logo标签列表

C++高性能计算资源

c++performance
17

我正在寻找涵盖使用C++进行高性能计算编程技术的书籍或在线资源。

1
你是指大型服务器的高处理吞吐量，还是小型（个人电脑或更小）机器上降低资源消耗？ - Fabio Ceconello
你可能想考虑一下这个：https://github.com/ohhmm/openmind/blob/77d79f62ded371579ed2812850b81a9f30d2693e/omnn/math/test/08_System.cpp#L620 - Sergei Krivonos
9个回答
12

我所听说的实际上所有高性能计算代码都是用于解决线性方程组或FFT的。以下是一些链接，至少可以让你了解使用的库：

  • BLAS - 标准的线性代数例程集合——例如矩阵乘法。
  • LAPACK - 标准的高级线性代数例程集合——例如LU分解。
  • ATLAS - 优化的BLAS实现。
  • FFTW - 优化的FFT实现。
  • PBLAS - 分布式处理器的BLAS。
  • SCALAPACK - 分布式LAPACK实现。
  • MPI - 用于分布式系统的通信库。
  • PETSc - 可扩展的非线性和线性求解器（可由用户扩展，接口远超以上库）。
4
尽管不是开源软件，但英特尔 IPP 和 MKL 库可以在进行任何这些库支持的操作（例如：信号处理、图像处理、矩阵数学）时节省大量时间（无论是在开发还是运行时）。当然，这取决于您的平台是否能够从中受益。

（不，我不是英特尔的员工，但我是他们的忠实客户。）

3

Trilinos软件包提供了广泛的中间件库，包括稀疏、迭代线性求解器；非线性求解器；特征值求解器；ODE&DAE积分器，包括灵敏度分析；优化（侵入式和黑盒）；有限元接口；网格接口；预处理器等，所有这些包都使用较为现代的C ++技术设计（也有Python API以及一些C和Fortran）。它们在大规模并行（5000+个CPU）的重要仿真（核武器设计）中得到了极大的成功。这些软件包提供了比BLAS等更高级别的功能套件。

2
2
尽管已经有14年的历史，但表达式模板(Expression Templates)的开创性工作仍被认为是近年来最出色的C++工作之一。快速、高效、安全...我使用过这些技术，它们真的非常出色。 编辑： 如果上面的链接仍然无法访问，这里有一个表达式模板的备用参考。这篇DDJ文章引用了Veldhuizen的原始工作。
谢谢Tom。希望DDJ的文章有所帮助。 - Pat Notz
链接在存档中：https://web.archive.org/web/20090421155750/http://ubiety.uwaterloo.ca/~tveldhui/papers/Expression-Templates/exprtmpl.html - Jaroslav Svestka
2

看看Eigen向量/矩阵库。它的API非常优雅，由于SSE2架构的显式向量化，得到的程序速度非常快。

1

看看自适应通信环境（ACE）。它是一个用于C++高性能应用程序的模板和对象库。它具有出色的跨平台线程、网络等基本功能。

1
无论你写什么，从一开始就为性能设计多少，很有可能它都会受益于性能调优。通常来说，程序越大，受益越多。这个是一个简单而有效的进行调优的方法。它基于“深度采样”技术，这种技术在强调测量的同时也能够提供准确的诊断。
你也可以查看http://en.wikipedia.org/wiki/Performance_analysis#Simple_manual_technique。
0
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接