Spatter：用于评估聚集/散开性能的工具
摘要：评估内存系统架构的新基准工具Spatter在特定类别的索引访问（称为gather和scatter）的背景下进行描述。这些操作越来越多地用于表示稀疏和不规则的数据访问模式，在许多现代高性能计算应用中具有广泛的实用性，包括科学模拟、数据挖掘和分析计算以及图处理。然而，许多传统的基准测试工具（如STREAM、STRIDE和GUPS）仅关注统一步幅或完全随机访问的特征，尽管有证据表明现代应用程序使用多种复杂的访问模式集合。 Spatter是一个开源基准测试工具，提供了一个可调节和可配置的框架，用于评估多种索引访问模式，包括在本文评估的HPC mini-apps中看到的gather/scatter的变体。Spatter的设计包括OpenMP和CUDA的可调节后端，并且实验显示它可以用于评估1）CPU和GPU的统一访问模式，2）gather/scatter的预取策略，3）编译器实现的向量化策略，以及4）反映多个应用程序中的模式的基于跟踪的“代理模式”。Spatter的实验结果表明，GPU在这些操作中通常优于CPU，并且Spatter可以更好地表示某些依赖于缓存的mini-apps的性能，而不是传统的STREAM带宽测量。
作者：Patrick Lavin, Jeffrey Young, Jason Riedy, Richard Vuduc, Aaron Vose, Dan Ernst
论文ID：1811.03743
分类：Performance
分类简称：cs.PF
提交时间：2020-07-09