使用 mkl 编译 r（支持多线程）

Question

我根据这些指南编译了 R：

http://www.r-bloggers.com/compiling-64-bit-r-2-10-1-with-mkl-in-linux/

http://cran.r-project.org/doc/manuals/R-admin.html#MKL

但是对于矩阵代数，R 并不使用所有可用的 CPU。

我都试过了：

MKL="-L${MKL_LIB_PATH} -lmkl_gf_lp64 -lmkl_gnu_thread \
      -lmkl_core -fopenmp -lpthread"

和

MKL="   -L${MKL_LIB_PATH}                               \
-Wl,--start-group                               \
            ${MKL_LIB_PATH}/libmkl_gf_lp64.a        \
            ${MKL_LIB_PATH}/libmkl_gnu_thread.a     \
            ${MKL_LIB_PATH}/libmkl_core.a           \
 -Wl,--end-group                                 \
 -lgomp -lpthread"

选项。

如何强制 R 使用所有可用的 CPU？

如何检查 R 是否使用 MKL？

Answer 1

我想添加我的程序来用 MKL 库编译 R 3.0.1。我在核心 i7 英特尔处理器、8G RAM 上使用 Debian 7.0。首先我安装了 MKL 库，在我用这个命令设置了 MKL 相关的环境变量（MKLROOT 和 LD_LIBRARY_PATH）之后：

>source /opt/intel/mkl/bin/mklvars.sh intel64

所以我在./configure中使用了以下参数：

>./configure --enable-R-shlib --enable-threads=posix --with-lapack --with-blas="-fopenmp -m64 -I$MKLROOT/include -L$MKLROOT/lib/intel64 -lmkl_gf_lp64 -lmkl_gnu_thread -lmkl_core -lpthread -lm"

并使用 make 和 make install 完成安装。

作为基准，我在没有 MKL 的情况下做了两个 5000 x 5000 矩阵产品之间的产品并得到：

用户系统已过 57.455 0.104 29.033

编译后：

用户系统已过 15.993 0.176 4.333

真正的收获！

Answer 2

现在所有这一切都变得容易多了——简短的blog post is here 详细讨论了以下步骤。

但简而言之，您所需要的只是：

## get archive key
cd /tmp
wget https://apt.repos.intel.com/intel-gpg-keys/GPG-PUB-KEY-INTEL-SW-PRODUCTS-2019.PUB
apt-key add GPG-PUB-KEY-INTEL-SW-PRODUCTS-2019.PUB

## add MKL to apt's repo list
sh -c 'echo deb https://apt.repos.intel.com/mkl all main > /etc/apt/sources.list.d/intel-mkl.list'

## update and install (500+ mb download, 1.9gb installed)    
apt-get update
apt-get install intel-mkl-64bit-2018.2-046 

## make it system default via update alternatives
update-alternatives --install /usr/lib/x86_64-linux-gnu/libblas.so     libblas.so-x86_64-linux-gnu      /opt/intel/mkl/lib/intel64/libmkl_rt.so 50
update-alternatives --install /usr/lib/x86_64-linux-gnu/libblas.so.3   libblas.so.3-x86_64-linux-gnu    /opt/intel/mkl/lib/intel64/libmkl_rt.so 50
update-alternatives --install /usr/lib/x86_64-linux-gnu/liblapack.so   liblapack.so-x86_64-linux-gnu    /opt/intel/mkl/lib/intel64/libmkl_rt.so 50
update-alternatives --install /usr/lib/x86_64-linux-gnu/liblapack.so.3 liblapack.so.3-x86_64-linux-gnu  /opt/intel/mkl/lib/intel64/libmkl_rt.so 50

## tell ldconfig
echo "/opt/intel/lib/intel64"     >  /etc/ld.so.conf.d/mkl.conf
echo "/opt/intel/mkl/lib/intel64" >> /etc/ld.so.conf.d/mkl.conf
ldconfig

就是这样。没有其他的。不重新编译或链接。例如，R 现在显示在 sessionInfo() 中：

Matrix products: default
BLAS/LAPACK: /opt/intel/compilers_and_libraries_2018.2.199/linux/mkl/lib/intel64_lin/libmkl_rt.so

Answer 3

（不是一个真正的答案：我不使用 MKL，我使用 OpenBlas 作为shared BLAS as described in the R-admin manual。）

• 作为快速检查是否使用了优化的 BLAS，我进行了矩阵乘法。即使只使用 1 个内核，优化的 BLAS 也应该比标准 BLAS R 的速度更快。

• 为了检查有多少内核在使用，我在矩阵乘法过程中查看top（或 CPU 使用图/监视器）。

• 过去在 CPU 关联性方面存在问题，因此 BLAS 会启动 $n$ 个线程，但它们都运行在同一个内核上，请参阅 Parallel processing in R limited。
  r-devel (3.0.0-to-be) 有设置 CPU 亲和性的功能。

Answer 4

这里有完整的教程：

https://software.intel.com/en-us/articles/build-r-301-with-intel-c-compiler-and-intel-mkl-on-linux

或简单地使用：

http://mran.revolutionanalytics.com/download/