Как узнать терафлопс компьютера
Тема: Как конкретно измерить FLOPS на пк
Опции темы
Отображение
Как конкретно измерить FLOPS на пк
Как протестировать свой компьютер и что для этого нужно.
1 Скачать софт LinX и прочитать инструкцию ниже.
Для чего это нужно. Просто очень часто производительность супер компьютеров обозначают в FLOPS (или flops или flop/s)(акроним от англ. Floating point Operations Per Second, произносится как флопс) — величина, используемая для измерения производительности компьютеров, показывающая, сколько операций с плавающей запятой в секунду выполняет данная вычислительная система. Вот и мне стало интересно сколько-же этих флопс даёт мой Железный друг. И чем их мерить. Нашёл в Wikipedia ответ на этот вопрос.
Необходимый софт для теста.
Кстати LinX можно использовать как тест стабильности CPU/RAM работы под нагрузкой. Греет проц очень сильно! OCCT вообще фигня по сравнению с этим. И в отличии от OCCT, TAT и других искусственных тестов стабильности/грелок, тут реальный код, реальная используемая и известная библиотека, откомпилированная производителем процев на его компиляторе, со всеми оптимизациями.
LinX 0.6.4 (0.9 MB, 7Z-архив, freeware), зеркало
LinX 0.6.4 (1.0 MB, инсталлятор, freeware), зеркало.
Есть и заточенный софт под Intel http://software.intel.com/en-us/arti. pack-download/
Краткая инструкция как пользоваться:
В папке benchmarks\linpack надо пускать runme_xeon32.bat для x86 и x64 Windows, или runme_xeon64.bat для x64 Windows. 64-битная версия должна работать быстрее.
Перед запуском этот файл надо открыть в редакторе и изменить значение OMP_NUM_THREADS на полное количество ядер, реально присутствующих в компьютере, 2 для С2D, 4 для С2Q и т.д. Для нового Linpack 10 этого делать не надо!
Результат будет в файле win_xeon32.txt или win_xeon64.txt
Пример входного файла для тестирования стабильности для 2GB памяти:
Sample Intel(R) LINPACK data file (lininput_xeon64)
Intel(R) LINPACK data
1 # number of tests
13700 # problem sizes
13700 # leading dimensions
200 #times to run a test
4 # alignment values (in KBytes)
Я просто запускал linpack_xeon64.exe и по очереди вводил параметры минус такого запуска только то что результат не сохранится его нужно ждать. Но если times to run a test поставить не менее двух то один результат вы уведите без проблем. У меня один прогон теста занял где-то около трёх минут точно не помню. Но рекомендовал бы прогнать несколько раз потому как результат первый очень часто ниже последующих.
Linpack 10 в некоторых случаях может выводить дополнительную строчку
Error: info returned =***
Это безопасный «глюк», не обращаем на него внимания.
Сводные таблицы Excel
Существует строгая единица измерения производительности любого компьютера: количество операций над числами с плавающей точкой в секунду — флопс (flops или flop/s, от англ. Floating point Operations Per Second). На практике сегодня пользуются кратными единицами: мегафлопс (106 флопс), гигафлопс (109 флопс), терафлопс (1012 флопс) и т. д. Для таких измерений существует и общепринятый инструмент: программа LINPACK от компании Intel.
Для сравнения приведем несколько примеров:
Так что за минувшее десятилетие производительность типичных настольных компьютеров выросла примерно в 100 раз! За то же время объем оперативной памяти, устанавливаемой в типичный «компьютер для офиса», увеличился раз в сорок, а емкость жестких дисков — почти тысячекратно.
Разработано множество тестовых программ для оценки быстродействия компьютера в целом, а также отдельных его компонентов. Результаты они обычно выдают в неких условных единицах, баллах. Такие баллы часто называют «попугаями». Помните советский мультфильм, герои которого измеряли длину удава в попугаях?
Хорошо известны такие тесты, как PCMark, 3DMark, SiSoft Sandra, BAPCO SysMark. Однако «попугаи» у каждой тестовой программы свои! В Windows 7 встроен собственный тест быстродействия. Эти оценки по 8-балльной шкале могут стать фактическим стандартом — ведь таким инструментом располагают все пользователи Windows 7. Индекс производительности Windows приводится на странице свойств системы (Пуск → Панель управления → Система).
На самом деле Windows оценивает производительность компьютера сразу по пяти параметрам и выводит худший из результатов. Смысл в том, что итоговую производительность системы ограничивает самый слабый из ее компонентов. В отношении «игрового» компьютера такой подход вполне справедлив. Для просмотра всех оценок выберите ссылку Индекс производительности Windows. На открывшейся странице отображаются все пять оценок.
В типичных «офисных» и «серверных» применениях графическая подсистема практически бездействует. Следовательно, две оценки из пяти в этом случае внимания не заслуживают — смотрим только на производительность процессора, скорость доступа к памяти и, в меньшей мере, на скорость обмена данными с жестким диском.
В справке Windows приводятся ориентировочные значения индекса производительности. Там сказано, что для обычных офисных задач в принципе достаточно компьютеров с индексом производительности 1—2 балла. Оценка от 3 до 4 баллов показывает, что компьютер подходит для любых задач подобного рода. При этом можно работать одновременно с несколькими программами.
Однако это теория, а в жизни нас интересует практическое быстродействие. Это, скорее, не измеримая величина, а субъективные ощущения от работы за тем или иным компьютером. Попросту говоря, вы всегда можете оценить, что этот экземпляр «откликается почти моментально», а этот «задумывается» и «притормаживает». Понятно, что практическое быстродействие зависит не только от производительности «железа», но и от выполняемых на нем задач. Под задачами понимается все, начиная с операционной системы и заканчивая прикладными программами с обработкой типичных документов.
Как ни забавно, 10 лет назад документы в Word 6.0 под Windows 95 открывались почти так же быстро, как сегодня в Word 2010 под Windows 7. В этом заключается великий парадокс компьютерной индустрии: стремительное увеличение быстродействия в абсолютных числах сопровождается весьма скромным ростом функциональности деловых программ.
Куда же тратятся вычислительные ресурсы? С каждой новой версией операционная система Windows и прикладные программы обзаводятся все новыми дополнениями и «украшениями». В том же пакете Microsoft Office совершенствуется механизм проверки правописания, развиваются контекстные меню и другие инструменты, требующие обработки в реальном времени. Усложняется содержимое Интернета. Массовое распространение получили Flash-анимация, активные элементы и видео на веб-страницах. Отображение и обработка таких страниц — не слишком тяжелая, но все же определенная вычислительная задача. Так что и простой просмотр сайтов сегодня требует определенного быстродействия компьютера.
Есть и другая закономерность. Хотя техника все время совершенствуется, стоимость «средненормальной» на данный момент компьютерной системы уже много лет так и колеблется в пределах 1000 долларов.
Как узнать производительность компьютера в Флопсах (Flops)
С тех самых времён, когда появился самый первый компьютер (его подобие), началась погоня за мозностями, производительностью и в наши дни по прежднему ничего в этом плане не изменилось, ведь каждый владелец персонального компьютера чья работа связана с нагрузкой на вычислительные мощности ПК мечтает о ещё более производительном железе.
Все компьютеры которые существуют разделяются на несколько категорий, начиная от микрочипов и заканчивая суперкомпьютерами, которые потребляют десятки киловатт электроэнергии и являются топовыми в вычислительных можностях. В этом материале вы узнаете как можно измерить производительность персонального компьютера.
Замер производительности персонального ПК
Существует немало инструментов для того чтобы измерить производительность во флопсах персонального компьютера или ноутбука. Однако все инструменты основаны на одном и том же принципе работы.
Из возможных интерфейсов есть анализ производительности через командную строку, через компиляторы Фортран и С++ и тд. Но мы пойдём более лёгким путём и будем использовать уже скомпилированный exe файл программв Linpack, которая является самой популярной в замерах производительности компьютеров на Windows.
Ниже мы представляем вашему вниманию 2 версии программы Linpack, которая поможет вам определить сколько ваш компьютер делает операций с плавающей точкой в секунду времени.
Как проверить?
Для того чтобы представлять сколько это: 1 Флопс=1 Операция с плавающей точкой; 1ГФлопс= 1 000 000 000 Операций с плавающей точкой.
Как и зачем мерить FLOPSы
Как известно, FLOPS – это единица измерения вычислительной мощности компьютеров в (попугаях) операциях с плавающей точкой, которой часто пользуются, чтобы померить у кого больше. Особенно важно померяться FLOPS’ами в мире Top500 суперкомпьютеров, чтобы выяснить, кто же среди них самый-самый. Однако, предмет измерения должен иметь хоть какое-нибудь применение на практике, иначе какой смысл его замерять и сравнивать. Поэтому для выяснения возможностей супер- и просто компьютеров существуют чуть более приближенные к реальным вычислительным задачам бенчмарки, например, SPEC: SPECint и SPECfp. И, тем не менее, FLOPS активно используется в оценках производительности и публикуется в отчетах. Для его измерения давно уже использовали тест Linpack, а сейчас применяют открытый стандартный бенчмарк из LAPACK. Что эти измерения дают разработчикам высокопроизводительных и научных приложений? Можно ли легко оценить производительность реализации своего алгоритма в FLOPSaх? Будут ли измерения и сравнения корректными? Обо всем этом мы поговорим ниже.
Давайте сначала немного разберемся с терминами и определениями. Итак, FLOPS – это количество вычислительных операций или инструкций, выполняемых над операндами с плавающей точкой (FP) в секунду. Здесь используется слово «вычислительных», так как микропроцессор умеет выполнять и другие инструкции с такими операндами, например, загрузку из памяти. Такие операции не несут полезной вычислительной нагрузки и поэтому не учитываются.
Значение FLOPS, опубликованное для конкретной системы, – это характеристика прежде всего самого компьютера, а не программы. Ее можно получить двумя способами – теоретическим и практическим. Теоретически мы знаем сколько микропроцессоров в системе и сколько исполняемых устройств с плавающей точкой в каждом процессоре. Все они могут работать одновременно и начинать работу над следующей инструкцией в конвеере каждый цикл. Поэтому для подсчета теоретического максимума для данной системы нам нужно только перемножить все эти величины с частотой процессора – получим количество FP операций в секунду. Все просто, но такими оценками пользуются, разве что заявляя в прессе о будущих планах по построению суперкомпьютера.
Практическое измерение заключается в запуске бенчмарка Linpack. Бенчмарк осуществляет операцию умножения матрицы на матрицу несколько десятков раз и вычисляет усредненное значение времени выполнения теста. Так как количество FP операций в имплементации алгоритма известно заранее, то разделив одно значение на другое, получим искомое FLOPS. Библиотека Intel MKL (Math Kernel Library) содержит пакет LAPAСK, — пакет библиотек для решения задач линейной алгебры. Бенчмарк построен на основе этого пакета. Cчитается, что его эффективность находится на уровне 90% от теоретически возможной, что позволяет бенчмарку считаться «эталонным измерением». Отдельно Intel Optimized LINPACK Benchmark для Windows, Linux и MacOS можно качать здесь, либо взять в директории composerxe/mkl/benchmarks, если у вас установлена Intel Parallel Studio XE.
Очевидно, что разработчики высокопроизводительных приложений хотели бы оценить эффективность имплементации своих алгоритмов, используя показатель FLOPS, но уже померянный для своего приложения. Сравнение измеренного FLOPS с «эталонным» дает представление о том, насколько далека производительность их алгоритма от идеальной и каков теоретический потенциал ее улучшения. Для этого всего-навсего нужно знать минимальное количество FP операций, требуемое для выполнения алгоритма, и точно измерить время выполнения программы (ну или ее части, выполняющей оцениваемый алгоритм). Такие результаты, наряду с измерениями характеристик шины памяти, нужны для того, чтобы понять, где реализация алгоритма упирается в возможности аппаратной системы и что является лимитирующим фактором: пропускная способность памяти, задержки передачи данных, производительность алгоритма, либо системы.
Ну а теперь давайте покопаемся в деталях, в которых, как известно, все зло. У нас есть три оценки/измерения FLOPS: теоретическая, бенчмарк и программа. Рассмотрим особенности вычисления FLOPS для каждого случая.
Теоретическая оценка FLOPS для системы
Чтобы понять, как подсчитывается количество одновременных операций в процессоре, давайте взглянем на устройство блока out-of-order в конвеере процессора Intel Sandy Bridge.
Здесь у нас 6 портов к вычислительным устройствам, при этом, за один цикл (или такт процессора) диспетчером может быть назначено на выполнение до 6 микроопераций: 3 операции с памятью и 3 вычислительные. Одновременно могут выполняться одна операция умножения (MUL ) и одна сложения (ADD ), как в блоках x87 FP, так и в SSE, либо AVX. С учетом ширины SIMD регистров 256 бит мы может получить следующие результаты:
8 MUL (32-bit) и 8 ADD (32-bit): 16 SP FLOP/cycle, то есть 16 операций с плавающей точкой одинарной точности за один такт.
4 MUL (64-bit) и 4 ADD (64-bit): 8 DP FLOP/cycle, то есть 8 операций с плавающей точкой двойной точности за один такт.
Теоретическое пиковое значение FLOPS для доступного мне 1-сокетного Xeon E3-1275 (4 cores @ 3.574GHz) составляет:
16 (FLOP/cycle)*4*3.574 (Gcycles/sec)= 228 GFLOPS SP
8 (FLOP/cycle)*4*3.574 (Gcycles/sec)= 114 GFLOPS DP
Запуск бенчмарка Linpack
Запускам бенчмарк из пакета Intel MKL на системе и получаем следующие результаты (порезано для удобства просмотра):
Здесь нужно сказать, как именно учитываются FP операции в бенчмарке. Как уже упоминалось, тест заранее «знает» количество операций MUL и ADD, которые необходимы для перемножения матриц. В упрощенном представлении: производится решение системы линейных уравнений Ax=b (несколько тысяч штук) путем перемножения плотных матриц действительных чисел (real8) размером MxK, а количество операций сложения и умножения, необходимых для реализации алгоритма, считается (для симметричной матрицы) Nflop = 2*(M^3)+(M^2). Вычисления производятся для чисел с двойной точностью, как и для большинства бенчмарков. Сколько операций с плавающей точкой действительно выполняется в реализации алгоритма, пользователей не волнует, хотя они догадываются, что больше. Это связано с тем, что выполняется декомпозиция матриц по блокам и преобразование (факторизация) для достижения максимальной производительности алгоритма на вычислительной платформе. То есть нам нужно запомнить, что на самом деле значение физических FLOPS занижено за счет неучитывания лишних операций преобразования и вспомогательных операций типа сдвигов.
Оценка FLOPS программы
Чтобы исследовать соизмеримые результаты, в качестве нашего высокопроизводительного приложения будем использовать пример перемножения матриц, сделанный «своими руками», то есть без помощи математических гуру из команды разработчиков MKL Performance Library. Пример реализации перемножения матриц, написанный на языке С, можно найти в директории Samples пакета Intel VTune Amplifier XE. Воспользуемся формулой Nflop=2*(M^3) для подсчета FP операций (исходя из базового алгоритма перемножения матриц) и померим время выполнения перемножения для случая алгоритма multiply3 при размере симметричных матриц M=4096. Для того, чтобы получить эффективный код, используем опции оптимизации –O3 (агрессивная оптимизация циклов) и –xavx (использовать инструкции AVX) С-компилятора Intel для того, чтобы сгенерировались векторные SIMD-инструкции для исполнительных устройств AVX. Компилятор нам поможет узнать, векторизовался ли цикл перемножения матрицы. Для этого укажем опцию –vec-report3. В результатах компиляции видим сообщения оптимизатора: «LOOP WAS VECTORIZED» напротив строки с телом внутреннего цикла в файле multiply.c.
На всякий случай проверим, какие инструкции сгенерированы компилятором для цикла перемножения.
$icl –g –O3 –xavx –S
По тэгу __tag_value_multiply3 ищем нужный цикл — инструкции правильные.
$vi muliply3.s 
Результат выполнения программы (
7 секунд) 
нам дает следующее значение FLOPS = 2*4096*4096*4096/7[s] = 19.6 GFLOPS
Результат, конечно, очень далек от того, что получается в Linpack, что объясняется исключительно квалификционной пропастью между автором статьи и разработчиками библиотеки MKL.
Ну, а теперь дессерт! Собственно то, ради чего я затеял свое исследование этой, вроде бы скучной и давно избитой, темы. Новый метод измерения FLOPS.
Измерение FLOPS программы
Существуют задачи в линейной алгебре, программную имплементацию решения которых очень сложно оценить в количестве FP операций, в том смысле, что нахождение такой оценки само является нетривиальной математической задачей. И тут мы, что называется, приехали. Как считать FLOPS для программы? Есть два пути, оба экспериментальных: трудный, дающий точный результат, и легкий, но обеспечивающий приблизительную оценку. В первом случае нам придется взять некую базовую программную имплементацию решения задачи, скомпилировать ее в ассемблерные инструкции и, выполнив их на симуляторе процессора, посчитать количество FP операций. Звучит так, что резко хочется пойти легким, но недостоверным путем. Тем более, что если ветвление исполнения задачи будет зависеть от входных данных, то вся точность оценки сразу поставится под сомнение.
Идея легкого пути состоит в следующем. Почему бы не спросить сам процессор, сколько он выполнил FP инструкций. Процессорный конвеер, конечно же, об этом не ведает. Зато у нас есть счетчики производительности (PMU – вот тут про них интересно), которые умеют считать, сколько микроопераций было выполнено на том или ином вычислительном блоке. С такими счетчиками умеет работать VTune Amplifier XE.
Несмотря на то, что VTune имеет множество встроенных профилей, специального профиля для измерения FLOPS у него пока нет. Но никто не мешает нам создать наш собственный пользовательский профиль за 30 секунд. Не утруждая вас основами работы с интерфейсом VTune (их можно изучить в прилагающимся к нему Getting Started Tutorial), сразу опишу процесс создания профиля и сбора данных.
Далее мы просто подсчитываем значения FLOPS по формулам. Данные у нас были собраны для всех процессоров, поэтому умножение на их количество здесь не требуется. Операции данными двойной точности выполняются одновременно над четырмя 64-битными DP операндами в 256-битном регистре, поэтому умножаем на коэффициент 4. Данные с одинарной точностью, соответственно, умножаем на 8. В последней формуле не умножаем количество инструкций на коэффициент, так как операции сопроцессора x87 выполняются только со скалярными величинами. Если в программе выполняется несколько разных типов FP операций, то их количество, умноженное на коэффициенты, суммируется для получения результирующего FLOPS.
FLOPS = 4 * SIMD_FP_256.PACKED_DOUBLE / Elapsed Time
FLOPS = 8 * SIMD_FP_256.PACKED_SINGLE / Elapsed Time
FLOPS = (FP_COMP_OPS_EXE.x87) / Elapsed Time
В нашей программе выполнялись только AVX инструкции, поэтому в результатах есть значение только одного счетчика SIMD_FP_256.PACKED_DOUBLE.
Удостоверимся, что данные события собраны для нашего цикла в функции multiply3 (переключившись в Source View):
FLOPS = 4 *34.6Gops/7s = 19.7 GFlops
Значение вполне соответствует оценочному, подсчитанному в предыдущем пункте. Поэтому с достаточной долей точности можно говорить о том, что результаты оценочного метода и измерительного совпадают. Однако, существуют случаи, когда они могут не совпадать. При определенном интересе читателей, я могу заняться их исследованием и рассказать, как использовать более сложные и точные методы. А взамен очень хочется услышать о ваших случаях, когда вам требуется измерение FLOPS в программах.
Заключение
FLOPS – единица измерения производительности вычислительных систем, которая характеризует максимальную вычислительную мощность самой системы для операций с плавающей точкой. FLOPS может быть заявлена как теоретическая, для еще не существующих систем, так и измерена с помощью бенчмарков. Разработчики высокопроизводительных программ, в частности, решателей систем линейных дифференциальных уравнений, оценивают производительность реализации своих алгоритмов в том числе и по значению FLOPS программы, вычисленному с помощью теоретически/эмпирически известного количества FP операций, необходимых для выполнения алгоритма, и измеренному времени выполнения теста. Для случаев, когда сложность алгоритма не позволяет оценить количество FP операций алгоритма, их можно измерить с помощью счетчиков производительности, встроенных в микропроцессоры Intel.
Терафлопс Что это такое, что они измеряют и для чего используются в ИТ?
Даже в этом случае этой характеристики обычно недостаточно, чтобы уволить или не уволить команду, потому что есть другие факторы производительности, чтобы принять во внимание такие как ES, согласованность кеша, межпроцессорное взаимодействие, иерархию памяти.
Можно сказать, что Видеокарта Nvidia GeForce GTX 1080 обеспечивает производительность 9 терафлопс или девять тысяч гигафлопс.
«ОБНОВЛЕНИЕ Вам нужно ЗНАТЬ, сколько типов флопов существует, и вы не знаете, как это сделать? ⭐ ВВЕДИТЕ ЗДЕСЬ Найдите и узнайте, какие из них ЛЕГКИЕ и БЫСТРЫЕ ✅ »
Примером элемента, производительность которого измеряется в петафлопсах, является суперкомпьютер Tianhe-2, производящий 33 петафлопс, или 330000000000000000 флоп.
Чтобы получить такой подход к производительности устройства, добавляются составляющие его CPU и GPU. Некоторыми примерами являются 1,31 тфлопс у XBox One, 6 тфлопс для версии XBox One X, 1,84 тфлопс у PlayStation4, 500 гфлопс у Nintendo Switch или компьютера среднего уровня, которые могут быть примерно 3,5 тфлопс.
Чтобы получить эту информацию, вы можете использовать эту простую формулу:
Если у вас есть какие-либо вопросы, оставляйте их в комментариях, мы свяжемся с вами как можно скорее, и это будет большим подспорьем для большего числа участников сообщества. Je Vous remercie!