超算招新题目文档

参赛者：姜澜 提交时间：2025年10月14日 邮箱：jianglan23@nudt.gfkd.cn Gitlink 仓库地址：Huster/超算招新题目 | GitLink

---

第一题：Linux环境搭建

任务背景

高性能计算依赖于稳定可控的运行环境。本任务旨在搭建一个可用于后续HPC实验的Rocky Linux平台。

任务完成情况

• 使用 VMware 创建虚拟机；

• 安装 **Rocky Linux 8.10 Minimal ISO (x86-64)**；

• 

• 成功安装git,vim,make,gcc等必要组件。

• 对于网络连接不上，需要手动打开端口

  sudo nmcli device connect ens33

环境验证

---

第二题：基准测试

任务背景

通过运行HPCG基准测试，评估平台性能，理解HPC软件栈运行机制。

安装与运行HPCG

1. 下载HPCG源码以及mpich并行环境，安装并编译；

   首先git下载源码

   git clone https://github.com/hpcg-benchmark/hpcg.git

   接着进行编译

   make arch=Linux_MPI

   注意使用vim修改Linux_MPI中的HPCG的文件夹地址以及MPICH并行环境的编译器地址。

2. 配置测试参数（hpcg.dat）；

   16 16 16
   15

   参数如上，其中16，16，16代表三维网格的XYZ尺寸，15代表运行时间。

3. 执行测试，记录结果。

   

   mpiexec -np 2 ./xhpcg 

   其中如果测试规模或者线程开太多会导致OOM，应该是虚拟机性能上限的问题。

测试结果

• HPCG性能：2.18796 GFLOPS（考虑收敛和优化阶段开销后）

• 理论峰值性能：166.4GFLOPS

  • 计算过程如下 ，其中N代表核心数，f代表核心时钟频率，n代表每个周期进行的浮点运算数量。我使用的机器CPU为13th Gen Intel(R) Core(TM) i7-13650HX，基础的CPU频率为2.60GHz。$P_{peak}=N×f×n\\ =2×2.6G×512bit/64bit×2FMA×2M/A\\ =166.4 GFLOPS$

• 效率：1.32%(为上面两种性能相除)

分析与理解

• 首先Linpack是国际上流行的用于测试高性能计算机系统浮点性能的benchmark，具体内容是用高斯消元法求解N元一次稠密线性代数方程组的测试，其中包含三种测试：inpack100、Linpack1000和HPL；接着HPCG，即高度共轭梯度基准测试，使用的是更复杂的微分方程计算方式，Linpack更考验超算的处理器理论性能，而HPCG更看重实际性能，对内存系统、网络延迟要求也更高，所以超算测出来的HPCG性能要比Linpack性能低得多。
• 效率较低可能源于内存带宽，如上图所示Raw Read,Write,Total的数值较低，其次在笔记本能耗模式不同情况下，给CPU供电的电源计划不同，会导致效率出现变化。

---

第三题：DAOS配置

任务背景

DAOS是一种面向HPC和AI训练的高性能分布式对象存储系统。

配置过程

1. 首先下载DAOS仓库配置

   sudo wget -O /etc/yum.repos.d/daos-packages.repo https://packages.daos.io/v2.0/EL8/packages/x86_64/daos_packages.repo

   然后安装客户端

   sudo dnf install -y daos-server

2. 使用文件模拟NVMe设备；

   加载NVMe模拟模块：

   sudo modprobe nvme-loop

   

   创建虚拟 NVMe 设备：

   sudo dd if=/dev/zero of=/nvme1.img bs=1G count=5 #创建一个5GB的虚拟NVMe设备文件

   挂载并使用虚拟磁盘

   sudo mkdir -p /mnt/nvme1
   sudo mount /dev/loop0 /mnt/nvme1

3. 配置POSIX兼容接口；

   我使用dmg指令来创建存储池，但显示安全证书不通过，我修改了安全证书但没有作用。

4. 使用 fio 进行读写测试。

   

   参数名称如下

   • --name=sequate：测试作业的名称。
   • --filename=/mnt/nvme1/testfile：指定测试文件的路径，存储在 NVMe 设备挂载点下。
   • --rw=write：测试写操作。
   • --bs=4k：IO 操作的 块大小 为 4KB。
   • --size=1g：测试文件的总大小为 1GB。
   • --numjobs=1：启动的并行作业数为 1。
   • --runtime=60：测试运行时间为 60 秒。

fio测试结果

• 随机读：7880 IOPS(带宽平均约 30.8 MiB/s，延迟平均约 2026 微秒)

• 随机写：9630 IOPS（带宽平均约37.6 MiB/s，延迟平均约1658 微秒）

• 顺序读/写带宽：515 MB/s

  

DAOS性能优势分析

• 异步I/O架构支持高并发；原生利用NVMe SSD，降低延迟；对象存储模型更适合大规模数据访问。

---

第四题：大语言模型推理引擎优化

任务背景

大语言模型推理对计算和内存要求极高，需通过优化提升效率。

初始性能分析

• 使用给定CPU推理引擎运行模型；

  首先参考readme的流程，安装miniconda用于创建虚拟环境，接着通过requirements.txt安装依赖

  

• 使用测试语句进行测试发现makefile中存在C++20与g++版本不匹配，所以修改更新g++版本

  conda install -c conda-forge gxx_linux-64=11.4.0

  重新make clean 清除缓存后可以运行

  ./build/main model.yalm -i "Q: What is the meaning of life?"

​ 结果非常缓慢

优化措施

• 使用 OpenMP 进行多线程并行；

  需要在编译阶段通过编译器选项开启 OpenMP 支持，即修改makefile，但在检查makefile后发现已经开启了OpenMP

• 采用最高指令集（实际发现可以使用avx512f）用来加速，不同指令集支持的单次浮点运算数量不同，直接决定峰值 FLOPS 的计算。

  CFLAGS += -march=native - # 自动识别并使用当前CPU支持的最高SIMD指令集

  

• 通过阅读官方的模型卡片发现无需使用所给的model.cpp及相关推理引擎的代码，可以使用huggingface支持的模版推理引擎，并且同时开启cuda进行推理。

  

优化后性能

• 推理速度提升：6000 %

理论性能计算

• 公式如上述所示

  $P_{peak}=N×f×n\\ =32×2.3G×32\\ =2355.2 GFLOPS$

  

• 当前优化后性能达到理论值的 12.5%。

---

第五题：个人经历介绍

个人意向书

我是姜澜，计算机学院大三学员，目前是AIBD专业。我对高性能计算与系统软件有浓厚兴趣，曾在陈娟老师的项目组完成一项省级大创，获得一项编译选项组合优化的专利，有论文撰写的经历（虽然后来没有发表），曾获得美国数学建模国际一等奖。

期待能在超算团队中深入学习，为我国高性能计算事业贡献力量。