QC算法性能对计算机硬件性能需求的瓶颈在哪儿？

chengdi123000

如题。

对于QC性能瓶颈Sobereva在帖子http://sobereva.com/243中也讨论过单路的，但是没有多路，多路多了个网络部分和并行文件系统的问题。想知道更大规模的计算的总体的瓶颈在哪儿？

QC基于薛定谔方程，这玩意儿是个线性方程，总的来说似乎就搞成某种矩阵然后解，（我猜）大概率是解个满阵方程（貌似多级展开之类的应该得到的是满阵吧）不好分开解，QC计算量和自由度是N**2 ~ 6次方关系。

搞线性方程一般分生成系数和解方程，生成系数一般是embarrassingly parallel的，解方程才是最头疼的。

对于集群性能的需求应该主要取决于线性代数的需求，参考HPL, HPCG等超算的性能评价和tuning。感觉关键在于三点：CPU、并行网络、访内外存IO。

- CPU 关键是Flops和cache，FLOPS是很好算的，其计算比较重要的是考虑频率，以及考虑是否支持AVX2, AVX512等FMA。

- 并行网络：对于cluster来说，高速网络的延迟和带宽都更好一些，IB和10GigE最常用，但是IB也分QDR，FDR之类的，但是资料显示DDR IB只加速MPQC 47%，GAMESS的结果显示DDR IB没有那么大优势（+6%）。
- 访存IO：访存分内存和外存，内存主要看容量和Bandwidth，容量应该是最主要的，bandwidth也非常重要，因为总的趋势是CPU吃不饱，但是对矩阵运算通常是CPU吃的速度不够，因为解方程是传进cache N**2大小的数组，传出来是N大小数组，做N**2 ~ **3操作，外存主要是HDD/SSD啥的，大小没有速度重要，Sobereva也提到过，对于加载时间有影响，与算法是否有频繁读写也有关系。cluster的问题更多，lustre，

当然这些需求也和计算软件的算法设计有关系。我看Gaussian用的是Linda并行模型，而非MPI，不是很懂。

此外实际考虑还有性价比问题。

总的来说，一般应该怎么诊断程序的硬件性能瓶颈呢？有没有非root的工具降频降带宽运行程序？

参考：
http://www.hpcadvisorycouncil.co ... s_and_Profiling.pdf

https://www.cs.uoregon.edu/Reports/PHD-201704-Ozog.pdf
http://www.hpcadvisorycouncil.com/pdf/IB_and_10GigE_in_HPC.pdf
Computational Chemistry Performance Analysis on various current architectures. https://pdfs.semanticscholar.org ... 4a5bc5eafaceba2.pdf