LINPACK Benchmark 2.0

Sobre LINPACK Benchmark

LINPACK Benchmark Versão 2.0 ================= Apresentado pela Universidade do Tennessee Knoxville e Laboratório de Computação Inovadora. Implementação: Piotr Luszczek Esta é uma implementação otimizada do BENCHMARK LINPACK. É um parâmetro de desempenho porque é amplamente utilizado e os números de desempenho estão disponíveis para quase todos os sistemas relevantes. O LINPACK Benchmark foi introduzido por Jack Dongarra. Uma descrição detalhada, bem como uma lista de resultados de desempenho em uma grande variedade de máquinas está disponível no formulário PostScript (TM) da Netlib: http://www.netlib.org/benchmark/. O teste usado no LINPACK Benchmark é resolver um sistema denso de equações lineares. A versão do benchmark para TOP500 permite ao usuário dimensionar o tamanho do problema e otimizar o software para obter o melhor desempenho para uma determinada máquina. Esse desempenho não reflete o desempenho geral de um determinado sistema, como nenhum número jamais pode. No entanto, reflete o desempenho de um sistema dedicado para a resolução de um sistema denso de equações lineares. Como o problema é muito regular, o desempenho alcançado é bastante alto, e os números de desempenho dão uma boa correção do desempenho máximo. Medindo o desempenho real para diferentes tamanhos de problema n, um usuário pode obter não apenas o desempenho máximo alcançado Rmax para o tamanho do problema Nmax, mas também o tamanho do problema N_1/2 onde metade do desempenho Rmax é alcançado. Esses números, juntamente com o desempenho teórico de pico Rpeak são os números dados no TOP500. Na tentativa de obter uniformidade em todos os computadores em relatórios de desempenho, o algoritmo usado na resolução do sistema de equações no procedimento de referência deve estar em conformidade com a contagem padrão de operação para fatoração LU com pivotação parcial. Em particular, a contagem de operação para o algoritmo deve ser 2/3 N*N*N + Operações de ponto flutuante (N*N). Isso exclui o uso de uma matriz rápida multiplicar algoritmos como "Método strassiano". Isso é feito para fornecer um conjunto comparável de números de desempenho em todos os computadores. Se no futuro uma métrica mais realista encontrar uso generalizado, para que os números de todos os sistemas em questão estejam disponíveis, podemos converter para essa medida de desempenho.