大小核的OpenMP多線程并行計(jì)算測(cè)試

題記：在計(jì)算機(jī)輔助設(shè)計(jì)領(lǐng)域，經(jīng)常會(huì)用到多線程并行計(jì)算技術(shù)。用來(lái)做這種計(jì)算的機(jī)器一般是單路多核或多路多核的工作站或服務(wù)器，比如四路至強(qiáng)E5平臺(tái)。在這種機(jī)器里，每個(gè)計(jì)算核心的性能都是一樣的。然而，在ARM界，有一種被稱為“大小核”的技術(shù)，把不同性能的A72和A53集成在一個(gè)芯片里。大家一定很好奇，這樣的奇葩架構(gòu)還能不能正常并行呢？今天我們就來(lái)試一試吧。

測(cè)試背景：目前，多核技術(shù)已經(jīng)成為桌面平臺(tái)和移動(dòng)平臺(tái)芯片的主流技術(shù)。英特爾、AMD和聯(lián)發(fā)科等都在“堆核”。

一般來(lái)說(shuō)，X86_64架構(gòu)的機(jī)器會(huì)使用多塊相同型號(hào)處理器組成多路計(jì)算平臺(tái)。平臺(tái)內(nèi)每路處理器芯片是一樣的，每一個(gè)內(nèi)核當(dāng)然也都是一樣的。這樣的機(jī)器，多線程調(diào)度起來(lái)比較簡(jiǎn)單，給每個(gè)線程分配差不多任務(wù)量的工作就可以了。

ARM架構(gòu)處理器就花哨多了，除了“堆核”，近年來(lái)還整出了“大小核”。比如RK3399，集成了兩個(gè)A72核心和四個(gè)A53核心。多線程計(jì)算時(shí)候，有可能A72已經(jīng)干完了自己的活，但是A53還在吭哧吭哧地墨跡，然后A72像吃瓜群眾一樣傻等A53。（這個(gè)跟聯(lián)發(fā)科那種由于主動(dòng)大小核切換導(dǎo)致A72不干活的機(jī)理有些不太一樣）

那么問(wèn)題來(lái)了，那么花哨的架構(gòu)，多線程計(jì)算時(shí)候怎么防止“一核有難多核圍觀”的慘案呢？

我給大家推薦一個(gè)能自動(dòng)均衡各線程負(fù)載的并行計(jì)算庫(kù)，名字叫OpenMP。

OpenMP簡(jiǎn)介：OpenMP的執(zhí)行模型采用fork-join(分叉-合并)的形式，以線程為基礎(chǔ)。其中fork創(chuàng)建線程或者喚醒已有線程；join即多線程的會(huì)合。

所有并行線程通過(guò)分叉池來(lái)分配工作，當(dāng)一個(gè)線程完成自己的隊(duì)列任務(wù)以后，會(huì)隨機(jī)從其他正在工作的線程的隊(duì)列尾部獲取一個(gè)任務(wù)（工作竊取算法）。

于是，空閑線程能夠分擔(dān)從別的線程分解出來(lái)的子任務(wù)。這樣就不會(huì)發(fā)生A72干完自己的隊(duì)列，然后傻等A53的慘案了。

誠(chéng)然，OpenMP也不是完美的。對(duì)于A72+A53這種大小核的獨(dú)特架構(gòu)，調(diào)度和同步的工作量非常大，會(huì)在調(diào)度過(guò)程中造成大量的消耗。性能上并不能2+1=3。

開(kāi)發(fā)板：友善之臂團(tuán)隊(duì)給我們送來(lái)了他們新出的板子Nano PCT4。T4的處理器芯片是瑞芯微RK3399，有4個(gè)1.4GHz的A53核心和2個(gè)1.8GHz的A72核心，屬于傳說(shuō)中的“大小核”架構(gòu)芯片。

為了做對(duì)比，我還找來(lái)了友善之臂的另一個(gè)產(chǎn)品——Nano PCT3 Plus，它是T4的哥哥。T3的處理器是三星的S5P6818，有8個(gè)1.4GHz的A53核心。

測(cè)試：

下面開(kāi)始測(cè)試吧。首先，我們把測(cè)試程序準(zhǔn)備好。

為了避免作弊的嫌疑，也為了讓測(cè)試透明，我們自己來(lái)寫(xiě)個(gè)OpenMP多線程浮點(diǎn)計(jì)算代碼吧。

先來(lái)個(gè)8線程并行代碼。（單線程計(jì)算要花費(fèi)的基準(zhǔn)時(shí)間也在代碼里測(cè)了）。

上面這是個(gè)圓周率推導(dǎo)程序，我們先用T3跑一下。

在上圖中，我們可以發(fā)現(xiàn)單個(gè)A53核心跑這個(gè)算法大約需要4.04秒時(shí)間。當(dāng)使用8個(gè)A53核心一起跑的時(shí)候，時(shí)間縮減到約1.63秒。

對(duì)于8核A53，8線程并行可以使計(jì)算速度提高2.48倍。

我們換T4來(lái)跑

在上圖中，我們發(fā)現(xiàn)單個(gè)A72核心跑這個(gè)算法大約需要1.08秒時(shí)間（比8個(gè)A53并行快63%）?？梢?jiàn)，A72的單核性能是A53的3.74倍。當(dāng)使用8線程跑的時(shí)候，耗時(shí)約1.00秒，與單線程時(shí)候相比只提速了8%。這是因?yàn)門(mén)4的處理器芯片是大小核架構(gòu)的，多線程對(duì)計(jì)算速度有一定的加速能力，但是因?yàn)檎{(diào)度起來(lái)比較費(fèi)勁，所以速度增幅很小。

不像X86_64那樣具有很強(qiáng)的超線程能力，ARM的單核多線程加速能力其實(shí)并不好。對(duì)于T4的RK3399處理器，總共只有6個(gè)核心，分8個(gè)線程跑和分6個(gè)線程跑其實(shí)沒(méi)太大的速度差別。

我們把第一個(gè)代碼稍微修改一下，把計(jì)算量提高10倍，然后分別測(cè)試一下單線程、雙線程和六線程。

我們讓T4跑一下。

我們可以發(fā)現(xiàn)，對(duì)于這種大小核架構(gòu)。單線程耗時(shí)約10.114秒，雙線并行程耗時(shí)約10.040秒，6線程并行耗時(shí)約10.039秒；并行有一定的提速效果，但是性能都被多個(gè)不同速度線程的調(diào)度給浪費(fèi)了。

小結(jié)：今天的測(cè)試，我們可以總結(jié)以下幾點(diǎn)：

1、? A72做浮點(diǎn)計(jì)算時(shí)候的單核性能大約是A53的3.74倍。

2、? OpenMP可以給大小核的ARM處理器做并行提速

3、? 但是提速效果非常的不明顯

如果考慮功耗，還不如單核A72，一個(gè)就能單挑8個(gè)A53了（快63%）。