准备HPC挑战

属性在集群中启动一个并行的工作人员池parpool函数。默认情况下,parpool使用默认集群配置文件创建并行池。的默认群集配置文件首页标签，in.平行>选择默认集群．在这个基准中，工人们相互沟通。如果需要优化worker间的通信，请设置'spmdenabled'来真正的．

池= parpool ('spmdenabled',真正的);

使用MyCluster配置文件启动并行池(parpool)…连接到64个工人。

使用hpccDataSizes函数计算满足HPC Challenge要求的每个基准的问题大小。这个大小取决于工作程序的数量和每个工作程序可用的内存量。例如，允许每个worker使用1gb。

gbPerWorker = 1;dataSizes = hpccDataSizes (pool.NumWorkers gbPerWorker);

运行HPC挑战

HPC挑战基金标记由几个部分组成，每个部分都探讨了系统的不同方面的性能。在以下代码中，每个函数运行单个基准标记，并返回包含性能结果的行表。这些功能在分布式阵列上测试各种操作。MATLAB分区跨多个并行工作者分布式阵列，因此它们可以使用群集的组合内存和计算资源。有关分布式阵列的更多信息，请参阅分布式阵列．

HPL

hpccHPL (m)，被称为Linpack Benchmark，测量求解线性方程组的执行速度。它创建了一个随机分布的实矩阵一个的大小米——- - - - - -米和一个实随机分布向量b的长度米，并测量解决系统的时间x = A \ b并行执行。性能以千兆浮点运算(每秒数十亿次浮点运算)返回。

hplResult = hpccHPL (dataSizes.HPL);

启动HPCC基准:数据大小为27.8255 GB的HPL。在64个工人的池上运行分析文件并将文件传输给工人…完成。完成HPCC基准:HPL在196.816秒。

DGEMM

hpccDGEMM (m)度量实矩阵-矩阵乘法的执行率。它产生随机分布实矩阵一个，B,C的大小米——- - - - - -米，并计算执行矩阵乘法的时间C = C + A*B在平行,α和bet是随机的标量。性能以十亿次浮点运算的速度返回。

dgemmResult = hpccDGEMM (dataSizes.DGEMM);

启动HPCC基准:DGEMM，数据大小:9.27515 GB。在64个工人的池上运行分析文件并将文件传输给工人…完成。完成HPCC基准:DGEMM在69.3654秒。

溪流

hpccSTREAM (m)评估集群的内存带宽。它创造了随机分布的向量b和c的长度米，和一个随机标量k,计算a = b + c * k．此基准测试不使用互操作者通信。性能在每秒千兆字节中返回。

streamResult = hpccSTREAM (dataSizes.STREAM);

启动HPCC基准:STREAM的数据大小:10.6667 GB。在64个工人的池上运行分析文件并将文件传输给工人…完成。完成HPCC基准:流在0.0796962秒。

PTRANS

hpccPTRANS (m)用于测量系统的进程间通信速度。它创建了两个随机分布矩阵一个和B的大小米——- - - - - -米,计算一个“+ B．结果以每秒千兆字节为单位返回。

ptransResult = hpccPTRANS (dataSizes.PTRANS);

启动HPCC基准:PTRANS，数据大小:9.27515 GB。在64个工人的池上运行分析文件并将文件传输给工人…完成。完成HPCC基准:PTRANS在6.43994秒。

RandomAccess

hpccRandomAccess (m)度量每秒可随机更新的分布式向量中的内存位置数。结果在GUPS中返回，每秒giga的更新。在这个测试中，工作人员使用一个随机数生成器编译成一个MEX函数。将每个操作系统体系结构的这个MEX函数的一个版本附加到并行池中，以便工作人员可以访问与他们的操作系统相对应的那个函数。

addAttachedFiles(池,{“hpccRandomNumberGeneratorKernel.mexa64”，“hpccRandomNumberGeneratorKernel.mexw64”，“hpccRandomNumberGeneratorKernel.mexmaci64”}）;randomAccessResult = hpccRandomAccess (dataSizes.RandomAccess);

启动HPCC基准:RandomAccess，数据大小:16gb。在64个工人的池上运行分析文件并将文件传输给工人…完成。完成HPCC基准:RandomAccess在208.103秒。

FFT

hpccFFT (m)测量在长度分布向量上并行快速傅里叶变换(FFT)计算的执行速度米．该测试测试了系统的运算能力和通信性能。性能以十亿次浮点运算的速度返回。

fftResult = hpccFFT (dataSizes.FFT);

启动HPCC基准:FFT数据大小:8gb。在64个工人的池上运行分析文件并将文件传输给工人…完成。完成HPCC基准:FFT 11.772秒。

显示结果

每个基准测试都会产生一个带有统计信息的表行。连接这些行以提供测试结果的摘要。

allResults = [hplResult;dgemmResult;streamResult;．．．ptransResult;randomAccessResult;fftResult];disp (allResults);

基准数据表现时间表现___________________________________________________________________________________________________________________19.82 773.11“GFLOPS”9.2752 69.365 1266.4“GFLOPS”流动“10.667 0.079696 4.667”GBPERSEC“”PTRANS“9.2752 6.4399 1.5465”GBPERSEC“”QUANCEACAS“16208.1 0.010319“GUP”“FFT”8 11.772 6.6129“GFLOPS”

将计算与批处理

你可以使用批处理函数将HPC Challenge中的计算卸载到您的集群中，并继续在MATLAB中工作。

使用前批处理，删除当前并行池。如果并行池已经使用了所有可用的辅助程序，则无法处理批处理作业。

删除(gcp);

发送函数hpccBenchmark将批处理作业发送到集群批处理．此函数调用HPC Challenge中的测试，并在一个表中返回结果。当你使用批处理，一个工作人员担任MATLAB客户端角色并执行该函数。另外，指定以下名称-值对参数:

gbPerWorker = 1;工作=批(@hpccBenchmark 1 {gbPerWorker},．．．“池”32岁的．．．“AttachedFiles”, {“hpccRandomNumberGeneratorKernel.mexa64”，“hpccRandomNumberGeneratorKernel.mexw64”，“hpccRandomNumberGeneratorKernel.mexmaci64”}，．．．“CurrentFolder”，“。”）；

提交作业后，可以在MATLAB中继续工作。您可以使用作业监视器检查作业的状态。在首页选项卡,环境区域,选择平行>监控工作．

在这种情况下，等待任务完成。要从集群检索结果，请使用fetchOutputs函数。

等待(工作);结果= fetchOutputs(工作);{1} disp(结果)

基准DataSizeGB时间性能性能单位______________ __________ ________ ___________ ________________ "HPL" 13.913 113.34 474.69 "GFlops" "DGEMM" " 4.6376 41.915 740.99 "GFlops" "STREAM" 5.3333 0.074617 230.24 "GBperSec" "PTRANS" " 4.6376 3.7058 1.3437 "GBperSec" "RandomAccess" 8 189.05 0.0056796 "GUPS" "FFT" 4 7.6457 4.9153 "GFlops"

当您使用大型集群时，您将增加可用的计算资源。如果花在计算上的时间超过花在员工间沟通上的时间，那么您的问题可以很好地扩大。下图显示了HPL基准的扩展与工人的数量，在一个集群4机器和18每台机器的物理核。注意，在这个基准测试中，数据的大小随着工人数量的增加而增加。