[BMT] conda를 이용한 HPL benchmark

1. conda environment 생성

$ conda create -n hpl_2.3

 

2. HPL 의존 패키지 설치

$ source activate hpl_2.3 $ conda install gcc_linux-64 gxx_linux-64 gfortran_linux-64 openmpi mkl mkl-static -c intel

 

3. HPL Build

$ wget https://www.netlib.org/benchmark/hpl/hpl-2.3.tar.gz $ tar xvzf hpl-2.3.tar.gz $ cd hpl-2.3 $ cp setup/Make.Linux_Intel64 Make.Linux_x86_64 $ vi Make.Linux_x86_64 - - - 수정사항 참고 - - - $ make arch=Linux_x86_64

[수정사항]

-- 생략 --  ARCH         = Linux_x86_64 -- 생략 --  TOPdir       = $(HOME)/HPL/hpl-2.3 -- 생략 --  MPdir        = $(HOME)/miniconda3/envs/hpl_2.3 MPinc        = -I$(MPdir)/include MPlib        = -L$(MPdir)/lib -lmpi -- 생략 --  LAdir        = $(HOME)/miniconda3/envs/hpl_2.3 ifndef  LAinc LAinc        = $(LAdir)/include endif ifndef  LAlib LAlib        = -L$(LAdir)/lib \                -lmkl_intel_lp64 -lmkl_intel_thread -lmkl_core -liomp5 \                -lpthread -ldl endif -- 생략 --  CC       = mpicc OMP_DEFS = -fopenmp CCFLAGS  = $(HPL_DEFS) -O3 -w -z noexecstack -z relro -z now -Wall -- 생략 --

 

4. 테스트

 

- 입력파일(HPL.dat) 생성

[예제 : 1노드, 32코어, 메모리 512000MB, Block size 192 ]

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) 231552         Ns 1            # of NBs 192           NBs 0            PMAP process mapping (0=Row-,1=Column-major) 1            # of process grids (P x Q) 4            Ps 8            Qs 16.0         threshold 1            # of panel fact 2            PFACTs (0=left, 1=Crout, 2=Right) 1            # of recursive stopping criterium 4            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 1            BCASTs (0=1rg,1=1rM,2=2rg,3=2rM,4=Lng,5=LnM) 1            # of lookahead depth 1            DEPTHs (>=0) 2            SWAP (0=bin-exch,1=long,2=mix) 64           swapping threshold 0            L1 in (0=transposed,1=no-transposed) form 0            U  in (0=transposed,1=no-transposed) form 1            Equilibration (0=no,1=yes) 8            memory alignment in double (> 0) ##### This line (no. 32) is ignored (it serves as a separator). ###### 0                               Number of additional problem sizes for PTRANS 1200 10000 30000                values of N 0                               number of additional blocking sizes for PTRANS 40 9 8 13 13 20 16 32 64        values of NB

※ 간단한 테스트는 https://www.advancedclustering.com/act_kb/tune-hpl-dat-file 에서 생성하기를 권함.

 

- conda 환경 설정 및 실행

$ source activate hpl_2.3 $ cd $HOME/HPL/hpl-2.3 $ cd  bin/Linux_x86_64 $ mpirun -np 32 ./xhpl

 

- HPL 이론 성능(Rpeak) 계산 방법

Rpeak(GFlops) = Clock Speed(GHz) * cores * CPU sockets * FP

[ AMD EPYC 7543 예제]

2.8 GHz * 32 core * 2 socket * 16 FP = 2867.2 GFlops

 

※ 주의 : 위 페이지는 간단한 테스트 용도로 작성되어 최적화와 관련된 내용은 아닙니다.

※ 참고 : Top500 HPL Calculator(http://hpl-calculator.sourceforge.net)