R并行任务适配12代英特尔能效核：问题与实测分析

• 若将任务拆分到8个核心运行，如何确保任务在性能核（Performance Cores）上执行？还是由操作系统自动调度？
• 在其他CPU上我通常设置mc.cores=机器核心数，这种方式是否正确？还是应设置为线程数？
• 选择带能效核的12代CPU（如i7-12700）而非11代CPU（如i7-11700）是否存在顾虑？

后续测试与结论 #

1. 并行任务默认加载顺序测试 #

将num_cores从8逐步调至20后，发现任务加载顺序为：每个性能核的第1线程 > 能效核线程 > 已占用第1线程的性能核的第2线程。测试代码如下：

library(parallel)
partask <- function(x) for(idx in 1:x) a<-idx
num_cores <- 8
mclapply(rep(5*(10^8),num_cores),partask,mc.cores=num_cores)

2. 性能核线程预负载设置 #

通过脚本让每个性能核的一个线程处于持续负载状态：

writeLines("for(idx in 1:(10^11)) a<-idx","sclong.R")
for(thread in c(2*(0:7))) system(paste0("taskset -c ",thread," Rscript sclong.R"),ignore.stdout=TRUE,wait=FALSE)

3. 性能核线程与能效核线程基准测试 #

分别在空闲的性能核线程和能效核线程上运行基准任务，代码如下：

writeLines("task <- function(x) for(idx in 1:(x)) a<-idx ; microbenchmark::microbenchmark(task(10^7))","scsmall.R")
system("taskset -c 1 Rscript scsmall.R")
system("taskset -c 16 Rscript scsmall.R")

测试结果：

> system("taskset -c 1 Rscript scsmall.R")
Unit: milliseconds
       expr      min       lq     mean   median       uq      max neval
 task(10^7) 406.9761 416.4491 426.7444 419.0301 437.0794 464.5673   100
> system("taskset -c 16 Rscript scsmall.R")
Unit: milliseconds
       expr      min       lq    mean   median       uq      max neval
 task(10^7) 422.1205 427.8711 436.172 430.5203 443.5989 463.9686   100

结论 #

与默认加载顺序相反，先占满性能核所有线程再使用能效核线程，效率会更高。因此在特定场景下，为mclapply设置affinity.list参数可以更合理地分配任务核心。

内容的提问来源于stack exchange，提问作者anonR