আপনার C++ কোড থেকে সর্বোচ্চ পারফরম্যান্স আনলক করা দুঃসাধ্য হতে পারে, সতর্কতামূলক প্রোফাইলিং, জটিল মেমরি অ্যাক্সেস সমন্বয় এবং ক্যাশে অপ্টিমাইজেশানের দাবিদার হতে পারে। এটাকে একটু সরলীকরণ করার কোন কৌশল আছে কি?? সৌভাগ্যবশত, ন্যূনতম প্রচেষ্টায় অসাধারণ পারফরম্যান্স লাভের জন্য একটি শর্টকাট রয়েছে — যদি আপনার কাছে সঠিক অন্তর্দৃষ্টি থাকে এবং আপনি কী করছেন তা জানেন। কম্পাইলার অপ্টিমাইজেশানগুলি লিখুন যা আপনার কোডের কার্যকারিতা উল্লেখযোগ্যভাবে উন্নত করতে পারে।

আধুনিক কম্পাইলারগুলি সর্বোত্তম কর্মক্ষমতার দিকে এই যাত্রায় অপরিহার্য সহযোগী হিসাবে কাজ করে, বিশেষত স্বয়ংক্রিয় সমান্তরালকরণে। এই অত্যাধুনিক সরঞ্জামগুলি জটিল কোড প্যাটার্নগুলি, বিশেষত লুপের মধ্যে, এবং নির্বিঘ্নে অপ্টিমাইজেশানগুলি সম্পাদন করার ক্ষমতা রাখে।

এই নিবন্ধটির লক্ষ্য হল কম্পাইলার অপ্টিমাইজেশানের ক্ষমতাকে স্পটলাইট করা, Intel C++ কম্পাইলারগুলির উপর ফোকাস করা — যা তাদের জনপ্রিয়তা এবং ব্যাপক ব্যবহারের জন্য বিখ্যাত।

এই গল্পে, আমরা কম্পাইলার ম্যাজিকের স্তরগুলি উন্মোচন করি যা আপনার কোডটিকে একটি উচ্চ-পারফরম্যান্স মাস্টারপিসে রূপান্তর করতে পারে, যা আপনি ভাবতে পারেন তার চেয়ে কম ম্যানুয়াল হস্তক্ষেপের প্রয়োজন৷

হাইলাইটস: কম্পাইলার অপটিমাইজেশন কি? | -চালু | আর্কিটেকচার টার্গেটেড | আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশান | -fno-আলিয়াসিং | কম্পাইলার অপ্টিমাইজেশান রিপোর্ট

কম্পাইলার অপটিমাইজেশন কি?

কম্পাইলার অপ্টিমাইজেশান বিভিন্ন কৌশল এবং রূপান্তরকে অন্তর্ভুক্ত করে একটি কম্পাইলার সংকলনের সময় সোর্স কোডে প্রযোজ্য। কিন্তু কেন? কর্মক্ষমতা, দক্ষতা, এবং, কিছু ক্ষেত্রে, ফলে মেশিন কোডের আকার বাড়াতে। এই অপ্টিমাইজেশনগুলি গতি, মেমরি ব্যবহার এবং শক্তি খরচ সহ কোড নির্বাহের বিভিন্ন দিককে প্রভাবিত করার ক্ষেত্রে গুরুত্বপূর্ণ।

যেকোনো কম্পাইলার উচ্চ-স্তরের সোর্স কোডকে নিম্ন-স্তরের মেশিন কোডে রূপান্তর করার জন্য ধাপগুলির একটি সিরিজ সম্পাদন করে। এর মধ্যে আভিধানিক বিশ্লেষণ, সিনট্যাক্স বিশ্লেষণ, শব্দার্থিক বিশ্লেষণ, মধ্যবর্তী কোড জেনারেশন (বা আইআর), অপ্টিমাইজেশান এবং কোড জেনারেশন জড়িত।

অপ্টিমাইজেশান পর্বের সময়, কম্পাইলার সতর্কতার সাথে একটি প্রোগ্রামকে রূপান্তর করার উপায় অনুসন্ধান করে, একটি শব্দার্থকভাবে সমতুল্য আউটপুট যা কম সংস্থান ব্যবহার করে বা আরও দ্রুত কার্যকর করে। এই প্রক্রিয়ায় নিযুক্ত কৌশলগুলি অন্তর্ভুক্ত করে তবে ধ্রুবক ভাঁজ, লুপ অপ্টিমাইজেশান, ফাংশন ইনলাইনিং এবং ডেড কোড নির্মূলের মধ্যে সীমাবদ্ধ নয়।

আমি সমস্ত উপলব্ধ বিকল্পগুলি নিয়ে আলোচনা করতে যাচ্ছি না, তবে আমরা কীভাবে কম্পাইলারকে নির্দিষ্ট অপ্টিমাইজেশান করতে নির্দেশ দিতে পারি যা কোড কার্যকারিতা উন্নত করতে পারে। তাহলে সমাধান???? কম্পাইলার পতাকা।

বিকাশকারীরা সংকলন প্রক্রিয়া চলাকালীন কম্পাইলার ফ্ল্যাগের একটি সেট নির্দিষ্ট করতে পারে, একটি অনুশীলন যারা ডিবাগিং এবং প্রোফাইলিং তথ্যের জন্য GCC এর সাথে " -g" বা "-pg" এর মতো বিকল্পগুলি ব্যবহার করে তাদের কাছে পরিচিত। আমরা যতই এগিয়ে যাব, আমরা একই ধরনের কম্পাইলার ফ্ল্যাগ নিয়ে আলোচনা করব যা আমরা Intel C++ কম্পাইলারের সাথে আমাদের অ্যাপ্লিকেশন কম্পাইল করার সময় ব্যবহার করতে পারি। এগুলি আপনাকে আপনার কোডের দক্ষতা এবং কর্মক্ষমতা উন্নত করতে সাহায্য করতে পারে৷

সুতরাং, আমরা কি সঙ্গে কাজ করছি?

আমি শুষ্ক তত্ত্বের দিকে তাকাব না বা প্রতিটি কম্পাইলার পতাকা তালিকাভুক্ত ক্লান্তিকর ডকুমেন্টেশন দিয়ে আপনাকে আপ্লুত করব না। পরিবর্তে, আসুন বোঝার চেষ্টা করি কেন এবং কীভাবে এই পতাকাগুলি কাজ করে।

কিভাবে আমরা এই কাজ করা সম্ভব না???

আমরা একটি জ্যাকোবি পুনরাবৃত্তি গণনা করার জন্য দায়ী একটি অঅপ্টিমাইজ করা C++ ফাংশন নেব, এবং ধাপে ধাপে, আমরা প্রতিটি কম্পাইলার পতাকার প্রভাব উন্মোচন করব। এই অন্বেষণের সাথে, আমরা বেস সংস্করণের সাথে প্রতিটি পুনরাবৃত্তির পদ্ধতিগতভাবে তুলনা করে গতি পরিমাপ করব — কোন অপ্টিমাইজেশান ফ্ল্যাগ (-O0) ছাড়াই শুরু।

একটি Intel® Xeon® Platinum 8174 প্রসেসর মেশিনে স্পিডআপ (বা কার্যকর করার সময়) পরিমাপ করা হয়েছিল। এখানে, জ্যাকোবি পদ্ধতি একটি আয়তক্ষেত্রাকার গ্রিডে তাপ বিতরণের মডেলিংয়ের জন্য একটি 2D আংশিক ডিফারেনশিয়াল সমীকরণ (পয়সন সমীকরণ) সমাধান করে।

u(x,y,t) হল বিন্দুতে (x,y) টি সময়ে তাপমাত্রা।

যখন বিতরণ আর পরিবর্তন হয় না তখন আমরা স্থিতিশীল অবস্থার সমাধান করি:

ডিরিচলেট সীমানা শর্তের একটি সেট সীমানায় প্রয়োগ করা হয়েছে।

আমাদের কাছে মূলত একটি C++ কোডিং আছে যা পরিবর্তনশীল আকারের গ্রিডে জ্যাকোবি পুনরাবৃত্তি করে (যাকে আমরা রেজোলিউশন বলি)। মূলত, 500 এর একটি গ্রিড আকার মানে 500x500 আকারের একটি ম্যাট্রিক্স সমাধান করা ইত্যাদি।

একটি জ্যাকোবি পুনরাবৃত্তি করার ফাংশনটি নিম্নরূপ:

 /* * One Jacobi iteration step */ void jacobi(double *u, double *unew, unsigned sizex, unsigned sizey) { int i, j; for (j = 1; j < sizex - 1; j++) { for (i = 1; i < sizey - 1; i++) { unew[i * sizex + j] = 0.25 * (u[i * sizex + (j - 1)] + // left u[i * sizex + (j + 1)] + // right u[(i - 1) * sizex + j] + // top u[(i + 1) * sizex + j]); // bottom } } for (j = 1; j < sizex - 1; j++) { for (i = 1; i < sizey - 1; i++) { u[i * sizex + j] = unew[i * sizex + j]; } } }

আমরা জ্যাকোবি পুনরাবৃত্তি করতে থাকি যতক্ষণ না অবশিষ্টাংশ একটি থ্রেশহোল্ড মান (লুপের ভিতরে) পৌঁছায়। অবশিষ্ট গণনা এবং থ্রেশহোল্ড মূল্যায়ন এই ফাংশনের বাইরে করা হয় এবং এখানে উদ্বেগের বিষয় নয়। তো, এবার ঘরের হাতির কথা বলি!

বেস কোড কিভাবে কাজ করে?

কোন অপ্টিমাইজেশান (-O0) ছাড়াই, আমরা নিম্নলিখিত ফলাফলগুলি পাই:

এখানে, আমরা MFLOP/s পরিপ্রেক্ষিতে কর্মক্ষমতা পরিমাপ করি। এটি আমাদের তুলনার ভিত্তি হবে।

MFLOP/s মানে "মিলিয়ন ফ্লোটিং পয়েন্ট অপারেশন পার সেকেন্ড।" এটি ফ্লোটিং-পয়েন্ট অপারেশনের পরিপ্রেক্ষিতে একটি কম্পিউটার বা প্রসেসরের কর্মক্ষমতা পরিমাপ করতে ব্যবহৃত পরিমাপের একক। ফ্লোটিং-পয়েন্ট ক্রিয়াকলাপগুলি একটি ভাসমান-বিন্দু বিন্যাসে উপস্থাপিত দশমিক বা বাস্তব সংখ্যা সহ গাণিতিক গণনা জড়িত।

MFLOP/s প্রায়ই একটি বেঞ্চমার্ক বা কর্মক্ষমতা মেট্রিক হিসাবে ব্যবহৃত হয়, বিশেষ করে বৈজ্ঞানিক এবং প্রকৌশল অ্যাপ্লিকেশনগুলিতে যেখানে জটিল গাণিতিক গণনা প্রচলিত। MFLOP/s মান যত বেশি হবে, সিস্টেম বা প্রসেসর তত দ্রুত ফ্লোটিং-পয়েন্ট অপারেশন সম্পাদন করে।

দ্রষ্টব্য 1: একটি স্থিতিশীল ফলাফল প্রদান করতে, আমি প্রতিটি রেজোলিউশনের জন্য 5 বার এক্সিকিউটেবল চালাই এবং MFLOP/s মানের গড় মান নিই।

নোট 2: এটা মনে রাখা গুরুত্বপূর্ণ যে Intel C++ কম্পাইলারের ডিফল্ট অপ্টিমাইজেশান হল -O2। সুতরাং, সোর্স কোড কম্পাইল করার সময় -O0 উল্লেখ করা গুরুত্বপূর্ণ।

চলুন এগিয়ে যান এবং দেখুন কিভাবে এই রানের সময়গুলি পরিবর্তিত হবে যখন আমরা বিভিন্ন কম্পাইলার পতাকা চেষ্টা করি!

সবচেয়ে সাধারণ: -O1, -O2, -O3 এবং -Ofast

যখন কেউ কম্পাইলার অপ্টিমাইজেশন দিয়ে শুরু করে তখন এগুলি সবচেয়ে বেশি ব্যবহৃত কিছু কম্পাইলার ফ্ল্যাগ। একটি আদর্শ ক্ষেত্রে, Ofast > O3 > O2 > O1 > O0 এর কর্মক্ষমতা। যাইহোক, এটি অগত্যা ঘটবে না। এই বিকল্পগুলির সমালোচনামূলক পয়েন্টগুলি নিম্নরূপ:

-O1:

• লক্ষ্য: কোডের আকার বৃদ্ধি এড়িয়ে গতির জন্য অপ্টিমাইজ করুন।
• মূল বৈশিষ্ট্য: বড় কোডের আকার, অনেক শাখা এবং যেখানে এক্সিকিউশনের সময় লুপের মধ্যে কোড দ্বারা প্রভাবিত হয় না এমন অ্যাপ্লিকেশনের জন্য উপযুক্ত।

-O2:

• -O1-এর উপরে উন্নতি:
  • ভেক্টরাইজেশন সক্ষম করে।
  • অন্তর্নিহিত এবং আন্তঃ-ফাইল আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশানের ইনলাইন করার অনুমতি দেয়।

-O3:

• -O2-এর উপরে বর্ধিতকরণ:
  • আরও আক্রমণাত্মক লুপ রূপান্তর সক্ষম করে (ফিউশন, ব্লক-আনরোল-এবং-জ্যাম)।
  • অপ্টিমাইজেশানগুলি শুধুমাত্র ধারাবাহিকভাবে -O2 কে ছাড়িয়ে যেতে পারে যদি লুপ এবং মেমরি অ্যাক্সেস রূপান্তর ঘটে। এটি কোডকেও ধীর করে দিতে পারে।
• এর জন্য প্রস্তাবিত:
  • লুপ-হেভি ফ্লোটিং-পয়েন্ট গণনা এবং বড় ডেটা সেট সহ অ্যাপ্লিকেশন।

-অফাস্ট:

• নিম্নলিখিত পতাকা সেট করে:
  • "-O3"
  • "- no-prec-div" : এটি অপ্টিমাইজেশান সক্ষম করে যা সম্পূর্ণ IEEE বিভাগের তুলনায় দ্রুত এবং সামান্য কম সুনির্দিষ্ট ফলাফল দেয়৷ উদাহরণস্বরূপ, গণনার গতি উন্নত করতে A/B কে A * (1/B) হিসাবে গণনা করা হয়।
  • " -fp-মডেল ফাস্ট=2" : আরো আক্রমনাত্মক ফ্লোটিং-পয়েন্ট অপ্টিমাইজেশান সক্ষম করে৷

এই বিকল্পগুলি ঠিক কোন অপ্টিমাইজেশানগুলি অফার করে সে সম্পর্কে অফিসিয়াল গাইড বিস্তারিতভাবে কথা বলে৷

আমাদের জ্যাকোবি কোডে এই বিকল্পগুলি ব্যবহার করার সময়, আমরা এই এক্সিকিউশন রান টাইমগুলি পাই:

এটা স্পষ্টভাবে প্রতীয়মান যে এই সমস্ত অপ্টিমাইজেশন আমাদের বেস কোডের ("-O0" সহ) থেকে অনেক দ্রুত। এক্সিকিউশন রান টাইম বেস কেসের চেয়ে 2-3x কম। MFLOP/s সম্পর্কে কি??

ওয়েল, এটা কিছু!!!

বেস কেসের MFLOP/s এবং অপ্টিমাইজেশনের মধ্যে একটি বড় পার্থক্য রয়েছে।

সামগ্রিকভাবে, যদিও সামান্য হলেও, “-O3” সেরা পারফর্ম করে।

“- Ofast ” (“ -no-prec-div -fp-model fast=2 ”) দ্বারা ব্যবহৃত অতিরিক্ত ফ্ল্যাগগুলি কোনও অতিরিক্ত গতি দেয় না।

লক্ষ্যযুক্ত আর্কিটেকচার (-xHost,-xCORE-AVX512)

মেশিনের আর্কিটেকচার কম্পাইলার অপ্টিমাইজেশানকে প্রভাবিত করে একটি প্রধান ফ্যাক্টর হিসাবে দাঁড়িয়েছে। যখন কম্পাইলার উপলব্ধ নির্দেশনা সেট এবং হার্ডওয়্যার দ্বারা সমর্থিত অপ্টিমাইজেশনগুলি (যেমন ভেক্টরাইজেশন এবং SIMD) জানে তখন এটি কার্যকারিতা উল্লেখযোগ্যভাবে উন্নত করতে পারে।

উদাহরণস্বরূপ, আমার স্কাইলেক মেশিনে 3টি SIMD ইউনিট রয়েছে: 1 AVX 512 এবং 2 AVX-2 ইউনিট৷

আমি কি সত্যিই এই জ্ঞান দিয়ে কিছু করতে পারি???

উত্তরটি কৌশলগত কম্পাইলার পতাকাগুলিতে রয়েছে। " -xHost " এবং আরও স্পষ্টভাবে বললে, " -xCORE-AVX512 " এর মতো বিকল্পগুলির সাথে পরীক্ষা করা আমাদেরকে মেশিনের ক্ষমতার সম্পূর্ণ সম্ভাবনা এবং সর্বোত্তম কর্মক্ষমতার জন্য টেইলার অপ্টিমাইজেশানগুলিকে কাজে লাগাতে দেয়৷

এই পতাকাগুলি সম্পর্কে কী তা এখানে একটি দ্রুত বিবরণ রয়েছে:

-xHost:

• লক্ষ্য: নির্দিষ্ট করে যে কম্পাইলার হোস্ট মেশিনের সর্বোচ্চ নির্দেশনা সেটের জন্য অপ্টিমাইজ করা কোড তৈরি করবে।
• মূল বৈশিষ্ট্য: হার্ডওয়্যারে উপলব্ধ সর্বশেষ বৈশিষ্ট্য এবং ক্ষমতার সুবিধা নেয়। এটি লক্ষ্য সিস্টেমে একটি আশ্চর্যজনক গতি দিতে পারে।
• বিবেচ্য বিষয়: যদিও এই পতাকা হোস্ট আর্কিটেকচারের জন্য অপ্টিমাইজ করে, এর ফলে বাইনারি হতে পারে যা বিভিন্ন মেশিনে পোর্টেবল নয় বিভিন্ন নির্দেশ সেট আর্কিটেকচার সহ।

-xCORE-AVX512:

• লক্ষ্য: ইন্টেল অ্যাডভান্সড ভেক্টর এক্সটেনশন 512 (AVX-512) নির্দেশ সেট ব্যবহার করে এমন কোড তৈরি করতে কম্পাইলারকে স্পষ্টভাবে নির্দেশ দিন।

• মূল বৈশিষ্ট্য: AVX-512 হল একটি উন্নত SIMD (একক নির্দেশনা, একাধিক ডেটা) নির্দেশনা সেট যা AVX2 এর মতো পূর্ববর্তী সংস্করণের তুলনায় ব্যাপক ভেক্টর রেজিস্টার এবং অতিরিক্ত ক্রিয়াকলাপ অফার করে। এই ফ্ল্যাগটি সক্রিয় করা কম্পাইলারকে অপ্টিমাইজ করা পারফরম্যান্সের জন্য এই উন্নত বৈশিষ্ট্যগুলিকে লিভারেজ করার অনুমতি দেয়।

• বিবেচনা: পোর্টেবিলিটি আবার এখানে অপরাধী। AVX-512 নির্দেশাবলীর সাহায্যে তৈরি করা বাইনারিগুলি এই নির্দেশ সেট সমর্থন করে না এমন প্রসেসরগুলিতে সর্বোত্তমভাবে চলতে পারে না। তারা মোটেও কাজ নাও করতে পারে!

  
  

AVX-512 সেট নির্দেশাবলী Zmm রেজিস্টার ব্যবহার করে, যা 512-বিট প্রশস্ত রেজিস্টারের একটি সেট। এই রেজিস্টারগুলি ভেক্টর প্রক্রিয়াকরণের ভিত্তি হিসাবে কাজ করে।

ডিফল্টরূপে, “ -xCORE-AVX512 ” অনুমান করে যে প্রোগ্রামটি zmm রেজিস্টার ব্যবহার থেকে উপকৃত হবে না। কম্পাইলার zmm রেজিস্টার ব্যবহার করা এড়িয়ে যায় যদি না পারফরম্যান্স লাভ নিশ্চিত করা হয়।

যদি কেউ সীমাবদ্ধতা ছাড়াই zmm রেজিস্টার ব্যবহার করার পরিকল্পনা করে, " -qopt-zmm-usage " উচ্চ সেট করা যেতে পারে। যে আমরা হিসাবে ভাল করা হবে কি.

বিস্তারিত নির্দেশাবলীর জন্য অফিসিয়াল গাইড চেক করতে ভুলবেন না।

আসুন দেখি কিভাবে এই পতাকাগুলি আমাদের কোডের জন্য কাজ করে:

উহু!

আমরা এখন সবচেয়ে ছোট রেজোলিউশনের জন্য 1200 MFLOP/s চিহ্ন অতিক্রম করেছি। অন্যান্য রেজোলিউশনের জন্য MFLOP/s এর মানও বৃদ্ধি পেয়েছে।

উল্লেখযোগ্য অংশটি হল যে আমরা এই ফলাফলগুলি কোনও উল্লেখযোগ্য ম্যানুয়াল হস্তক্ষেপ ছাড়াই অর্জন করেছি - কেবলমাত্র অ্যাপ্লিকেশন সংকলন প্রক্রিয়া চলাকালীন মুষ্টিমেয় কম্পাইলার ফ্ল্যাগগুলি অন্তর্ভুক্ত করে।

যাইহোক, এটি হাইলাইট করা অপরিহার্য যে কম্পাইল করা এক্সিকিউটেবল শুধুমাত্র একই নির্দেশ সেট ব্যবহার করে একটি মেশিনের সাথে সামঞ্জস্যপূর্ণ হবে।

অপ্টিমাইজেশান-বনাম-পোর্টেবিলিটি ট্রেড-অফ স্পষ্ট, কারণ একটি নির্দিষ্ট নির্দেশ সেটের জন্য অপ্টিমাইজ করা কোড বিভিন্ন হার্ডওয়্যার কনফিগারেশন জুড়ে বহনযোগ্যতা বিসর্জন দিতে পারে। সুতরাং, আপনি কি করছেন তা নিশ্চিত করুন!!

দ্রষ্টব্য: আপনার হার্ডওয়্যার AVX-512 সমর্থন না করলে চিন্তা করবেন না। Intel C++ কম্পাইলার AVX, AVX-2 এমনকি SSE-এর জন্য অপ্টিমাইজেশন সমর্থন করে। ডকুমেন্টেশন আপনার জানা প্রয়োজন সবকিছু আছে!

আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশান (আইপিও)

আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশানে একাধিক ফাংশন বা পদ্ধতি জুড়ে কোড বিশ্লেষণ এবং রূপান্তর করা জড়িত, পৃথক ফাংশনের সুযোগের বাইরে তাকানো।

আইপিও একটি বহু-পদক্ষেপ প্রক্রিয়া যা একটি প্রোগ্রামের মধ্যে বিভিন্ন ফাংশন বা পদ্ধতির মধ্যে মিথস্ক্রিয়াকে কেন্দ্র করে। IPO-তে ফরওয়ার্ড প্রতিস্থাপন, পরোক্ষ কল রূপান্তর এবং ইনলাইনিং সহ বিভিন্ন ধরণের অপ্টিমাইজেশন অন্তর্ভুক্ত থাকতে পারে।

ইন্টেল কম্পাইলার দুটি সাধারণ ধরনের আইপিও সমর্থন করে: একক-ফাইল সংকলন এবং মাল্টি-ফাইল সংকলন (সম্পূর্ণ প্রোগ্রাম অপ্টিমাইজেশান) [ ৩ ]। দুটি সাধারণ কম্পাইলার পতাকা রয়েছে তাদের প্রত্যেকটি সম্পাদন করে:

-আইপিও:

• লক্ষ্য: আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশান সক্ষম করে, কম্পাইলারকে কম্পাইলেশনের সময় পৃথক সোর্স ফাইলের বাইরে সমগ্র প্রোগ্রামটি বিশ্লেষণ এবং অপ্টিমাইজ করার অনুমতি দেয়।

• মূল বৈশিষ্ট্য:- পুরো প্রোগ্রাম অপ্টিমাইজেশান: “ -ipo ” সমগ্র প্রোগ্রাম জুড়ে ফাংশন এবং পদ্ধতির মধ্যে মিথস্ক্রিয়া বিবেচনা করে সমস্ত উৎস ফাইল জুড়ে বিশ্লেষণ এবং অপ্টিমাইজেশান সঞ্চালন করে।- ক্রস-ফাংশন এবং ক্রস-মডিউল অপ্টিমাইজেশান: ফ্ল্যাগ ইনলাইনিং ফাংশন, সিঙ্ক্রোনাইজেশনকে সহজ করে। অপ্টিমাইজেশন, এবং বিভিন্ন প্রোগ্রাম অংশ জুড়ে ডেটা প্রবাহ বিশ্লেষণ।

• বিবেচনা: এটি একটি পৃথক লিঙ্ক পদক্ষেপ প্রয়োজন. “ -ipo ” দিয়ে কম্পাইল করার পর, চূড়ান্ত এক্সিকিউটেবল তৈরি করার জন্য একটি নির্দিষ্ট লিঙ্ক ধাপ প্রয়োজন। কম্পাইলার লিঙ্ক করার সময় পুরো প্রোগ্রাম ভিউ এর উপর ভিত্তি করে অতিরিক্ত অপ্টিমাইজেশান সঞ্চালন করে।

  
  

-আইপি:

• লক্ষ্য: আন্তঃপ্রক্রিয়াগত বিশ্লেষণ-প্রসারণ সক্ষম করে, কম্পাইলারকে একটি পৃথক লিঙ্ক পদক্ষেপের প্রয়োজন ছাড়াই কিছু আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশন সঞ্চালনের অনুমতি দেয়।

• মূল বৈশিষ্ট্য:- বিশ্লেষণ এবং প্রচার: “ -ip ” কম্পাইলেশনের সময় বিভিন্ন ফাংশন এবং মডিউল জুড়ে গবেষণা এবং ডেটা প্রচার করতে সক্ষম করে। যাইহোক, এটি সমস্ত অপ্টিমাইজেশান সঞ্চালন করে না যার জন্য সম্পূর্ণ প্রোগ্রাম ভিউ প্রয়োজন।- দ্রুত সংকলন: “ -ipo ” এর বিপরীতে, “ -ip ”-এর জন্য আলাদা লিঙ্কিং ধাপের প্রয়োজন হয় না, ফলে দ্রুত সংকলনের সময় হয়। এটি বিকাশের সময় উপকারী হতে পারে যখন দ্রুত প্রতিক্রিয়া অপরিহার্য।

• বিবেচনা: ফাংশন ইনলাইনিং সহ শুধুমাত্র কিছু সীমিত আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশান ঘটে।

  
  

-ipo সাধারণত আরও ব্যাপক আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশান ক্ষমতা প্রদান করে কারণ এটি একটি পৃথক লিঙ্ক পদক্ষেপ জড়িত কিন্তু দীর্ঘ সংকলন সময়ের খরচে আসে। [ 4 ]

-ip একটি দ্রুত বিকল্প যা কিছু আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশান সঞ্চালন করে একটি পৃথক লিঙ্ক পদক্ষেপের প্রয়োজন ছাড়াই, এটিকে উন্নয়ন এবং পরীক্ষার পর্যায়গুলির জন্য উপযুক্ত করে তোলে।

যেহেতু আমরা শুধুমাত্র পারফরম্যান্স এবং বিভিন্ন অপ্টিমাইজেশান, কম্পাইল টাইম বা এক্সিকিউটেবলের সাইজ নিয়ে কথা বলছি, তাই আমরা " -ipo " এর উপর ফোকাস করব।

-fno-উনাফে

উপরের সমস্ত অপ্টিমাইজেশন নির্ভর করে আপনি আপনার হার্ডওয়্যার কতটা ভাল জানেন এবং আপনি কতটা পরীক্ষা করবেন তার উপর। কিন্তু এখানেই শেষ নয়. যদি আমরা শনাক্ত করার চেষ্টা করি যে কম্পাইলার আমাদের কোডটি কীভাবে দেখবে, আমরা অন্যান্য সম্ভাব্য অপ্টিমাইজেশন সনাক্ত করতে পারি।

আসুন আবার আমাদের কোডটি দেখুন:

 /* * One Jacobi iteration step */ void jacobi(double *u, double *unew, unsigned sizex, unsigned sizey) { int i, j; for (j = 1; j < sizex - 1; j++) { for (i = 1; i < sizey - 1; i++) { unew[i * sizex + j] = 0.25 * (u[i * sizex + (j - 1)] + // left u[i * sizex + (j + 1)] + // right u[(i - 1) * sizex + j] + // top u[(i + 1) * sizex + j]); // bottom } } for (j = 1; j < sizex - 1; j++) { for (i = 1; i < sizey - 1; i++) { u[i * sizex + j] = unew[i * sizex + j]; } } }

jacobi() ফাংশন পরামিতি হিসাবে দ্বিগুণ করতে কয়েকটি পয়েন্টার নেয় এবং তারপর লুপগুলির জন্য নেস্টেডের ভিতরে কিছু করে। যেকোন কম্পাইলার যখন সোর্স ফাইলে এই ফাংশনটি দেখে, তখন তাকে খুব সতর্ক থাকতে হয়।

কেন??

u ব্যবহার করে unew গণনা করার অভিব্যক্তিতে 4টি প্রতিবেশী u মানের গড় জড়িত। যদি u এবং unew উভয়ই একই অবস্থানে নির্দেশ করে? এটি উপনামযুক্ত পয়েন্টারগুলির ক্লাসিক্যাল সমস্যা হয়ে উঠবে [ 7 ]।

আধুনিক কম্পাইলাররা খুব স্মার্ট এবং নিরাপত্তা নিশ্চিত করার জন্য, তারা ধরে নেয় যে অ্যালিয়াসিং সম্ভব হতে পারে। এবং এই ধরনের পরিস্থিতির জন্য, তারা শব্দার্থবিদ্যা এবং কোডের আউটপুটকে প্রভাবিত করতে পারে এমন কোনো অপ্টিমাইজেশন এড়িয়ে চলে।

আমাদের ক্ষেত্রে, আমরা জানি যে u এবং unew বিভিন্ন মেমরি অবস্থান এবং বিভিন্ন মান সঞ্চয় করার উদ্দেশ্যে। সুতরাং, আমরা সহজেই কম্পাইলারকে জানাতে পারি যে এখানে কোনো অ্যালিয়াসিং হবে না।

আমরা যে কিভাবে করব?

দুটি পদ্ধতি আছে। প্রথমে সি “ সীমাবদ্ধ ” কীওয়ার্ড । কিন্তু এটি কোড পরিবর্তন প্রয়োজন. আমরা আপাতত সেটা চাই না।

সহজ কিছু? আসুন " -fno-alias " চেষ্টা করি।

-fno-উনাফে:

• লক্ষ্য: কম্পাইলারকে নির্দেশ দিন যাতে প্রোগ্রামে অ্যালিয়াসিং না হয়।

• মূল বৈশিষ্ট্য: কোনো অ্যালিয়াসিং না করে অনুমান করে, কম্পাইলার আরও অবাধে কোডটিকে অপ্টিমাইজ করতে পারে, সম্ভাব্য কর্মক্ষমতা উন্নত করতে পারে।

• বিবেচ্য বিষয়: বিকাশকারীকে এই পতাকাটি ব্যবহার করার ক্ষেত্রে সতর্ক থাকতে হবে কারণ কোনো অনাকাঙ্ক্ষিত নামকরণের ক্ষেত্রে, প্রোগ্রামটি অপ্রত্যাশিত আউটপুট দিতে পারে।

  
  

আরো বিস্তারিত অফিসিয়াল ডকুমেন্টেশন পাওয়া যাবে.

এটি আমাদের কোডের জন্য কীভাবে কাজ করে?

আচ্ছা, এখন আমাদের কিছু আছে!!!

আমরা এখানে একটি অসাধারণ গতি অর্জন করেছি, আগের অপ্টিমাইজেশনের প্রায় 3x। এই বৃদ্ধির পিছনে রহস্য কি?

কম্পাইলারকে এলিয়াসিং অনুমান না করার নির্দেশ দিয়ে, আমরা এটিকে শক্তিশালী লুপ অপ্টিমাইজেশন আনলিশ করার স্বাধীনতা দিয়েছি।

অ্যাসেম্বলি কোডের (যদিও এখানে শেয়ার করা হয়নি) এবং জেনারেট করা কম্পাইল অপ্টিমাইজেশান রিপোর্টের ( নীচে দেখুন) একটি ঘনিষ্ঠ পরীক্ষা কম্পাইলারের লুপ ইন্টারচেঞ্জ এবং লুপ আনরোলিং এর বুদ্ধিমান প্রয়োগ প্রকাশ করে। এই রূপান্তরগুলি একটি অত্যন্ত অপ্টিমাইজ করা কর্মক্ষমতাতে অবদান রাখে, কোড দক্ষতার উপর কম্পাইলার নির্দেশাবলীর উল্লেখযোগ্য প্রভাব প্রদর্শন করে।

চূড়ান্ত গ্রাফ

এইভাবে সমস্ত অপ্টিমাইজেশান একে অপরের বিরুদ্ধে সঞ্চালন করে:

কম্পাইলার অপ্টিমাইজেশান রিপোর্ট (-qopt-report)

Intel C++ কম্পাইলার একটি মূল্যবান বৈশিষ্ট্য প্রদান করে যা ব্যবহারকারীদের একটি অপ্টিমাইজেশান রিপোর্ট তৈরি করতে দেয় যা অপ্টিমাইজেশানের উদ্দেশ্যে করা সমস্ত সমন্বয়ের সংক্ষিপ্তসার করে [ 8 ]। এই বিস্তৃত প্রতিবেদনটি YAML ফাইল ফরম্যাটে সংরক্ষিত হয়েছে, কোডের মধ্যে কম্পাইলার দ্বারা প্রয়োগ করা অপ্টিমাইজেশনের একটি বিস্তারিত তালিকা উপস্থাপন করে। একটি বিশদ বিবরণের জন্য, “ -qopt-report ”-এ অফিসিয়াল ডকুমেন্টেশন দেখুন।

এরপর কী?

আমরা মুষ্টিমেয় কম্পাইলার ফ্ল্যাগ নিয়ে আলোচনা করেছি যা আমাদের কোডের কার্যকারিতা ব্যাপকভাবে উন্নত করতে পারে আমাদের আসলে অনেক কিছু না করে। একমাত্র পূর্বশর্ত: অন্ধভাবে কিছু করবেন না; আপনি কি করছেন তা নিশ্চিত করুন!!

এই ধরনের শত শত কম্পাইলার পতাকা আছে, এবং এই গল্প একটি মুষ্টিমেয় সম্পর্কে কথা বলে. সুতরাং, এটি আপনার পছন্দের কম্পাইলারের অফিসিয়াল কম্পাইলার গাইড (বিশেষ করে অপ্টিমাইজেশন সম্পর্কিত ডকুমেন্টেশন) দেখার জন্য মূল্যবান।

এই কম্পাইলার ফ্ল্যাগগুলি ছাড়াও, ভেক্টরাইজেশন, SIMD ইনট্রিনসিক্স, প্রোফাইল গাইডেড অপ্টিমাইজেশন এবং গাইডেড অটো প্যারালেলিজমের মতো কৌশলগুলির একটি সম্পূর্ণ গুচ্ছ রয়েছে, যা আপনার কোডের কার্যকারিতাকে আশ্চর্যজনকভাবে উন্নত করতে পারে।

একইভাবে, ইন্টেল সি++ কম্পাইলার (এবং সব জনপ্রিয়) প্রাগমা নির্দেশকেও সমর্থন করে, যা খুবই চমৎকার বৈশিষ্ট্য। ইন্টেল-নির্দিষ্ট প্রাগমা রেফারেন্সে ivdep, সমান্তরাল, simd, ভেক্টর ইত্যাদির মতো কিছু প্র্যাগমা পরীক্ষা করা মূল্যবান।

প্রস্তাবিত পড়া

[১] অপ্টিমাইজেশান এবং প্রোগ্রামিং (intel.com)

[২] কাইসারস্লাউটার্ন-ল্যান্ডাউ (rptu.de) বিশ্ববিদ্যালয়ে "এলওয়েট্রিটস" এর সাথে উচ্চ কর্মক্ষমতা কম্পিউটিং

[৩] আন্তঃপ্রক্রিয়াগত অপ্টিমাইজেশান (intel.com)

[৪] ipo, Qipo (intel.com)

[৫] আইপি, কিপ (intel.com)

[৬] ইন্টেল কম্পাইলার, অপ্টিমাইজেশান এবং SPEChpc দ্বারা ব্যবহারের জন্য অন্যান্য পতাকা

[৭] অ্যালিয়াসিং — আইবিএম ডকুমেন্টেশন

[৮] Intel® কম্পাইলার অপ্টিমাইজেশান রিপোর্ট

আনস্প্ল্যাশে ইগর ওমিলাইভের আলোচিত ছবি।