本ドキュメントは、HPCワークロードの実行に最適なベアメタルインスタンス BM.Standard.E5.192 で、標準ベンチマークの STREAM を実行する方法を解説します。

0. 概要

本ドキュメントで解説する STREAM の実行は、 AMD Optimizing C/C++ and Fortran Compilers (AOCC) （本ドキュメントで使用するバージョンは4.0.0）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、HPCワークロード向けベアメタルシェイプ BM.Standard.E5.192 1インスタンスとし、OSは Oracle Linux 8を使用します。

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.Standard.E5.192 デプロイ
  • AOCC 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.Standard.E5.192
  • OS: Oracle Linux 8.8
  • STREAM : 5.10
  • Cコンパイラ: AOCC 4.0.0
  • 配列サイズ(STREAM_ARRAY_SIZE): 430,080,000

[実行結果]

  • Triad(MB/s): 718,954

1. BM.Standard.E5.192のデプロイ

本章は、 BM.Standard.E5.192 を1インスタンスデプロイします。

インスタンスのデプロイは、OCIチュートリアル インスタンスを作成する の手順に従い、以下属性のインスタンスを作成します。

  • イメージ: Oracle Linux 8
  • Shape: BM.Standard.E5.192

2. AOCCインストール

本章は、 AOCC をインストールします。

以下コマンドを先にデプロイしたインスタンスのopcユーザで実行し、 AOCC をインストールします。

$ sudo dnf install -y patch gcc-c++ gcc-gfortran git
$ git clone --depth=100 --branch=releases/v0.20 https://github.com/spack/spack.git ~/spack
$ cd ~/spack/
$ . share/spack/setup-env.sh
$ spack install aocc +license-agreed

3. STREAMダウンロード・コンパイル

本章は、 STREAM のソースコードをダウンロードし、先にインストールした AOCC でコンパイルして実行バイナリを作成します。

以下コマンドを STREAM を実行するインスタンスのopcユーザで実行します。

$ wget http://www.cs.virginia.edu/stream/FTP/Code/stream.c
$ spack load aocc
$ clang -DSTREAM_TYPE=double -DSTREAM_ARRAY_SIZE=430080000 -O3 -mcmodel=large -fopenmp -fnt-store ./stream.c

4. STREAM実行

本章は、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。
具体的には、以下の作業を実施します。

  • OS再起動
  • スレッドアフィニティ用環境変数指定
  • STREAM 実行

  1. 以下コマンドを STREAM を実行するインスタンスのopcユーザで実行し、OSを再起動します。

     $ sudo shutdown -r now

  2. 以下コマンドを STREAM を実行するインスタンスのopc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。

     $ export OMP_NUM_THREADS=96
 $ export KMP_AFFINITY="explicit,proclist=[`seq -s, 0 2 191`]"

  3. 以下コマンドを STREAM を実行するインスタンスのopcユーザで実行し、 STREAM を実行します。

     $ ./a.out
 -------------------------------------------------------------
 STREAM version $Revision: 5.10 $
 -------------------------------------------------------------
 This system uses 8 bytes per array element.
 -------------------------------------------------------------
 Array size = 430080000 (elements), Offset = 0 (elements)
 Memory per array = 3281.2 MiB (= 3.2 GiB).
 Total memory required = 9843.8 MiB (= 9.6 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 = 96
 Number of Threads counted = 96
 -------------------------------------------------------------
 Your clock granularity/precision appears to be 1 microseconds.
 Each test below will take on the order of 10868 microseconds.
 (= 10868 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:          686067.7     0.010067     0.010030     0.010102
 Scale:         688128.7     0.010041     0.010000     0.010080
 Add:           723375.0     0.014301     0.014269     0.014346
 Triad:         718954.3     0.014377     0.014357     0.014406
 -------------------------------------------------------------
 Solution Validates: avg error less than 1.000000e-13 on all three arrays
 -------------------------------------------------------------

更新日時:

関連記事