Mac 上的超线程 - 速度不快答案

【问题标题】：Hyperthreading on Mac -- not giving much speed upMac 上的超线程 - 速度不快
【发布时间】：2013-07-03 17:01:37
【问题描述】：

我已经使用 openMP 在 C++ 中实现了一个凸壳算法。

Below are the results when tested in my Mac Book Pro:
      Processor Name:   Intel Core i5
      Processor Speed:  2.5 GHz
      Number of Processors: 1
      Total Number of Cores:    2
      L2 Cache (per Core):  256 KB
      L3 Cache: 3 MB
      Memory:   4 GB

处理器运行代码所需的时间：

With two Threads:
(here size represents the number of points in the input and time in Seconds)

Average Sequential Time Elapsed in seconds for size:10=8.29697e-06
Average Parallel Time Elapsed in seconds for size:10=5.0807e-05

Average Sequential Time Elapsed in seconds for size:100=5.18084e-05
Average Parallel Time Elapsed in seconds for size:100=8.13007e-05

Average Sequential Time Elapsed in seconds for size:1000=0.000471377
Average Parallel Time Elapsed in seconds for size:1000=0.000283003

Average Sequential Time Elapsed in seconds for size:10000=0.00483506
Average Parallel Time Elapsed in seconds for size:10000=0.0032198

Average Sequential Time Elapsed in seconds for size:100000=0.0471328
Average Parallel Time Elapsed in seconds for size:100000=0.0333489

Average Sequential Time Elapsed in seconds for size:1000000=0.460131
Average Parallel Time Elapsed in seconds for size:1000000=0.267305


With four threads:

Average Sequential Time Elapsed in seconds for size:10=1.00136e-05
Average Parallel Time Elapsed in seconds for size:10=0.000106597

Average Sequential Time Elapsed in seconds for size:100=5.91993e-05
Average Parallel Time Elapsed in seconds for size:100=0.000114727

Average Sequential Time Elapsed in seconds for size:1000=0.000503755
Average Parallel Time Elapsed in seconds for size:1000=0.000302839

Average Sequential Time Elapsed in seconds for size:10000=0.00478158
Average Parallel Time Elapsed in seconds for size:10000=0.00235724

Average Sequential Time Elapsed in seconds for size:100000=0.0465738
Average Parallel Time Elapsed in seconds for size:100000=0.0223478

Average Sequential Time Elapsed in seconds for size:1000000=0.466074
Average Parallel Time Elapsed in seconds for size:1000000=0.221905

我在我的 CPU 活动监视器中找到了四个插槽，我知道这个版本的英特尔处理器支持超线程。

如果是这样的话，我不应该在使用 4 个线程时获得 4 的加速吗？

请提供任何可以帮助我使用英特尔处理器中的超线程功能的建议。

谢谢，维杰

【问题讨论】：

我认为这里的一个重要问题是“凸包算法是否适合线性加速的并行化？” （我不知道答案；只是想知道）另外，我没有提到哪个是有问题的算法（似乎有几种凸包算法）。而且也没有代码，所以如果我们不知道你有什么，我们怎么知道我们建议的内容是对你有什么的改进？
是的，该算法需要线性时间。该算法在点的排序列表上运行。
我对所讨论的算法一无所知，但我已经看到算法在较小的硬件上运行得更快，因为程序和硬件相互“匹配”得更好。例如，如果一台计算机的处理器性能较差，但由于内存布局而导致缓存未命中率较低，那么它的运行速度会更快。只是想一想。
我在 4 核机器上运行了相同的代码，并观察到在 Linux 操作系统上的速度提高了 3.7
由于代码在 4 核处理器上运行速度快了 3.7 倍，这消除了算法无法扩展到 2 核以上的可能性。超线程并不等同于额外的内核。

标签： c++ macos openmp processor hyperthreading

【解决方案1】：

在 HPC（高性能计算）环境中使用超线程时，您不应该期望性能有很大提高。事实上，最好在 BIOS 级别关闭超线程。超线程给人以额外内核的印象，如果许多进程在同一个 CPU 上运行，可能会提高性能，但不会为 CPU 密集型 MPI 应用程序增加价值。

【讨论】：

+1，超线程可以提高或降低应用程序的性能，具体取决于您的工作负载（在我们的系统中，在测量后发现超线程实际上损害了我们的性能）跨度>
我的理解：超线程让操作系统认为它的核心（逻辑）多于物理核心。事实上，操作系统 a 具有硬件支持（复制的功能单元），在这种情况下，我确实看到了使用 4 个线程运行代码的性能优势。为什么会妨碍性能？
@user2491531 因为超线程可能会尝试使用芯片上的相同硬件，如果是这样，那么它们必须相互等待。（类似于单核机器上的多个 OS 线程。）如果核上的线程使用不同的执行资源，超线程可能会带来好处。例如一个线程在做整数运算，另一个在做 SIMD。在这种情况下，超线程不会过多地争夺相同的执行资源，而是让更多的硬件并行工作。
@bames53 我认为功能单元在超线程中的每个内核上都被复制，因此两个线程可以同时工作而无需其他线程等待。
@user2491531，想象一下传送带上的工人。如果让工人处理两个传送带，并不意味着工人将获得 2 倍的性能提升。性能甚至可能更差，因为他必须花时间在传送带之间切换。超线程以类似的方式工作 - 有两个工人（核心）和四个传送带（线程），超线程让我们认为有 4 个工人处理传送带。