如何使用HPL测试E | 您所在的位置:网站首页 › 云计算速度非常高吗 › 如何使用HPL测试E |
背景信息 HPL(The High-Performance Linpack Benchmark)是测试高性能计算集群系统浮点性能的基准。HPL通过对高性能计算集群采用高斯消元法求解一元N次稠密线性代数方程组的测试,评价高性能计算集群的浮点计算能力。 浮点计算峰值是指计算机每秒可以完成的浮点计算次数,包括理论浮点峰值和实测浮点峰值。理论浮点峰值是该计算机理论上每秒可以完成的浮点计算次数,主要由CPU的主频决定。理论浮点峰值=CPU主频×CPU核数×CPU每周期执行浮点运算的次数。本文将为您介绍如何利用HPL测试实测浮点峰值。 准备工作创建一个E-HPC集群。具体操作,请参见使用向导创建集群。 配置集群时,软硬件参数配置如下: 参数 说明 硬件参数 部署方式为精简,包含1个管控节点和1个计算节点,规格如下: 管控节点:采用ecs.c7.large实例规格,该规格配置为2 vCPU,4 GiB内存。 计算节点:采用ecs.ebmc5s.24xlarge实例规格,该规格配置为96 vCPU、192 GiB内存。 软件参数 镜像选择CentOS 7.6公共镜像,调度器选择pbs。 创建一个集群用户。具体操作,请参见创建用户。 集群用户用于登录集群,进行编译软件、提交作业等操作。本文创建的用户示例如下: 用户名:hpltest 用户组:sudo权限组 安装软件。具体操作,请参见安装软件。 需安装的软件如下: linpack,版本为2018。 intel-mpi,版本为2018。 步骤一:连接集群选择以下一种方式连接集群。本文使用的用户名为hpltest,连接集群后会默认登录到/home/hpltest。 通过客户端 该方式仅支持使用PBS调度器的集群。操作前,请确保您已下载安装E-HPC客户端,且已配置客户端所需环境。具体操作,请参见配置客户端所需环境。 打开并登录E-HPC客户端。 在客户端左侧导航栏,单击会话管理。 在会话管理页面的右上角,单击terminal,打开Terminal窗口。 通过控制台 登录弹性高性能计算控制台。 在顶部菜单栏左上角处,选择地域。 在左侧导航栏,单击集群。 在集群页面,找到目标集群,单击远程连接。 在远程连接页面,输入集群用户名、登录密码和端口,单击ssh连接。 步骤二:提交作业执行以下命令创建算例文件,算例文件命名为HPL.dat。 vim HPL.dat算例文件HPL.dat包含了HPL运行的参数。如下示例是在单台ecs.ebmc5s.24xlarge实例上运行HPL的推荐配置。 HPLinpack benchmark input file Innovative Computing Laboratory, University of Tennessee HPL.out output file name (if any) 6 device out (6=stdout,7=stderr,file) 1 # of problems sizes (N) 143600 Ns 1 # of NBs 384 NBs 1 PMAP process mapping (0=Row-,1=Column-major) 1 # of process grids (P x Q) 1 Ps 1 Qs 16.0 threshold 1 # of panel fact 2 PFACTs (0=left, 1=Crout, 2=Right) 1 # of recursive stopping criterium 2 NBMINs (>= 1) 1 # of panels in recursion 2 NDIVs 1 # of recursive panel fact. 1 RFACTs (0=left, 1=Crout, 2=Right) 1 # of broadcast 0 BCASTs (0=1rg,1=1rM,2=2rg,3=2rM,4=Lng,5=LnM) 1 # of lookahead depth 0 DEPTHs (>=0) 0 SWAP (0=bin-exch,1=long,2=mix) 1 swapping threshold 1 L1 in (0=transposed,1=no-transposed) form 1 U in (0=transposed,1=no-transposed) form 0 Equilibration (0=no,1=yes) 8 memory alignment in double (> 0)您可以根据节点的硬件配置,调整HPL.dat文件中相关参数,参数的说明如下所示: 第5~6行内容。 1 # of problems sizes (N) 143600 NsN表示求解的矩阵数量与规模。矩阵规模N越大,有效计算所占的比例也越大,系统浮点处理性能也就越高。但矩阵规模越大会导致内存消耗量越多,如果系统实际内存空间不足,使用缓存、性能会大幅度降低。矩阵占用系统总内存的80%左右为最佳,即N×N×8=系统总内存×80%(其中总内存的单位为字节)。 第7~8行内容。 1 # of NBs 384 NBsNB表示求解矩阵过程中矩阵分块的大小。分块大小对性能有很大的影响,NB的选择和软硬件许多因素密切相关。NB值的选择主要是通过实际测试得出最优值,一般遵循以下规律: NB不能太大或太小,一般小于384。 NB×8一定是缓存行的倍数。 NB的大小和通信方式、矩阵规模、网络、处理器速度等有关系。 一般通过单节点或单CPU测试可以得到几个较好的NB值,但当系统规模增加、问题规模变大,有些NB取值所得性能会下降。因此建议在小规模测试时选择3个性能不错的NB值,再通过大规模测试检验这些选择。 第10~12行内容。 1 # of process grids (P x Q) 1 Ps 1 QsP表示水平方向处理器个数,Q表示垂直方向处理器个数。P×Q表示二维处理器网格。P×Q=进程数。一般情况下一个进程对应一个CPU,可以得到最佳性能。对于处理器为Intel® Xeon®的ECS实例,关闭超线程可以提高HPL性能。P和Q的取值一般遵循以下规律: P≤Q,一般情况下P的取值小于Q,因为列向通信量(通信次数和通信数据量)要远大于横向通信。 P建议选择2的幂。HPL中水平方向通信采用二元交换法(Binary Exchange),当水平方向处理器个数P为2的幂时性能最优。 执行以下命令创建作业脚本文件,脚本文件命名为hpl.pbs。 vim hpl.pbs脚本内容示例如下: 说明本示例测试单节点的实测浮点峰值。如果您想测试多个节点的实测浮点峰值,可以修改脚本内容。 #!/bin/sh #PBS -j oe export MODULEPATH=/opt/ehpcmodulefiles/ module load linpack/2018 module load intel-mpi/2018 echo "run at the beginning" mpirun -n 1 -host compute000 /opt/linpack/2018/xhpl_intel64_static > hpl-output #测试单节点的浮点性能,compute000为运行作业的节点名称,请自行替换 #mpirun -n -ppn 1 -host ,..., /opt/linpack/2018/xhpl_intel64_static > hpl-output #测试多节点的浮点性能,里的内容请根据实际替换执行以下命令提交作业。 qsub hpl.pbs返回示例如下,表示生成的作业ID为0.manager。 0.manager步骤三:查看作业结果查看作业运行情况。 qstat -x 0.manager预期返回如下,当返回信息中S为R时,表示作业正在运行中;当返回信息中S为F时,表示作业已经运行结束。 Job id Name User Time Use S Queue ---------------- ---------------- ---------------- -------- - ----- 0.manager hpl.pbs hpltest 11:01:49 F workq查看作业结果。 cat /home/hpltest/hpl-output本次测试结果如下: ![]() |
CopyRight 2018-2019 实验室设备网 版权所有 |