比べて<font color="red">1.58倍</font>、 + BlocedRead_speany と比べて <font color="red">1.34 倍</font>の性能向上が見られた。 + </p> + </th> + </tr></table> + </div> <div class='slide'>