LINPACK Benchmark 2.0

Over LINPACK Benchmark

LINPACK-benchmark Versie 2.0 ================= Gepresenteerd door de University of Tennessee Knoxville en Innovative Computing Laboratory. Implementatie: Piotr Luszczek Dit is een geoptimaliseerde implementatie van de LINPACK Benchmark. Het is een maatstaf van prestaties omdat het wijd wordt gebruikt en de prestatiesaantallen voor bijna alle relevante systemen beschikbaar zijn. De LINPACK Benchmark werd geïntroduceerd door Jack Dongarra. Een gedetailleerde beschrijving en een lijst met prestatieresultaten op een breed scala aan machines is beschikbaar in PostScript(TM) formulier van Netlib: http://www.netlib.org/benchmark/. De test die wordt gebruikt in de LINPACK Benchmark is het oplossen van een dicht systeem van lineaire vergelijkingen. De versie van de benchmark voor TOP500 stelt de gebruiker in staat om de grootte van het probleem te schalen en de software te optimaliseren om de beste prestaties voor een bepaalde machine te bereiken. Deze prestatie weerspiegelt niet de algehele prestaties van een bepaald systeem, omdat geen enkel getal dat ooit kan. Het weerspiegelt echter wel de prestaties van een specifiek systeem voor het oplossen van een dicht systeem van lineaire vergelijkingen. Aangezien het probleem zeer regelmatig is, zijn de behaalde prestaties vrij hoog en geven de prestatiecijfers een goede correctie van de piekprestaties. Door het meten van de werkelijke prestaties voor verschillende probleemmaten N, kan een gebruiker niet alleen de maximale bereikte prestaties Rmax voor de probleemgrootte Nmax, maar ook de probleemgrootte N_1/ 2 waar de helft van de prestaties Rmax wordt bereikt. Deze getallen samen met de theoretische piekprestaties Rpeak zijn de getallen in de TOP500. In een poging om uniformiteit te verkrijgen voor alle computers in prestatierapportage, moet het algoritme dat wordt gebruikt bij het oplossen van het systeem van vergelijkingen in de benchmarkprocedure voldoen aan het standaardaantal voor LU-factorisatie met gedeeltelijke draai. In het bijzonder moet het aantal bewerkingen voor het algoritme 2/3 N*N*N + O(N*N) floating point operations zijn. Dit sluit het gebruik van een snelle matrix vermenigvuldigen algoritmen zoals "Strassian's Method". Dit wordt gedaan om een vergelijkbare set prestatiecijfers op alle computers te bieden. Als in de toekomst een meer realistische statistiek wijdverbreid gebruik vindt, zodat getallen voor alle systemen in kwestie beschikbaar zijn, kunnen we converteren naar die prestatiemeting.