王华秋

（重庆理工大学 计算机科学与工程学院，重庆400054）

0 引 言

由于计算资源有限，对于应用程序开发者而言，计算性能是一项关注点。开发者总是致力于如何写出高效的科学计算代码以最优地利用超级计算机或其它的计算资源，然而，他们常常由于缺乏一些必要的信息而无法让代码最优化，这些信息包括：体系结构、内存机制、处理器网格等。这些复杂而隐藏的因素决定了程序的性能，比如：内存使用、I/O、编译器、操作系统等等。

用于高性能计算机的性能分析工具就可以帮助使用者写出高效的代码。这些工具能够提供程序性能评测值，并能发现一些瓶颈。瓶颈是指在程序执行时，运行时间由于无效资源的占用而浪费掉了。只要识别出瓶颈，开发者就可以修改程序以提高运行效率。正如现如今有许多并行计算硬件和并行编程语言一样，性能分析工具也是层出不穷，其中有代表性的是如下几种：Paradyn，TAU，Periscope，Vampir，KOJAK，SCALASCA，mpiP。

聚类机制为这些工具提供了一种基本的多变量统计分析的方法，所有处理器的Performance和Region这两个属性对应的Serverity值被提取出来，组成一个由处理器个数为行，Serverity为列的高维矩阵。我们用聚类算法对这些处理器进行分类，以检测每一类处理器在不同代码区域出现性能瓶颈的概率分布，以便对每一类处理器进行合理的资源调度。用于GENE代码分析的处理器有1024个，这些处理器产生的性能瓶颈维度有39列之多，这样会产生1024＊39的矩阵，如何评价这些处理器的性能，因此对这样的性能矩阵进行划分，使其产生少数具有相似性能的处理器集合将是非常有意义的，聚类后的处理器将有利于发现隐藏在巨大数据集后的并行系统整体运行趋势。……