COD_Ch6_Lab2：ISPC 与向量化实验

本项目是 武汉大学计算机学院《计算机组成与体系结构》课程第六章实验二 的配套代码。
实验目标是通过 ISPC 与自定义向量指令接口，体验数据并行程序设计与向量化性能分析。

本次实验包含两个主要任务：

• 任务一：向量指令与掩码（vecintrin/）
  在给定的向量指令模拟框架上，完成向量化 clampedExpVector 和 arraySumVector，并完成分析任务。
• 任务二：ISPC 并行开平方（sqrt/）
  在给定的ISPC框架下，通过调整数据分布使得SIMD得到最佳和最差性能。

---

安装 ISPC 编译器（install_ispc.sh）

在编译 sqrt 任务前，需要先安装 ISPC 编译器。项目根目录下提供自动安装脚本：install_ispc.sh。

1. 基本用法

在本实验根目录执行：

chmod +x install_ispc.sh   # 若脚本没有执行权限
./install_ispc.sh

脚本会自动完成以下工作：

1. 检查系统中是否安装 curl 或 wget，用于从 GitHub 下载 ISPC。

2. 自动探测最新的 ISPC 发布版本（或使用你手动指定的版本）。

3. 根据当前操作系统与 CPU 架构选择合适的压缩包并下载。

4. 对下载文件进行基本校验（文件大小、gzip 格式、tar 完整性）。

5. 将 ISPC 解压到 ~/.local/ispc/bin，并在 ~/.local/bin 下创建 ispc 软链接。

6. 在你的 Shell 初始化脚本（~/.zshrc 或 ~/.bashrc）中追加：

   export PATH="$HOME/.local/bin:$PATH"

安装完成后，按照脚本提示执行：

source ~/.bashrc  # 或 source ~/.zshrc 取决你使用的shell
ispc --version    # 验证是否安装成功

---

环境说明

推荐开发/运行环境（Linux / WSL / macOS）：

• C/C++ 编译器：g++（支持 C++11 及以上）
• 构建工具：make
• Python：Python 3.8+
• Python 第三方库：
  • matplotlib（用于 vecintrin/vector_width_sweep.py 绘图）
• ISPC 编译器：ispc（通过 install_ispc.sh 安装，或自行安装到 PATH 中）

安装以matplotlib支持Python绘图

pip install matplotlib

---

代码结构简要说明

• install_ispc.sh
  自动下载并安装 ISPC 到用户本地目录，并更新 PATH。

• sqrt/（任务二：ISPC 并行开平方）

  • main.cpp：程序入口，生成不同数据分布，调用串行/ISPC/任务并行版本并计时、验证结果。
  • sqrtSerial.cpp：串行开平方实现，用于基准比较。
  • sqrt.ispc：ISPC 向量化与任务并行实现，需要在此完成实验内容。
  • data.cpp：生成不同分布的数据（random / good / bad）。
  • Makefile：使用 g++ + ispc 构建 sqrt 可执行文件。

• vecintrin/（任务一：向量指令与掩码）

  • main.cpp：解析命令行参数，生成测试数据，调用串行与向量化实现并验证正确性，打印统计信息与向量利用率。
  • functions.cpp：实验核心，需要实现 clampedExpVector 与 arraySumVector 的向量化版本。
  • CMU418intrin.h / CMU418intrin.cpp：提供自定义向量寄存器类型、掩码类型以及一组“向量指令”API（加载、存储、算术、比较、掩码操作等）。
  • logger.h / logger.cpp：记录向量指令使用情况，最后打印“Vector Utilization”等统计信息。
  • Makefile：构建 vrun 可执行程序。
  • vector_width_sweep.py：Python 脚本，用于自动修改 VECTOR_WIDTH、重新编译并运行 vrun，统计向量利用率并绘图。

---

任务一：向量指令与掩码（vecintrin/）

1. 编译 vrun

在项目根目录执行：

cd vecintrin
make

成功后会在当前目录生成可执行文件：

./vrun

如果需要清理中间文件：

make clean

2. 运行 vrun

基本用法：

./vrun

常用命令行参数：

• 指定数据规模 N：

  ./vrun -s 1024
  # 或
  ./vrun --size 1024

• 打印向量指令执行日志（调试用）：

  ./vrun -l
  # 或
  ./vrun --log

• 查看帮助：

  ./vrun -?
  # 或
  ./vrun --help

程序会对比串行与向量化实现的结果是否一致

3. Python 脚本：vector_width_sweep.py 使用方法

vecintrin/vector_width_sweep.py 用于自动化测试不同 VECTOR_WIDTH 下的向量利用率。

基本用法

在 vecintrin/ 目录下执行：

cd vecintrin
python3 vector_width_sweep.py

默认行为：

• 从 VECTOR_WIDTH = 2 扫描到 32，步长为 2；
• 每个宽度下运行 ./vrun -s 10000；
• 在当前目录生成：
  • vector_utilization_results.csv：记录 VECTOR_WIDTH 与对应的利用率；
  • vector_utilization.png：绘制“向量宽度 vs 向量利用率”的曲线图（需要安装 matplotlib）。

常用参数说明

• --min-width <N> / --max-width <N> / --step <N>
  控制扫描的 VECTOR_WIDTH 范围及步长。例如：

  python3 vector_width_sweep.py --min-width 4 --max-width 32 --step 4

• --samples <N> 或 -s <N>
  每次运行传给 ./vrun 的样本数量（即 ./vrun -s N），默认 10000：

  python3 vector_width_sweep.py -s 20000

• --csv PATH / --plot PATH
  指定 CSV 与图像的输出路径：

  python3 vector_width_sweep.py --csv out/results.csv --plot out/utilization.png

• --skip-plot
  只生成 CSV，不绘制图像（无需安装 matplotlib）：

  python3 vector_width_sweep.py --skip-plot

• --make-jobs N 或 -j N
  在重新编译时传递 make -jN 以加速构建：

  python3 vector_width_sweep.py -j 8

• --keep-width
  默认情况下脚本会在结束时将 CMU418intrin.h 恢复为原始内容；若希望保留最后一次测试的 VECTOR_WIDTH 设置，可加入该参数。

• --verbose
  打印每次运行 ./vrun 的完整输出，便于调试。

使用该脚本可以方便地分析不同向量宽度下的利用率变化趋势，为实验报告中的参数选择与性能讨论提供依据。

---

任务二：ISPC 并行开平方（sqrt/）

1. 编译 sqrt

在项目根目录执行：

cd sqrt
make

成功后会在当前目录生成可执行文件：

./sqrt

若需要清理：

make clean

注意：

• 确保已经正确安装 ISPC（可通过 ispc --version 检查）。

2. 运行 sqrt

基本用法：

./sqrt

命令行参数（见 main.cpp 中 usage 函数）：

• 指定数据分布类型：

  ./sqrt --data r   # random 随机数据（默认）
  ./sqrt --data g   # good 数据
  ./sqrt --data b   # bad 数据

• 查看帮助信息：

  ./sqrt -?
  # 或
  ./sqrt --help

通过在不同数据分布下运行程序，可以观察向量化与任务并行对性能的影响，并在实验报告中分析原因。