目錄

• 前言
• 一、 下載并安裝TAU的前置事項(xiàng)
• 二、 編譯并安裝TAU
• 三、 編寫(xiě)代碼并運(yùn)行
• • （1）串行部分
  • （2）并行部分
  • （3）結(jié)果分析

---

前言

TAU是一種可以在Ubuntu下對(duì)并行運(yùn)算的進(jìn)程進(jìn)行性能評(píng)估的軟件，但是國(guó)內(nèi)目前少有中文的經(jīng)驗(yàn)，特此分享。

---

一、 下載并安裝TAU的前置事項(xiàng)

安裝Ubuntu19.10，可以選擇使用虛擬機(jī)（如VMware等）安裝。注意：如果是虛擬機(jī)請(qǐng)分配多個(gè)核心，并提高內(nèi)存。

(可選，推薦) 安裝Java，在命令行中輸入指令 sudo apt install openjdk-8-jdk openjdk-8-jre

安裝PDT，下載完成后放置到想要安裝的位置，使用指令tar -xzvf pdt.tar.gz進(jìn)行解壓，然后在解壓的文件夾下進(jìn)行編譯。網(wǎng)址如下：

http://tau.uoregon.edu/pdt.tar.gz

安裝openmpi，使用指令 sudo apt install openmpi-bin openmpi-common openmpi-doc

下載TAU

http://tau.uoregon.edu/tau.tgz

---

二、 編譯并安裝TAU

將壓縮包放到對(duì)應(yīng)位置并解壓。建議使用指令tar -xzvf tau.taz，因?yàn)閳D形化界面中右鍵壓縮包解壓不會(huì)有進(jìn)度條。

進(jìn)入TAU 文件夾 cd tau-2.29

接下來(lái)你有兩種選擇：

• 命令行：在終端輸入./configure -mpi …等參數(shù)進(jìn)行配置編譯等

• 圖形界面：需要安裝java，在終端輸入bash ./tau_setup即可，下圖即為對(duì)應(yīng)的圖形界面

配置完畢后，需要編譯：make install -j8。注意，該步驟需要在root環(huán)境下進(jìn)行，否則會(huì)提醒沒(méi)有權(quán)限，permission denied

編譯好了之后，安裝TAU：
./installtau -mpi -mpiinc=… -mpilib=… -tag=openmpi -pdt=… -j8

為了更方便的使用，我們可以配置一下環(huán)境變量，原理類似于Windows下的path。

• 首先需要安裝vim：sudo apt-get install vim。
• 安裝完成后，輸入：vim ~\.bashrc，按i進(jìn)行編輯，在最下方加入以下代碼。如圖紅框所示，注意，對(duì)應(yīng)的位置請(qǐng)按照自己安裝的環(huán)境變化。

配置成功后，即可直接調(diào)用tau_cc.sh，pprof，paraprof等指令。

---

三、 編寫(xiě)代碼并運(yùn)行

（1）串行部分

接下來(lái)，編寫(xiě)一個(gè)串行的梯形積分法程序，并編譯運(yùn)行。串行代碼如下：

//serial.c #include <stdio.h> #define MAXN 100000double f(double x); double integ(double a, double b);void main() {double a = 0, b = 19.9;printf("%.10lf\n", integ(a, b)); }double integ(double a, double b) { int i, n = MAXN; double approx, h = 0, x_i;approx = (f(a) + f(b)) / 2.0; h = (b - a)/n; for(i = 0; i <= n-1; i++){x_i = a + i * h;approx += f(x_i);}approx = h * approx;return approx; }double f(double x) {double fx = x * x;return fx; }

注意，串行的程序編譯如果使用tau_cc.sh編譯會(huì)報(bào)錯(cuò)，直接gcc編譯即可。并行的程序才需要用tau_cc.sh編譯。

（2）并行部分

然后，編寫(xiě)并行的程序。其中，solution1采用的方法是常規(guī)的手動(dòng)分配給每個(gè)線程不同的計(jì)算內(nèi)容。并用MPI_recv和MPI_send進(jìn)行匯總。如果comm_sz%n != 0，即comm_sz除不盡n，就把剩下的部分平均分配到每個(gè)線程上。

//并行solution1.c #include <stdio.h> #include <mpi.h>double f(double x) {return x * x; }double Trap(double left_endpt, double right_endpt, int trap_count, double base_len) {double estimate, x;int i;estimate = (f(left_endpt) + f(right_endpt)) / 2.0;for (i = 0; i < trap_count - 1; i++){x = left_endpt + (i + 1) * base_len;estimate += f(x);}return estimate * base_len; }int main() {int my_rank, comm_sz, n = 99999, local_n;double a = 0.0, b = 19.9, h, local_a, local_b, remain = 0.0;double local_int, total_int;int source;MPI_Init(NULL, NULL);MPI_Comm_rank(MPI_COMM_WORLD, &my_rank);MPI_Comm_size(MPI_COMM_WORLD, &comm_sz);h = (b - a) / n; //h is the same for all processeslocal_n = n / comm_sz; //這樣整除可能會(huì)剩下一部分沒(méi)算，所以之后需要補(bǔ)上local_a = a + my_rank * local_n * h;local_b = local_a + local_n * h;local_int = Trap(local_a, local_b, local_n, h);if (my_rank != 0){MPI_Send(&local_int, 1, MPI_DOUBLE, 0, 0, MPI_COMM_WORLD);}else{total_int = local_int;for (source = 1; source < (comm_sz); source++){MPI_Recv(&local_int, 1, MPI_DOUBLE, source, 0, MPI_COMM_WORLD, MPI_STATUS_IGNORE);total_int += local_int;}// 如果除不盡if (n % comm_sz){remain = Trap(h * local_n * comm_sz, b, n % comm_sz, h);}total_int += remain;}if (my_rank == 0){printf("With n = %d trapezoids, our estimate\n", n);printf("of the integral from %f to %f = %.10e\n", a, b, total_int);}MPI_Finalize();return 0; }

solution2是使用MPI_reduce進(jìn)行自動(dòng)全局操作，比較方便。分別編譯運(yùn)行后比較其性能。

//并行solution2.c #include <stdio.h> #include <mpi.h>double f(double x) {return x * x; }double Trap(double left_endpt, double right_endpt, int trap_count, double base_len) {double estimate, x;int i;estimate = (f(left_endpt) + f(right_endpt)) / 2.0;for (i = 0; i < trap_count - 1; i++){x = left_endpt + (i + 1) * base_len;estimate += f(x);}return estimate * base_len; }int main() {int my_rank, comm_sz, n = 99999, local_n;double a = 0.0, b = 19.9, h, local_a, local_b, remain = 0.0;double local_int, total_int;int source;MPI_Init(NULL, NULL);MPI_Comm_rank(MPI_COMM_WORLD, &my_rank);MPI_Comm_size(MPI_COMM_WORLD, &comm_sz);h = (b - a) / n;local_n = n / comm_sz; local_a = a + my_rank * local_n * h;local_b = local_a + local_n * h;local_int = Trap(local_a, local_b, local_n, h);MPI_Reduce(&local_int, &total_int, 1, MPI_DOUBLE, MPI_SUM, 0, MPI_COMM_WORLD);if (n % comm_sz){remain = Trap(h * local_n * comm_sz, b, n % comm_sz, h);total_int += remain;}if (my_rank == 0){printf("With n = %d trapezoids, our estimate\n", n);printf("of the integral from %f to %f = %.10e\n", a, b, total_int);}MPI_Finalize();return 0; }

進(jìn)行編譯：tau_cc.sh solution1.c -o solution1。編譯完成之后，進(jìn)行性能剖析。使用指令：mpirun solution1。這樣，會(huì)產(chǎn)生幾個(gè)profile文件，性能剖析就完成了。如下圖所示：

然后，打開(kāi)文件。使用指令pprof和paraprof，觀察生成內(nèi)容。生成的文件中可以看到分配的CPU個(gè)數(shù)，程序開(kāi)始時(shí)間與停止時(shí)間等基本信息。也可以對(duì)不同的進(jìn)程、不同的函數(shù)耗費(fèi)的時(shí)間進(jìn)行對(duì)比分析。

（3）結(jié)果分析

• solution1

• solution2

觀察可以發(fā)現(xiàn)，使用MPI_reduce會(huì)多出個(gè)user events。相比之下兩者開(kāi)銷差別不是很大。

總結(jié)

以上是生活随笔為你收集整理的Ubuntu19.10下TAU的配置及梯形积分法的实现的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。