OpenBLAS

OpenBLAS是一个开源的线性代数库,高效实现了BLAS(Basic Linear Algebra Subprograms)和LAPACK(Linear Algebra PACKage)接口定义的函数,超算平台提供了X86和ARM适用的版本。

可用OpenBLAS版本

版本

平台

构建方式

模块名

0.3.7

cpu

Spack

openblas/0.3.7-gcc-9.2.0

0.3.7

arm

Spack

openblas/0.3.7-gcc-9.3.0

链接OpenBLAS库

小心

CPU平台(cpu, small, huge, 192c6t等队列)与ARM平台(arm128c256g队列)指令集不兼容,请勿混用两个平台的二进制程序。

小技巧

请使用与OpenBLAS库相匹配的特定版本编译器以获得最佳性能。

下面将分别展示如何在CPU(X86)和ARM平台构建示例程序 sampleblas ,这个程序调用OpenBLAS提供的 cblas_dgemm 函数,完成矩阵乘加操作。

sampleblas的源代码 sampleblas.c 内容如下:

#include <cblas.h>
#include <stdio.h>

int main() {

    int i = 0;
    double A[6] = {1.0,2.0,1.0,-3.0,4.0,-1.0};   // A(3x2)
    double B[6] = {1.0,2.0,1.0,-3.0,4.0,-1.0};   // B(2x3)
    double C[9] = {.5,.5,.5,.5,.5,.5,.5,.5,.5};  // C(3x3)

    const int M = 3; // row of A and C
    const int N = 3; // col of B and C
    const int K = 2; // col of A and row of B

    const double alpha = 1.0;
    const double beta = 0.1;

    // C = alpha * A * B + beta * C
    cblas_dgemm(CblasRowMajor, CblasNoTrans, CblasNoTrans, M, N, K, alpha, A, K, B, N, beta, C, N);

    for (i = 0; i < 9; i++) {
        printf("%lf ", C[i]);
    }
    printf("\n");

    return 0;
}

在CPU平台上链接OpenBLAS库

在这个示例中我们使用 openblas/0.3.7-gcc-9.2.0 模块,这个模块使用GCC 9.2.0构建,需要载入OpenBLAS以及与之相匹配的编译器:

$ module load openblas/0.3.7-gcc-9.2.0 gcc/9.2.0-gcc-4.8.5

编译源代码并链接至OpenBLAS库,由于模块中已经预置了头文件、静态库和动态库的路径,因此不需要在命令行中显式制定这些路径:

$ gcc -o sampleblas sampleblas.c -lopenblas

检查二进制程序的动态链接情况,确认已经链接正确的OpenBLAS库:

$ ldd sampleblas
     linux-vdso.so.1 =>  (0x00007fff6bfca000)
     libopenblas.so.0 => /lustre/opt/cascadelake/linux-centos7-cascadelake/gcc-9.2.0/openblas-0.3.7-kf4td3bj4liyg3magigle6h5dubwsrrg/lib/libopenblas.so.0 (0x00002ae926124000)
     libc.so.6 => /lib64/libc.so.6 (0x00002ae926fdc000)
     libm.so.6 => /lib64/libm.so.6 (0x00002ae9273aa000)
     libpthread.so.0 => /lib64/libpthread.so.0 (0x00002ae9276ac000)
     libgfortran.so.5 => /lustre/opt/cascadelake/linux-centos7-x86_64/gcc-4.8.5/gcc-9.2.0-wqdecm4rkyyhejagxwmnabt6lscgm45d/lib64/libgfortran.so.5 (0x00002ae9278c8000)
     libgomp.so.1 => /lustre/opt/cascadelake/linux-centos7-x86_64/gcc-4.8.5/gcc-9.2.0-wqdecm4rkyyhejagxwmnabt6lscgm45d/lib64/libgomp.so.1 (0x00002ae927d57000)
     /lib64/ld-linux-x86-64.so.2 => /lib/ld-linux.so.2 (0x00002ae925f00000)
     libquadmath.so.0 => /lustre/opt/cascadelake/linux-centos7-x86_64/gcc-4.8.5/gcc-9.2.0-wqdecm4rkyyhejagxwmnabt6lscgm45d/lib64/libquadmath.so.0 (0x00002ae927f8d000)
     libgcc_s.so.1 => /lustre/opt/cascadelake/linux-centos7-x86_64/gcc-4.8.5/gcc-9.2.0-wqdecm4rkyyhejagxwmnabt6lscgm45d/lib64/libgcc_s.so.1 (0x00002ae9281d4000)
     libdl.so.2 => /lib64/libdl.so.2 (0x00002ae9283ec000)

这个程序运行时间很短:

$ time ./sampleblas
-4.950000 10.050000 -0.950000 10.050000 -9.950000 4.050000 7.050000 4.050000 5.050000
./sampleblas  0.00s user 0.01s system 27% cpu 0.045 total

运行时间更长、消耗时间更多的计算程序,需要编写作业脚本,提交到作业调度系统。

在ARM平台上链接OpenBLAS库

在这个示例中我们使用 openblas/0.3.7-gcc-9.3.0 模块,这个模块使用GCC 9.3.0构建,需要载入OpenBLAS以及与之相匹配的编译器:

$ module load openblas/0.3.7-gcc-9.3.0 gcc/9.3.0-gcc-4.8.5

编译源代码并链接至OpenBLAS库,由于模块中已经预置了头文件、静态库和动态库的路径,因此不需要在命令行中显式制定这些路径:

$ gcc -o sampleblas sampleblas.c -lopenblas

检查二进制程序的动态链接情况,确认已经链接正确的OpenBLAS库:

$ ldd sampleblas
     linux-vdso.so.1 =>  (0x000040002e9c0000)
     libopenblas.so.0 => /lustre/opt/kunpeng920/linux-centos7-aarch64/gcc-9.3.0/openblas-0.3.7-jbipn2oklioz3ym7ra4vh3do3ph5ocou/lib/libopenblas.so.0 (0x000040002e9d0000)
     libc.so.6 => /lib64/libc.so.6 (0x000040002f630000)
     libm.so.6 => /lib64/libm.so.6 (0x000040002f7c0000)
     libpthread.so.0 => /lib64/libpthread.so.0 (0x000040002f880000)
     libgfortran.so.5 => /lustre/opt/kunpeng920/linux-centos7-aarch64/gcc-4.8.5/gcc-9.3.0-a5tvx33on7quyl7o2sygvyjqnysfcw6n/lib64/libgfortran.so.5 (0x000040002f8c0000)
     libgomp.so.1 => /lustre/opt/kunpeng920/linux-centos7-aarch64/gcc-4.8.5/gcc-9.3.0-a5tvx33on7quyl7o2sygvyjqnysfcw6n/lib64/libgomp.so.1 (0x000040002fa30000)
     /lib/ld-linux-aarch64.so.1 (0x000040002e970000)
     libgcc_s.so.1 => /lustre/opt/kunpeng920/linux-centos7-aarch64/gcc-4.8.5/gcc-9.3.0-a5tvx33on7quyl7o2sygvyjqnysfcw6n/lib64/libgcc_s.so.1 (0x000040002fa90000)
     libdl.so.2 => /lib64/libdl.so.2 (0x000040002fad0000)

这个程序运行时间很短:

$ time ./sampleblas
-4.950000 10.050000 -0.950000 10.050000 -9.950000 4.050000 7.050000 4.050000 5.050000
./sampleblas  0.00s user 0.00s system 41% cpu 0.009 total

运行时间更长、消耗时间更多的计算程序,需要编写作业脚本,提交到作业调度系统。

提交依赖OpenBLAS库的作业

小心

CPU平台(cpu, small, huge, 192c6t等队列)与ARM平台(arm128c256g队列)指令集不兼容,请勿混用两个平台的二进制程序。

作业成功运行的关键,是加载程序所依赖的软件模块。以 sampleblas 程序为例,它依赖GCC和OpenBLAS,因此需要在作业脚本中载入相应模块。 此外,OpenBLAS采用OpenMP多线程并行,在作业脚本中为环境变量 NUM_OMP_THREADS 设置合理数值能达到最佳运行效果。

在CPU平台提交依赖OpenBLAS库的作业

准备作业脚本 sampleblas.slurm ,内容如下:

#!/bin/bash

#SBATCH --job-name=openblas       # 作业名
#SBATCH --partition=cpu           # cpu队列
#SBATCH --ntasks-per-node=40      # 每节点核数
#SBATCH -n 40                     # 作业核心数40(一个节点)
#SBATCH --output=%j.out
#SBATCH --error=%j.err

ulimit -s unlimited
ulimit -l unlimited

module load openblas/0.3.7-gcc-9.2.0 gcc/9.2.0-gcc-4.8.5

export NUM_OMP_THREADS=40

time ./sampleblas

使用 sbatch 提交作业:

$ sbatch sampleblas.slurm

在ARM平台提交依赖OpenBLAS库的作业

准备作业脚本 sampleblas.slurm ,内容如下:

#!/bin/bash

#SBATCH --job-name=openblas       # 作业名
#SBATCH --partition=arm128c256g   # ARM队列(arm128c256g)
#SBATCH --ntasks-per-node=128     # 每节点核数
#SBATCH -n 128                    # 作业核心数128(一个节点)
#SBATCH --output=%j.out
#SBATCH --error=%j.err

ulimit -s unlimited
ulimit -l unlimited

module load openblas/0.3.7-gcc-9.3.0 gcc/9.3.0-gcc-4.8.5

export NUM_OMP_THREADS=128

time ./sampleblas

使用 sbatch 提交作业:

$ sbatch sampleblas.slurm

参考资料


最后更新: 2024 年 11 月 19 日