Performance Engineering von numerischer Software auf Mehr- und Vielkernprozessoren

The goal of performance engineering is to make the resource usage a controllable property of software. This thesis contributes to this field from the perspective of a computer scientist who is involved in scientific computing. First, the necessary basis is provided: Understanding of the development process of numerical software and of the emergence of performance at the hardware/software interface, further methods to model, predict, analyze, measure, assess, and optimize software performance. The first study is about a port of a fluid simulation in complex geometries using a lattice Boltzmann method to the Cell Broadband Engine Architecture (CBEA). For this, a thorough adaption to the peculiarities of this architecture and subsequent low-level optimization are required. The batch variant of the orthogonal matching pursuit algorithm allows to efficiently derive sparse representations for a large number of signals. Eventually, comparable performance is achieved on a dual-socket system with Intel processors, an IBM QS 20 blade, and on an NVIDIA GeForce GTX 480 graphics card. Each architecture, however, needs a different approach to achieve this. Stencil computations on regular grids are often memory bound. They can then only be accelerated considerably by use of temporal blocking techniques, which are generally tedious to implement. A novel generic approach is proposed which can be used on cache-based architectures as well as on the CBEA and which can be strongly supported by a cross-platform framework. Corresponding implementations of two multigrid methods are described and analyzed. Design and implementation of a software program which is able to simulate heat conduction within rolls in hot rolling mills in real-time with the aid of graphics cards concludes the list of examples. As this application requires outstanding run time performance, a holistic co-design approach is taken which matches model, numerical method, implementation, and target platform.Die Aufgabe von Performance Engineering ist es, den Ressourcenverbrauch von Software beherrschbar zu machen. Diese Arbeit trägt dazu aus der Sicht eines Informatikers im Umfeld des Computational Engineering bei. Erst werden notwendige Grundlagen geschaffen: Verständnis für den Entwicklungsprozess numerischer Software und das Entstehen von Software-Performance an der Hardware-Software-Schnittstelle, außerdem Methoden für ihre Modellierung, Vorhersage, Analyse, Messung, Bewertung und zuletzt Optimierung. Die erste Untersuchung betrachtet die Portierung einer Fluid-Simulation innerhalb komplexer Geometrien mit einer Lattice-Boltzmann-Methode auf die Cell Broadband Engine Architecture (CBEA). Hier ist eine grundlegende Anpassung an die dortigen Besonderheiten nötig sowie eine maschinenorientierte Optimierung. Die Batch-Variante des Orthogonal-Matching-Pursuit-Algorithmus erlaubt es, einen großen Satz an Signalen als schwach besetzte Linearkombination eines Signalwörterbuches darzustellen. Letztlich wird eine vergleichbare Performance auf einer Workstation, einem CBEA Blade und einer Grafikkarte erreicht. Dafür sind aber jeweils ganz unterschiedliche Ansätze nötig. Stencil-Berechnungen auf regulären Gittern sind oft durch die Speicherbandbreite beschränkt. Dann kann die Anwendung zeitlicher Blocking-Techniken Abhilfe schaffen. Ein Ansatz wird vorgestellt, der sowohl auf Cache-basierten Architekturen als auch der CBEA eingesetzt werden und gut mit einem Framework unterstützt werden kann. Entsprechende Implementierungen zweier Mehrgitterverfahren werden beschrieben und analysiert. Den Abschluss bilden Entwurf und Implementierung einer Software, die die Wärmeausbreitung innerhalb einer Walze beim Warmwalzen mit Hilfe von Grafikkarten in Echtzeit berechnen kann. Diese hohen Anforderungen an die Rechengeschwindigkeit erfordern einen ganzheitlichen Ko-Design-Ansatz, bei dem Modell, numerisches Verfahren, Implementierung und Zielplattform aufeinander abgestimmt werden