Multithreading 希望快速并行优化拉帕克程序（gfortran）问题

直到两天前，我还以为我对这一点有了非常清晰的理解，但现在我可能想得太多了，弄糊涂了。我会解释我在做什么，然后问几个可能过于简单的问题，但到目前为止，我已经找到了相互矛盾的答案。肯定有人能纠正我的错误

我已经编写了一个fortran代码，它利用LAPACK例程来解决特征值问题。我的问题是（A-LB）x=0，其中L是我的特征值，x是我的特征向量，A和B是平方、复、非对称、非厄米、非三角矩阵。A和B都是NxN，在我的代码中，N通常在1000到3000之间

现在代码工作得很好。我正在使用LAPACK的优化atlas安装。我专门运行例程ZGGEV（），因为现在我需要所有的特征值解和所有相关的特征向量解

现在，我正试图优化我的代码，使其运行得更快。我们实验室的所有计算机都包含4或8个核心CPU，并在Ubuntu上运行。在解决这个问题时，我能做些什么来利用我的全部cpu吗？我一直在研究以下方面：

• 我安装了一个优化的OpenBlas库，速度肯定更快，但我注意到它仍然只使用1个内核（有一个小的峰值，它使用的更多。我假设这个峰值是并行运行的BLAS包，LAPACK仅限于一个内核？）
• 我已经研究过等离子体，但它看起来并不能以现在的形式解出我的方程
• 我研究过ScaLAPACK，但目前我还不清楚这是否值得学习在8核CPU上使用。此外，我在代码的后面部分使用openmp线程，我从未将openmp与MPI结合使用

最后，我有几个具体的Blas问题：

Atlas附带“libptcblas”和“libptf77blas”库。这些应该是线程库，但我在使用它们时没有注意到区别，事实上它运行得有点慢（我猜是由于开销）。我需要打电话利用这些吗？我有理由在“libcblas”和“libf77blas”上使用这些库吗

使用OpenBlas，它还构建了一个非常特定的“libopenblas_penrynp-r0.2.12”。这是线程版本吗？同样，我没有注意到运行这个blas和运行“libopenblas”有什么区别

---

希望有人能澄清我的一些Blas问题，并为我指出一个更快的解决方法。谢谢

您认为多线程行为主要来自BLAS而不是LAPACK例程是正确的。矩阵的大小足以利用多线程环境。我不确定BLAS在ZGGEV例程中的使用范围，但它应该不仅仅是一个峰值

关于你的具体问题

尽管我没有广泛使用ATLAS图书馆，但它是众所周知的 “要使用的线程数在编译时确定”。 请参阅

特定的

libopenblas_*.a

是

libopenblas.a

。线程编号在编译时再次定义

请从库构建中检查日志文件和std.out，并验证它们是否识别了正确数量的CPU

我注意到你提到的不止一台机器。请注意，ATLAS是一个自动调整的库。因此，您必须在每台机器中重新编译库。另一方面，Openblas接受

make

中的

DYNAMIC_ARCH=1

选项。此库动态指定每台机器中的优化例程

我对多线程测试的建议是使用

$ make DYNAMIC_ARCH=1 NUM_THREADS=8

---

然后在程序中调用ZGEMM。这是一个绝对优化的例程，应该显示多线程行为。

非常感谢！我很确定我现在完全明白了。我为每台计算机分别制作了一个地图册。按照你的建议，我在ZGEMM上用Openblas做了许多测试，我肯定看到了并行加速。经过进一步检查，我确实得到了一些与ZGGEV加速，但很少。然而，Openblas的运行速度仍然比ATLAS快得多，因此这是一个优势。