🚀 高性能计算实验项目集

本仓库包含了一系列高性能计算(HPC)相关的实验项目，涵盖了集群搭建、SIMD优化、混合并行编程等多个重要主题。每个项目都包含完整的源代码、实验报告和性能分析结果。

📋 项目概览

🏗️ 迷你集群搭建及HPL性能调优

• 技术栈: VMware, Debian, OpenMPI, HPL, BLAS
• 核心成果: 从零搭建4节点计算集群，HPL性能达到 3.1339 GFLOPS
• 关键技术: 集群配置、网络组网、性能基准测试与参数调优

⚡ 基于AVX-512的整数量化矩阵乘法优化实验

• 技术栈: AVX-512/AMX Intrinsics, CMake, Python
• 核心成果: AVX-512实现 48.67倍 加速，AMX实现 120.8倍 加速
• 关键技术: SIMD向量化、数据重排、内存访问优化

🔄 基于MPI+OpenMP混合并行的BiCGSTAB算法实现与调优

• 技术栈: MPI, OpenMP, Intel VTune, SLURM
• 核心成果: OpenMP单节点实现 108.8倍 加速，混合并行达到 30.4倍 加速
• 关键技术: 共享内存并行、分布式内存并行、性能剖析与瓶颈分析

🛠️ 技术栈总览

领域	技术
并行编程	OpenMP, MPI, 混合并行模型
SIMD优化	AVX-512, AMX, Intel Intrinsics
系统配置	Linux集群, SLURM, SSH免密, NFS
性能分析	Intel VTune Profiler, ITAC, HPL基准测试
开发工具	CMake, GCC, Python, Gnuplot

📊 性能成果汇总

项目	基准性能	优化后性能	加速比	关键优化技术
HPL集群测试	-	3.1339 GFLOPS	-	参数调优 (N=2000, NB=224)
AVX-512优化	2.31s	0.047s	48.67x	SIMD向量化 + 数据重排
AMX优化	3.01s	0.025s	120.8x	二维瓦片矩阵计算
OpenMP并行	93.88s	3.49s	108.8x	共享内存并行 (96线程)
MPI+OpenMP混合	379.38s	12.5s	30.4x	混合并行模型

🏗️ 项目结构

My_HPC/
├── 迷你集群搭建及HPL性能调优/
│   ├── assets/          # 图表和可视化结果
│   ├── code/           # 脚本和配置文件
│   ├── report/         # 实验报告 (Markdown + PDF)
│   └── result/         # HPL测试结果
├── 基于AVX-512的整数量化矩阵乘法优化实验/
│   ├── assets/         # 性能对比图表
│   ├── code/           # C++源码和CMake配置
│   └── report/         # 实验报告 (Markdown + PDF)
└── 基于MPI+OpenMP混合并行的BiCGSTAB算法实现与调优/
    ├── assets/         # VTune分析报告截图
    ├── code/           # 并行算法源码
    ├── report/         # 实验报告 (Markdown + PDF)
    └── result/         # 性能测试数据和VTune报告

🚀 快速开始

环境要求

• 操作系统: Linux (推荐) 或 Windows with WSL
• 编译器: GCC 9+ (支持AVX-512) 或 Intel ICC
• 并行库: OpenMPI 4.0+, OpenMP 4.5+
• 工具链: CMake 3.15+, Python 3.7+

编译运行示例

# 克隆仓库
git clone https://github.com/wys917/My_HPC.git
cd My_HPC

# AVX-512 矩阵乘法优化项目
cd "基于AVX-512的整数量化矩阵乘法优化实验/code/vector"
mkdir build && cd build
cmake .. && make
./lab2

# MPI+OpenMP 混合并行项目  
cd "../../基于MPI+OpenMP混合并行的BiCGSTAB算法实现与调优/code"
mkdir build && cd build
cmake .. && make
mpirun -np 2 ./bicgstab_solver

📈 学习价值

本项目集适合以下人群学习参考：

• HPC入门者: 从集群搭建到性能优化的完整实践流程
• 并行编程学习者: OpenMP、MPI及混合并行模型的实际应用
• 性能优化工程师: SIMD指令集优化和性能瓶颈分析方法
• 科学计算研究者: 迭代求解器的并行化策略和性能调优

📝 实验报告

每个项目都包含详细的实验报告，内容涵盖：

• 问题背景与优化目标
• 技术方案设计与实现
• 性能测试与结果分析
• 关键挑战与解决方案
• 量化的性能提升数据

🤝 贡献指南

欢迎提交 Issue 和 Pull Request！如果您发现了问题或有改进建议，请：

1. Fork 本仓库
2. 创建您的特性分支 (git checkout -b feature/AmazingFeature)
3. 提交您的更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开一个 Pull Request

📄 许可证

本项目采用 MIT License 开源协议。

👨‍💻 作者

苏易文 - 浙江大学

• 学号: 3240103466
• GitHub: @wys917

---

⭐ 如果这个项目对您有帮助，请给个 Star 支持一下！