Details

Данная выпускная квалификационная работа посвящена анализу исследованию работы векторного расширения RISC-V и его влияния на производительность в алгоритмах для HPC (High Performance Computing). Рассмотрена теория работы самого векторного расширения и выявлены его преимущества по сравнению с другими архитектурами. Также проведён сравнительный анализ решений, которые используются в HPC и найдены их слабые места. Был предложен подход для повышения производительности численных методов вычислительной математики за счёт векторизации данных. Подход был реализован на языке C, используя интринсики. После чего был проведён эксперимент по замеру производительности векторного расширения RISC-V. По результатам эксперимента можно сказать, что векторизация данных на RISC-V даёт прирост производительности для численных методов решения ОДУ порядка 20-70%, однако при неправильном использовании и подборе параметров векторизация может также и замедлить алгоритм.

This final qualification work is devoted to the analysis of the study of the RISC-V vector extension and its impact on performance in HPC (High Performance Computing) algorithms. The theory of the vector extension itself is considered and its advantages compared to other architectures are identified. A comparative analysis of solutions used in HPC is also conducted and their weaknesses are found. An approach was proposed to improve the performance of numerical methods of computational mathematics through data vectorization. The approach was implemented in the C language using intrinsics. After that, an experiment was conducted to measure the performance of the RISC-V vector extension. Based on the results of the experiment, it can be said that data vectorization on RISC-V gives a performance increase for numerical methods for solving ODEs of about 20-70%, but if used incorrectly and parameters are selected, vectorization can also slow down the algorithm.