C+中的高性能计算资源+； 我正在寻找书籍或在线资源，详细地讲述了使用C++的高性能计算编程技术。 < P>。它是一个模板和对象库，用于C++中的高性能应用。它在线程、网络等方面具有强大的跨平台原语。

首先要了解的可能是HPC节点互连中的事实标准。

实际上，我听说的所有HPC代码都是用于求解线性方程组或FFT的。以下是一些链接，至少在所使用的库中提供：

• -线性代数的标准例程集-矩阵乘法之类的东西
• -高级线性代数例程的标准集-类似LU decomp的东西
• -优化BLAS实施
• -优化FFT实现
• -用于分布式处理器的BLAS
• -分布式LAPACK实现
• -分布式系统的通信库
• -可扩展的非线性和线性解算器（用户可扩展，接口更高）

---

这套库和包为HPC提供了广泛的中间件库，包括稀疏、迭代线性解算器；非线性求解器；特征解算器；ODE和DAE集成商，包括敏感性分析；优化（侵入式和黑匣子式）；有限元界面；网状界面；预处理程序；所有这些包都是使用相当现代的C++技术设计的（Python API和一些C和FORTRAN）。在非常大规模（5000+CPU）的异常后果（核武器设计）模拟中使用了这些技术，并取得了巨大成功。这些软件包提供了一套比BLA等更高的能力，尽管

< P>尽管已经有14年的历史了，但它的创举仍然被认为是近年来最杰出的C++工作之一。快速、高效、安全。。。我用过这些技巧，它们真的很了不起

编辑：

---

如果上面的链接仍然断开，下面是一个示例。这篇DDJ文章引用了Veldhuizen的原著。

即使不是FOSS，如果您需要执行这些库支持的任何操作（例如：信号处理、图像处理、矩阵数学），Intel和库确实可以为您节省大量时间（在开发和运行时）。当然，这取决于你的平台是否能从中受益

---

（不：我不为英特尔工作，但我是他们的一个快乐客户。）

无论你写什么，无论你从一开始就为性能设计了多少，都有可能从性能调整中获益。通常，项目规模越大，受益就越多。这是一种简单、有效的调优方法。它基于“深度采样”，这是一种在不强调测量的同时提高诊断准确性的技术

---

您还可以查看查看。api非常优雅，生成的程序非常快速（由于SSE2架构的显式矢量化）

高可扩展性-构建更大、更快、更可靠的网站

而且：

---

< /P>你是指大服务器中的高处理吞吐量，还是减少小型（PC或更小）机器的资源消耗？你可能想考虑这一点，谢谢汤姆。希望DDJ文章能有所帮助。链接在存档中：