HPCチャレンジの準備

関数parpoolを使用して，クラスタ，でワ，カ，の並列プ，ルを起動します。既定で，parpoolは既定のクラスタプロファルを使用して並列プルを作成します。既定のクラスタプロファルは，[ホ，ム]タブの[並列]、[既定のクラスタ，の選択]で確認してください。このベンチマ，クでは，ワ，カ，は相互に通信します。ワ，カ，間の通信が最適化されるように，“SpmdEnabled”を真正的に設定します。

Pool = parpool(“SpmdEnabled”,真正的);

启动并行池(parpool)使用'MyCluster'配置文件…与64名员工相连。

関数hpccDataSizesを使用して，hpcチャレンジの要件を満たす各ベンチマ，クの問題の規模を計算します。この規模は，ワ，カ，数および各ワ，カ，で使用できるメモリ量によって決まります。たとえば，各ワ，カ，に1 gbの使用を許可します。

gbPerWorker = 1;datasize = hpccdatasize (pool.NumWorkers,gbPerWorker);

HPCチャレンジの実行

HPCチャレンジベンチマークは複数の部分で構成され,それぞれが異なる観点からシステムのパフォーマンスを調べます。次のコードでは,各関数が1つのベンチマークを実行し,パフォーマンス結果を含む1行の表を返します。これらの関数は，分散配列に対する様々な演算をテストします。MATLABは、複数の並列ワーカーにわたって分散配列を分割するため、並列ワーカーはクラスターの結合されたメモリ リソースおよび計算リソースを使用できます。分散配列の詳細については、分散配列を参照してください。

HPL

hpccHPL (m)はLinpackベンチマ，クとして知られており，線形方程式系の求解の実行レ，トを測定します。サereplicationズが米行米列のランダムに分散した実数行列一个と，長さが米のランダムに分散した実数ベクトルbを作成し，方程式系x = A\bの並列的な求解に要する時間を測定します。パフォーマンスはギガフロップス(10億単位による,1秒あたりの浮動小数点演算の回数)で返されます。

hplResult = hpccHPL(dataszes . hpl);

启动HPCC基准测试:HPL，数据大小:27.8255 GB。在64个工作人员的池上运行分析文件并将文件传输给工作人员…完成。完成HPCC基准测试:HPL 196.816秒。

DGEMM

hpccDGEMM (m)は，実数行列同士の乗算の実行レ，トを測定します。サereplicationズが米行米列のランダムに分散した実数行列一个、BおよびCを作成し，行列乗算C = beta*C + alpha*A*Bの並列実行に要する時間を測定します。ここで，αおよびβはランダムなスカラ，です。パフォ，マンスはギガフロップス単位で返されます。

dgemmResult = hpccDGEMM(dataszes . dgemm);

启动HPCC基准测试:DGEMM，数据大小:9.27515 GB。在64个工作人员的池上运行分析文件并将文件传输给工作人员…完成。完成HPCC基准测试:DGEMM，用时69.3654秒。

流

hpccSTREAM (m)は，クラスタ，のメモリ帯域幅を評価します。長さが米のランダムに分散したベクトルbとc，およびランダムなスカラkを作成し，A = b + c*kを計算します。このベンチマ，クでは，ワ，カ，間の通信を使用しません。パフォマンスはgb /秒の単位で返されます。

streamResult = hpccSTREAM(dataSizes.STREAM);

启动HPCC基准测试:STREAM，数据大小:10.6667 GB。在64个工作人员的池上运行分析文件并将文件传输给工作人员…完成。完成HPCC基准测试:STREAM在0.0796962秒。

PTRANS

hpccPTRANS (m)は，システムのプロセス間通信の速度を測定します。サereplicationズが米行米列のランダムに分散した2の行列一个とBを作成し，A' + bを計算します。結果はgb /秒の単位で返されます。

ptransResult = hpccPTRANS(dataszes . ptrans);

启动HPCC基准测试:PTRANS，数据大小:9.27515 GB。在64个工作人员的池上运行分析文件并将文件传输给工作人员…完成。完成HPCC基准测试:PTRANS用时6.43994秒。

RandomAccess

hpccRandomAccess (m)は分散したベクトル内でランダムに更新できるメモリ位置の1秒あたりの数を測定します。結果はgups(1秒あたりのギガ単位の更新数)の単位で返されます。このテストで，ワ，カ，はmex関数にコンパ，ルされた乱数発生器を使用します。各オペレーティングシステムアーキテクチャについて,この墨西哥人関数のバージョンを並列プールに付加します。これにより，ワ，カ，はそのオペレ，ティングシステムに対応するバ，ジョンにアクセスできます。

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

启动HPCC基准测试:随机访问，数据大小:16 GB。在64个工作人员的池上运行分析文件并将文件传输给工作人员…完成。在208.103秒内完成HPCC基准测试:RandomAccess。

FFT

hpccFFT (m)は，長さが米の分散したベクトルについて高速フーリエ変換(FFT)を並列計算した場合の実行レートを測定します。このテストは，システムの演算能力と通信パフォ，マンスの両方を測定します。パフォ，マンスはギガフロップス単位で返されます。

fftResult = hpccFFT(dataszes . fft);

启动HPCC基准测试:数据大小为8 GB的FFT。在64个工作人员的池上运行分析文件并将文件传输给工作人员…完成。完成HPCC基准测试:FFT耗时11.772秒。

結果の表示

各ベンチマ，クの結果は，統計値を含む1行の表です。これらの行を結合して，テスト結果の概要を提供します。

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

Benchmark DataSizeGB Time Performance PerformanceUnits ______________ __________ ________ ___________ ________________ "HPL" 27.826 196.82 773.11 "GFlops" "DGEMM" 9.2752 69.365 1266.4 "GFlops" "STREAM" 10.667 0.079696 431.13 "GBperSec" "PTRANS" 9.2752 6.4399 1.5465 "GBperSec" "RandomAccess" 16 208.1 0.010319 "GUPS" "FFT" 8 11.772 6.6129 "GFlops"

批处理を使用した計算のオフロ，ド

関数批处理を使用してHPCチャレンジの計算をクラスターにオフロードし,MATLABでの作業を続行できます。

批处理を使用する前に，現在の並行プ，ルを削除します。並列プ，ルが既に使用可能なすべてのワ，カ，を使用している場合，バッチジョブを処理できません。

删除(gcp);

批处理を使用して，関数hpccBenchmarkをバッチジョブとしてクラスタ，に送信します。この関数は，HPCチャレンジのテストを呼び出し，結果を表に返します。批处理を使用する場合，ワ，カ，はmatlabクラ，アントの役割を担い，関数を実行します。さらに，以下の名前と値のペアの引数を指定します。

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

ジョブの投入後，matlabでの作業を続行できます。ジョブモニタ，を使用してジョブの状態を確認できます。[ホ，ム]タブの[環境]領域で，[並列]、[ジョブの監視]を選択します。

この例では，ジョブが完了するまで待ます。クラスタ，から結果を取得するには，関数fetchOutputsを使用します。

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

Benchmark DataSizeGB Time Performance PerformanceUnits ______________ __________ ________ ___________ ________________ "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"

大規模なクラスタ，を使用する場合は，使用できる計算リソ，スを増やします。計算に要する時間がワ，カ，間の通信に要する時間より長い場合，問題を良好にスケ，ルアップできます。次の図に，4台のマシンからなり，各マシンが18個の物理コアをもつクラスターにおける,HPLベンチマークのスケーリングをワーカー数と共に示します。このベンチマクでは，ワカ数に伴ってデタサズが増加していることがわかります。