《表2 使用最大线程数计算不同大小模型的时间消耗表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于阿里云的四维弹簧模型并行运算性能》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

CPU的主要参数包括频率、核心数量和线程数量等，更高的CPU频率、更多的核心或者线程都能够获得更快的计算速度。因此，由表1可知，一般情况下，拥有8线程3.6GHz CPU的PC-1要比拥有4线程3.0 GHz CPU的PC-2更快，WS-1也会因为更高CPU的频率而获得比WS-2更好的性能。将图4中关于计算时间的数据做进一步处理后得到表2，表中ΔPC、ΔWS分别为PC-1与PC-2、WS-1与WS-2计算同一模型所用时间之差。从表2来看，虽然有几处Δ值为负数，但都是在模型较小、整个计算时间较短的情况下发生，不具有代表性，而绝大部分Δ值都为正数。因此，从统计的角度，对于同一个模型，可以认为PC-1比PC-2耗时更多，WS-1比WS-2耗时更多，也就是说，PC-2和WS-2计算速度更快，与之前的预测刚好相反，这说明4D-LSM的计算速度并非完全由CPU的性能决定。在表1中，对比4台计算机的硬件，PC-2和WS-2唯一的优势就是拥有更高的内存带宽。由于计算时间不仅包括CPU处理数据的时间，也包括其他必要的时间消耗，如CPU和内存交换数据的时间，高内存带宽意味着数据传输更快，最终的结果是PC-2和WS-2在计算时速度更快。因此，对于4D-LSM，若CPU性能差距不是很悬殊，则内存带宽成为计算速度非常重要的影响因素。