Idea can be found in our Notion notes

⚠ The repo's documentation & notion notes is not complete and not entirely consistent with our latest idea. If you want to see the actual ideas, See try14 and try16 folders. Both of them have state-of-the-art performance.

The try15-big-change-using-avx2 version is written by AVX2 instructions. Results are correct, with a fairly slow speed.

If you have any questions, please feel free to raise an issue or send an email.

⚠ For the interest of academic integrity, please do not copy the code of this repo directly.

Hope I can help you. code and have fun!

代码说明

本实验最终代码包含一个文件：pivot.c

程序中使用了OpenMP进行并行化，运行命令的主机应该支持OpenMP。

gcc 版本大于等于 8.1 的时候工作，代码正常编译运行。对于更低版本的 gcc 或者 Intel OneAPI，并未做过相应的测试。

编译 & 运行

代码在 源代码 目录下。为了方便老师进行测试，我们写了 Makefile和 test.sh脚本。要想进行编译，只需要 make一下即可。通过运行 .\pivot，就能在默认参数（线程数量：6，小数据集）下运行程序。

如果要测试其他线程数、数据集，只需要在 .\pivot 之后加上参数。格式是 -t <thread_number> -f <file_name>。两个参数的顺序是自由的，也都是可选的。缺失的参数将被赋予默认值。

程序在运行之后会把结果写入 object.txt当中。经过反复验证，不论是大小数据集，我们的输出结果和参考文件完全一致。写入的模式是覆盖式的，所以不必先清空文件内容再测试。

如果要进行测试，可以运行 test.sh脚本。它的内容如下所示。它会测试不同线程、不同数据集下的程序耗时并且输出，单位为毫秒。测试也有两个模式：大型测试和小型测试，默认是小型测试。如果想要进行完整（最高 64 核，并且大数据集也在内）的测试，只需要修改第9，10行的内容即可。

#!/bin/bash

# This script is used to test the time cost of the program `pivot.c`.
# first make clean and make the program
make clean
make

# `small` for small test, `big` for big test
declare isSmallTestOrBigTest="small"
# declare isSmallTestOrBigTest="big"
declare exe_name="out"

if [ "$isSmallTestOrBigTest" = "small" ]; then
    declare -a thread_nums=("1" "2" "4" "8" "12" "16")
    declare -a file_names=("./uniformvector-2dim-5h.txt")

elif [ "$isSmallTestOrBigTest" = "big" ]; then
    declare -a thread_nums=("1" "2" "4" "8" "12" "16" "32" "64")
    declare -a file_names=("./uniformvector-2dim-5h.txt" "./uniformvector-4dim-1h.txt")

fi

# run ./out and record the time cost.
# time cost line is the 5th line of the output.
for i in "${file_names[@]}"; do
    for j in "${thread_nums[@]}"; do
        echo "file name: $i, thread num: $j"
        ./$exe_name -f $i -t $j | sed -n '5p'
    done
done

最后，如果由于平台或其他原因发生了编译错误，可以在 prepared_bin 文件夹里面找到我们预先编译好的二进制文件。一般情况下不需要这个文件，它只是用来防止意外情况。

我们的代码在一次编译之后，多次运行速度有所波动。如果条件允许，请老师多次测试取性能最好值。

之前的性能测试

我们依托依托山东大学高性能计算平台进行过测试，其配置信息如下：

• 操作系统：CentOS Linux release 7.8.2003 (Core)
• CPU：Intel (R) Xeon (R) Gold 6248 CPU @ 2.50GHz
• 内存：4GB

准确性能以实验室测试平台为准。该结果仅供参考。

1.2.1 测试数据“uniformvector-2dim-5h.txt”

线程数量	执行时间 (ms)	加速比
1	28790	1
2	14552	1.98
4	7643	3.77
8	3897	7.39
12	2694	10.68

1.2.2 测试数据“uniformvector-4dim-1h.txt”

线程数量	执行时间 (ms)	加速比
1	1416201	1
2	685185	2.06
4	371142	3.82
8	245492	5.77
12	191242	7.40

总体来看，我们的性能还算不错，但是也不算很快。不过，我们在小数据集上取得了几乎线性的加速比增长（至少在核数不太大的时候）。