双路Intel Xeon Platinum 8378A主机代码核心利用率不足优化咨询

针对你在Windows 11工作站（双路Intel Xeon Platinum 8378A）上运行OpenMP矩阵乘法代码时只能利用一半核心的问题，可通过以下步骤解决：

1. 修正OpenMP并行区域的变量作用域 #

原代码中#pragma omp parallel for private(i, j, k)存在变量作用域错误：外层循环的迭代变量i会被OpenMP自动设为私有，无需手动声明；j和k是内层循环变量，才需要显式指定私有。修正后的并行指令如下：

// Multiplication
#pragma omp parallel for private(j, k)
for (i = 0; i < N; i++) {
    for (j = 0; j < N; j++) {
        C[i][j] = 0;
        for (k = 0; k < N; k++) {
            C[i][j] += A[i][k] * B[k][j];
        }
    }
}

2. 编译时启用OpenMP与硬件优化 #

使用MSYS2 GCC 13.2.0编译时，必须添加-fopenmp启用OpenMP支持，同时加上-march=native让编译器针对Xeon Platinum 8378A的指令集优化：

gcc -fopenmp -march=native -o mat_mult mat_mult.c

3. 设置OpenMP线程数为总核心数 #

双路Xeon Platinum 8378A总计76个物理核心，默认OpenMP可能仅识别单路的38个核心，需手动指定线程数：

• 临时设置（MSYS2终端内）：

  # 自动获取总核心数
  export OMP_NUM_THREADS=$(nproc)
  # 或直接指定核心数
  export OMP_NUM_THREADS=76
  

• 永久设置（Windows系统）：
  右键「此电脑」→属性→高级系统设置→环境变量，新建系统变量OMP_NUM_THREADS，值设为76。

4. 启用NUMA感知的线程调度 #

双路CPU属于NUMA架构，需设置环境变量让OpenMP线程均匀分布到两个NUMA节点：

export OMP_PROC_BIND=spread
export OMP_PLACES=cores

• OMP_PROC_BIND=spread：将线程均匀分配到各个NUMA节点，避免集中在单路CPU；
• OMP_PLACES=cores：将线程绑定到物理核心，减少调度开销（若需利用超线程，可改为threads）。

5. 优化矩阵内存访问模式（提升CPU负载的关键） #

原代码中矩阵B采用列优先访问（B[k][j]），而C语言是行优先存储，会导致缓存命中率极低，核心因等待内存数据而闲置。可通过转置矩阵B优化访问模式：

// 新增矩阵转置步骤（并行化提升效率）
int B_trans[N][N];
#pragma omp parallel for private(i, j)
for (i = 0; i < N; i++) {
    for (j = 0; j < N; j++) {
        B_trans[j][i] = B[i][j];
    }
}

// 修改乘法循环，使用转置后的B_trans（行优先访问）
#pragma omp parallel for private(j, k)
for (i = 0; i < N; i++) {
    for (j = 0; j < N; j++) {
        C[i][j] = 0;
        for (k = 0; k < N; k++) {
            C[i][j] += A[i][k] * B_trans[j][k];
        }
    }
}

完成以上设置后，运行程序时可通过Windows任务管理器的「性能」标签查看CPU使用率，此时所有核心应被充分利用，负载接近100%。

内容的提问来源于stack exchange，提问作者Yuan Lia