随着计算机技术的迅猛发展，高性能计算系统的需求日益增长，成为科技进步和现代化建设的重要基础。在这一背景下，国产异构计算系统应运而生，旨在提供更为高效、灵活的计算能力。本文将针对国产异构计算系统中的核心组件之一——HPL（High Performance Linpack）测试软件包进行优化研究，通过引入创新的算法和技术，以期提升系统在执行HPL测试时的性能表现。
HPL是一种广泛应用于高性能计算领域的基准测试工具，它的核心功能是通过浮点运算来衡量计算系统的性能。在传统的HPL算法中，大型矩阵会被分解为若干子矩阵，这些子矩阵随后会被均匀分配给CPU处理器进行计算。然而，当这一算法被应用到由国产CPU和自主研发的加速器（如ChinaAccelerator）构成的异构系统中时，由于ChinaAccelerator支持的矩阵乘法接口具有其特定的定制特性，传统算法的性能无法得到充分发挥。
为了解决上述问题，本文提出了一项名为“矩阵分布细致划分与封装”（dPEM）的技术。dPEM技术的核心在于优化矩阵在异构系统中的分配和封装，使其能够适应ChinaAccelerator的定制接口。通过这种技术，可以提供一种更加友好的测试配置环境，确保HPL能在国产异构计算系统上以更高效的方式运行。具体而言，dPEM技术通过精细的矩阵划分和封装方法，针对ChinaAccelerator的接口特性进行了专门的优化，使得矩阵运算能够更加符合异构系统的工作机制。
除了dPEM技术，本文还设计了另一种名为O4MM（Orchestrating Algorithm for Matrix multiplication）的算法，即异构协同矩阵乘法调度算法。O4MM算法的目的是通过智能调度策略，优化计算任务在CPU和ChinaAccelerator之间的分配。这一算法能够充分发挥CPU和加速器各自的优势，实现计算资源的合理利用和任务的高效执行。实验结果表明，O4MM算法相较于传统的异构HPL调度算法，在性能上提升了约10%，有效证明了其在提升系统整体性能方面的显著效果。
综合上述两种技术，实验结果显示dPEM和O4MM的联合应用，能够显著提升HPL测试在国产异构系统上的执行效率，为国产异构计算系统的性能优化提供了有效的技术支撑。这一研究不仅为国产高性能计算系统的发展提供了新的思路，同时也为国产化硬件平台的应用开拓了新的空间。
关键词HPL、国产加速器、矩阵分布细致划分与封装、异构协同矩阵乘调度，作为本文的核心内容，不仅概括了研究的主题，也反映了在这一领域内研究者们所面临的挑战和努力的方向。未来，随着技术的不断进步和算法的持续优化，国产异构计算系统有望在性能上实现更大突破，为高性能计算领域贡献更多中国智慧和中国方案。
VIP享7折，此内容立减4.47元 
