0. 概要
本ドキュメントで解説する STREAM の実行は、 Intel oneAPI Base Toolkit に含まれるCコンパイラの Intel oneAPI DPC++/C++ Compiler で STREAM のソースコードをコンパイルして作成したバイナリを使用します。
STREAM を実行するインスタンスは、 BM.Optimized3.36 を使用し、 STREAM の性能向上を目的に NUMA nodes per socket （以降 NPS と呼称します。）が 2 （以降 NPS2 と呼称します。）となるようBIOSで設定します。
以上より、本ドキュメントで解説する STREAM 実行は、以下の手順を経て行います。
- BM.Optimized3.36 インスタンス作成
- Intel oneAPI Base Toolkit インストール
- STREAM ダウンロード・コンパイル
- STREAM 実行
本ドキュメントは、以下の環境で STREAM を実行しており、以下の性能が出ています。
[実行環境]
- シェイプ： BM.Optimized3.36 （ NPS2 ）
- OS ： Oracle Linux 8.10ベースのHPC クラスタネットワーキングイメージ
- STREAM ： 5.10
- Cコンパイラ ： Intel oneAPI DPC++/C++ Compiler 2025.0.1
- 配列サイズ(STREAM_ARRAY_SIZE) ： 268,435,456
[実行結果]
- Triad(MB/s) ： 320,935
1. BM.Optimized3.36インスタンス作成
本章は、 NPS を NPS2 とするようBIOSを設定し（※1）、OSに Oracle Linux 8.10ベースのHPC クラスタネットワーキングイメージ （※2）を使用して、 BM.Optimized3.36 のインスタンスを作成します。
※1）NPS の設定方法は、 OCI HPCパフォーマンス関連情報 の パフォーマンスに関連するベアメタルインスタンスのBIOS設定方法 を参照してください。
※2）OCI HPCテクニカルTips集 の クラスタネットワーキングイメージの選び方 の 1. クラスタネットワーキングイメージ一覧 のイメージ No.12 です。
インスタンスの作成は、 OCIチュートリアル の その3 - インスタンスを作成する の手順を参考にしてください。
2. Intel oneAPI Base Toolkitインストール
本章は、先に作成した STREAM を実行するインスタンス上で、 Intel oneAPI Base Toolkit をインストールします。
以下コマンドをopcユーザで実行し、 Intel oneAPI Base Toolkit をインストールします。
$ sudo yum-config-manager --add-repo https://yum.repos.intel.com/oneapi
$ sudo rpm --import https://yum.repos.intel.com/intel-gpg-keys/GPG-PUB-KEY-INTEL-SW-PRODUCTS.PUB
$ sudo dnf install -y intel-basekit
3. STREAMダウンロード・コンパイル
本章は、先に作成した STREAM を実行するインスタンス上で、先にインストールした Intel oneAPI Base Toolkit に含まれるIntel oneAPI DPC++/C++ Compiler で STREAM のソースコードをコンパイルし、実行バイナリを作成します。
以下コマンドを STREAM 実行ユーザで実行します。
$ wget http://www.cs.virginia.edu/stream/FTP/Code/stream.c
$ source /opt/intel/oneapi/setvars.sh
$ icx -DSTREAM_TYPE=double -DSTREAM_ARRAY_SIZE=268435456 -O3 -mcmodel=medium -qopenmp -xCORE-AVX512 ./stream.c
4. STREAM実行
本章は、先に作成した STREAM を実行するインスタンス上で、先に作成した STREAM の実行バイナリを使用し、 STREAM を実行します。
以下コマンドをopcユーザで実行し、 STREAM の性能向上を目的としてメモリ領域初期化のためのOS再起動を行います。
$ sudo shutdown -r now
次に、以下コマンドを STREAM 実行ユーザで実行し、 STREAM の性能向上を目的としたスレッドアフィニティの設定を適用します。
実行時スレッド数は、 Simultanious Multi Threading （以降 SMT と呼称します。）を活用するため 72 とします。
$ export OMP_NUM_THREADS=72
$ export KMP_AFFINITY=granularity=fine,compact
次に、以下コマンドを STREAM 実行ユーザで実行し、 STREAM を実行します。
$ source /opt/intel/oneapi/setvars.sh
$ ./a.out
-------------------------------------------------------------
STREAM version $Revision: 5.10 $
-------------------------------------------------------------
This system uses 8 bytes per array element.
-------------------------------------------------------------
Array size = 268435456 (elements), Offset = 0 (elements)
Memory per array = 2048.0 MiB (= 2.0 GiB).
Total memory required = 6144.0 MiB (= 6.0 GiB).
Each kernel will be executed 10 times.
The *best* time for each kernel (excluding the first iteration)
will be used to compute the reported bandwidth.
-------------------------------------------------------------
Number of Threads requested = 72
Number of Threads counted = 72
-------------------------------------------------------------
Your clock granularity/precision appears to be 1 microseconds.
Each test below will take on the order of 14757 microseconds.
(= 14757 clock ticks)
Increase the size of the arrays if this shows that
you are not getting at least 20 clock ticks per test.
-------------------------------------------------------------
WARNING -- The above is only a rough guideline.
For best results, please be sure you know the
precision of your system timer.
-------------------------------------------------------------
Function Best Rate MB/s Avg time Min time Max time
Copy: 295796.6 0.014582 0.014520 0.014663
Scale: 318925.3 0.013542 0.013467 0.013653
Add: 319154.4 0.020275 0.020186 0.020363
Triad: 320935.1 0.020131 0.020074 0.020209
-------------------------------------------------------------
Solution Validates: avg error less than 1.000000e-13 on all three arrays
-------------------------------------------------------------