OpenCAEPoro：数学库、VTune分析优化以及多机运行

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

在高性能计算（HPC）中，优化数值模拟器的性能对于提高计算效率至关重要。OpenCAEPoro作为一个专为多孔介质设计的数值模拟器，其性能优化不仅可以减少计算时间，还可以提高资源利用率。本文将探讨通过更换数学库和使用VTune性能分析工具来优化OpenCAEPoro的实践。

---

一、数学库优化

数学库是科学计算中的核心组件，对性能有着直接的影响。我们测试了两种流行的数学库：Intel MKL和OpenBLAS。

Intel MKL

在CMakeLists.txt 中设置：

find_package(MKL REQUIRED)
if(MKL_FOUND)
    target_link_libraries(${LIBNAME} PUBLIC ${MKL_LIBRARIES})
    target_include_directories(${LIBNAME} PUBLIC ${MKL_INCLUDE_DIRS})
endif()

替换后的object time 有所下降，不过下降幅度偏小，大致为53.2秒多。

OpenBLAS

解压下载的文件：

tar -xvf OpenBLAS-0.3.6.tar.gz
cd OpenBLAS-0.3.6
make
make PREFIX=/path/to/OPENBLAS install

替换 /path/to/OPENBLAS 为自己安装 OpenBLAS 的路径。

export LD_LIBRARY_PATH=/path/to/OPENBLAS/lib:$LD_LIBRARY_PATH

在 CMakeLists.txt 文件中链接 OpenBLAS（注意替换路径）：

find_library(OPENBLAS_LIB NAMES openblas libopenblas PATHS /path/to/OPENBLAS/lib)
if(OPENBLAS_LIB)
    target_link_libraries(${LIBNAME} PUBLIC ${OPENBLAS_LIB})
endif()

检查安装：

 ldconfig -p | grep openblas 

不过替换该数学库后的效果仍然不明显。

分析

其实还可以试试Eigen等其他数学库，不过我也没来得及试试。
不过testcase1所计算的矩阵式比较小，也可以考虑搜集资料改进一下这部分运算。

二、VTune性能分析

1.分析

vtune -collect hotspots -result-dir result1 mpirun -np 9 ./testOpenCAEPoro ./data/test/test.data verbose=1

2.查看

vtune -report summary -r result1

3.分析（部分截图）

因为对vtune不太熟悉，所以得到结果也不知道从哪方面改进（抱歉）。

三、多机运行

4*50时大致时间为：

4*55时大致时间为：

（其实应该先多机跑的，浪费了好多时间）

四、改进函数

pestis_solve:

改进了循环部分（代码能力有限）。

Partition.cpp文件中的SetDistribution函数

1.可以使用 unordered_map（哈希表），减少查找发送缓冲区的时间复杂度。
2.预先检查哈希表中是否存在键值，进而减少循环中的条件分支。
3.使用 vector 的 push_back 方法来添加新元素，而不是在循环中多次调用 vector 的 size 。

四、其他小改进

给vector提前分配空间

有部分可以被计算出来的，可以提前reserve分配好合适的空间。

提高I/O性能

可以通过使用缓冲区来收集数据，一次性写入或者读取，减少I/O操作的次数，也可以通过异步I/O操作或者非阻塞I/O，发起一个I/O请求后立即返回，程序继续执行其他任务，直到I/O操作准备好再回来处理。

总结

尝试的优化方法并不尽人意，并且代码修改这部分有待加强，能力还有待加强。