如何创建及谐调支持多核的LabVIEW x86客户DLL

Author(s):
Stephen Blair-Chappell，技术支持工程师 - Intel (英国), working in partnership with Hitex UK Ltd.

Industry:

Products:
Software

The Challenge:
对NI Labview软件自动生成的外部代码进行最优化，在x86构架下获得最大性能，进而测量目标系统中DLL性能。

The Solution:
在不修改源代码的条件下，通过Intel C++ 编译器在单核PC上实现2.5 倍提速，通过编译器中的各类最优化选项在双核PC 上实现超过4.5 倍提速。

本应用包括了两个组件——用于计算Pi 值的DLL、调用DLL 库函数的LabVIEW 应用，可将结果显示在图形用户界面中。

为计算Pi 值，我们采用了近似综合技术，需要在单个循环中完成数百万次浮点计算。选择该范例是因为它是CPU 密集型的，并且是可优化的应用。如下所示为外部代码的主循环结构，CPU的主要计算量是处理CalcSum 函数。

for（i=0; i｛
sum = CalcSum（i, sum, step）;
｝

我们的目标是通过编译器中的优化选项以最快速度完成上述计算。

应用中有4 个函数，均包含于独立源文件中。我们采用不同优化开关来编译每个源文件。如图1 所示。

表1.应用中的函数

“即插即用”的Intel C++ 编译器

我们采用即插即用的Intel C++ 来代替Microsoft 编译器，它可以轻松地集成到现有Microsoft Visual Studio DLL 工程中。更多关于Intel 编译器，请访问intel.com/software。

默认设置

测量首先以/O2选项创建应用，许多优化都是在这个层面上进行的。本文在此不讨论其细节问题。表2显示了/O2选项集成的各个优化设置。

表2./O2 选项中集成的最优化列表

自动向量化

自动向量化得益于新一代CPU 中集成的复杂指令集。多数现代CPU构架可扩展支持数据操作及多数据计算。扩展包括支持以单一指令实现多重计算（单指令多数据流，或称SIMD）。Intel 编译器能够分析代码，并通过SIMD 指令显著提高代码的效率。[page]

本范例中，编译器通过QT 选项生成适合Core 2 构架的代码，编译器报告以下创建时间信息：

注释：循环未作向量化处理

反汇编生成代码后可看到编译器插入了SIMD扩展指令集（SSE）。该指令集的使用直接提升了应用的运行性能，代码运行速度提高了2倍。

这类优化可应用于目前大多数CPU 上，这里我们在Core 2 处理器上运行，当然您也可以在单核或早期CPU 上应用。

自动并行化

因为采用多核PC，我们会更感兴趣如何通过QParallel 选项，让代码在两核上同时运行，以获得进一步提速。该选项在编译目标中插入了库调用。库调用提供了运行时所需的控制，使应用中的组件得以并行。

在首次运行中，编译器并未显著提高运行性能。通过开启编译器的报告功能，可以看到它并未进行优化。

注释：循环未作并行化处理，循环无需并行化

Intel编译器要对一段代码进行自动并行化时，首先决定是否有值得进行并行化的代码部分。在我们的代码中由一个主循环完成所有工作。编译器不能确定循环的重复次数，循环计数值只有在运行时得到。于是编译器采取谨慎选择，不对循环进行并行化处理。

我们可以通过在命令行输入/Qpar-threshold:n 来进行试探优化，这里n 是介于0（总是并行处理）到100（不进行并行处理）的数，这个值决定了试探优化的程度。

输入/Qpar-threshold:0 后，编译器对代码并行化，并输出报告：

注释：循环已作自动并行化处理

使用该优化后，程序的运行速度比默认设置下提高了近2 倍。

其它优化选项

本范例中，我们关注自动向量化及自动并行化。Intel C++ 编译器利用一系列其它优化技术，包括高层优化、交叉过程优化、配置向导优化、速度优化、代码大小优化、快速浮点处理等。

Intel 编译器同时支持OpenMP 这个基于pragma 的标准，用于实现应用代码的并行化。

测量性能

本范例中我们采用Win32 API 的定时函数，并将定时计算嵌入外部代码。计算时间在LabVIEW 应用GUI 中显示。

作为备选，我们还可采用LabVIEW的定时工具，或采用外部工具，如Intel VTune 性能分析器。

VTune能够监测许多不同种类的构架事件。VTune调谐助手能够给出如何更好使用这些事件的建议。

结论

不同开关的优化结果在表3 中列出。我们在双核PC 上运行，并通过默认优化（/O2）作为基准来计算提速。

表3.不同优化方式下的速度提高

在应用自动向量化时可达到2.5倍速，该优化专用于非多核处理器，可用于目前多数CPU。

在应用自动并行化后可实现接近2 倍的提速。结合两种优化更可达到4.6 倍。

以上结果是在不修改源代码的前提下实现的。尽管我们选择了模拟应用（计算Pi值），但这类优化技术能够用于各类实际应用。从Intel编译器用户反馈中了解到，使用这些优化方式可显著提高代码执行速度。