stanford并行程序设计asset1：四核CPU性能分析

https://github.com/stanford-cs149/asst1

sudo apt-get autoremove open-vm-tools
sudo apt-get install open-vm-tools-desktop

wget https://github.com/ispc/ispc/releases/download/v1.24.0/ispc-v1.24.0-linux.tar.gz

sudo apt-get install git
sudo apt-get install ispc

export PATH=$PATH:${
   HOME}/（自己路径）/ispc-v1.24.0-linux/bin

gcc编译出错：fatal error: sys/cdefs.h: No such file or directory
sudo apt install gcc-multilib 	# 一般安装这个就可以了，不行再安装下面的
sudo apt install g++-multilib
sudo apt install libc6-dev libc6-dev-i386

任务1

线程数 耗时（单位：ms）
1 333
2 169
3 209
4 138
5 135
6 108
7 103
8 100

利用率不足的原因是不同线程负责的图像区域迭代的计算量不同，导致计算时间不同，出现了短板效应。3 线程中中间部分的计算时间明细大于上下两边，导致时间增加。

使用 16 线程时，性能提升通常不会显著高于 8 线程。

任务2

void _cs149_vload_float(__cs149_vec_float &dest, float* src, __cs149_mask &mask) {
    _cs149_vload<float>(dest, src, mask); }
void _cs149_vload_int(__cs149_vec_int &dest, int* src, __cs149_mask &mask) {
    _cs149_vload<int>(dest, src, mask); }

dest: 目标向量寄存器，存储从数组中加载的值。
src: 源数组，从中加载值。
mask: 掩码，控制哪些元素被加载。掩码中为1的位置表示对应的元素将被加载，为0的位置表示对应的元素保持原值

传统的标量操作是指每次处理一个数据点。例如，对于一个简单的数组加法操作：

for (int i = 0; i < N; i++) {
   
    C[i] = A[i] + B[i];
}

在这个循环中，每次迭代只处理一个元素，总共需要N次迭代来完成整个数组的加法。
向量化操作
向量化操作通过使用SIMD指令，可以在一个时钟周期内同时处理多个数据点。例如，使用向量化指令可以将上述数组加法操作优化为：

for (int i = 0; i < N; i += VECTOR_WIDTH) {
   
    __cs149_vec_float a, b, c;
    _cs149_vload_float(a, A + i, mask);
    _cs149_vload_float(b, B + i, mask);
    _cs149_vadd_float(c, a, b, mask);
    _cs149_vstore_float(C + i, c, mask);
}

任务3

在 ISPC（Intel® Implicit SPMD Program Compiler）的上下文中，task（任务） 是一个用于实现并行计算的高级抽象概念。它允许程序员将程序分解为多个独立的计算单元，这些计算单元可以并行执行，从而充分利用多核 CPU 的计算能力

线程抽象和 ISPC 任务抽象主要有以下区别：线程是重量级的，每个线程都有独立的栈和上下文，适合复杂的、需要独立执行流的任务；而 ISPC 任务是轻量级的，由运行时系统管理，适合数据并行和计算密集型任务。如果你启动 10,000 个 ISPC 任务，运行时系统会高效地管理这些任务，将它们分配到可用的 CPU 核心上，即使任务数量远超核心数量，系统也能保持较高的效率。相反，如果启动 10,000 个线程，操作系统的线程调度和资源分配会变得非常低效，可能导致系统性能严重下降，甚至出现资源耗尽的情况。

任务4