Kombinér parallelisering og vektorisering

Brug vectorize inde i hver bid, så én kerne behandler sit udsnit i SIMD-pakker. Det er den fine opdeling pr. kerne.

Begge værktøjer findes i modulet algorithm, så du kan hente dem ind sammen og kombinere dem i én funktion.

Hver bidarbejder beregner sin start og slutning og giver derefter sit eget udsnit til vectorize til SIMD-gennemløbet.

Inde i arbejderen kalder du vectorize på længden af netop denne bid. SIMD-bredden bestemmer, hvor mange baner der kører på én gang.

Det indre trin får et lokalt indeks, så læg bidens start til for at nå det rigtige sted i det fulde array.

Tilpas vektorbredden til maskinens baner med simdwidthof, så hver kerne udnytter sine registre fuldt ud.

Gevinsten multipliceres: mange kerner, der hver udfører mange baner pr. trin. Det er derfor, kombineret kode er så hurtig.

Denne kombination fungerer kun, fordi bidder aldrig rører hinandens data. Uafhængighed holder de to lag sikre.

Kør en benchmark af den skalar, den kun vektoriserede og den kombinerede version. Tallene viser, hvor meget hvert lag bidrager med.

Du lægger parallelize omkring bidder og kalder vectorize inde i hver bid. Ved at forskyde med bidens start multiplicerer kerner gange baner din gennemstrømning. 🚀