115 lines
7.1 KiB
Markdown
115 lines
7.1 KiB
Markdown
# slime-bench：普通分支全种子搜索基准
|
||
|
||
指定中心区块、曼哈顿半径和实心 `n×n` 图案，搜索范围内每个锚点的全部有效种子，输出 JSON 结果及计时。支持 NVIDIA CUDA 单卡、多卡。
|
||
|
||
## 本地编译与运行
|
||
|
||
需要 Linux/WSL、CUDA Toolkit（nvcc，推荐 12 或以上）、支持 C++17 的主机编译器。运行时需要 NVIDIA 驱动。项目根目录执行：
|
||
|
||
```sh
|
||
make -C bench
|
||
mkdir -p artifacts
|
||
./bench/bin/slime-bench --list-devices
|
||
./bench/bin/slime-bench --x 0 --z 0 --radius 64 --size 5 \
|
||
--devices 0 --repeat 3 --output artifacts/local-r64-n5.json
|
||
```
|
||
|
||
默认编译 `sm_86` 并附带 PTX，适合本机 RTX 3060 Laptop。换架构时用 `-B` 强制重建；仅改变 Make 变量不会使已有文件自动过期。
|
||
|
||
## H100 服务器
|
||
|
||
将仓库内的 `bench/` 和 `include/` 一起复制到服务器，保持相对路径；CLI 依赖 `include/slime/` 中的共用头文件。
|
||
|
||
```sh
|
||
make -C bench -B CUDA_ARCH=90
|
||
mkdir -p artifacts
|
||
./bench/bin/slime-bench --list-devices
|
||
|
||
# 先测单张 H100，和本地使用相同范围、尺寸及批大小。
|
||
./bench/bin/slime-bench --x 0 --z 0 --radius 64 --size 5 \
|
||
--devices 0 --repeat 3 --output artifacts/h100-one-r64-n5.json
|
||
|
||
# 再测全部可见 GPU；八卡机器即可使用八张卡。
|
||
./bench/bin/slime-bench --x 0 --z 0 --radius 64 --size 5 \
|
||
--devices all --repeat 3 --output artifacts/h100-all-r64-n5.json
|
||
```
|
||
|
||
也可以指定 `--devices 0,1,2,3,4,5,6,7`。编号遵循 `CUDA_VISIBLE_DEVICES` 的可见编号。重复/不存在的设备编号会报错。多卡以动态位置批次分配任务，完整覆盖范围一次，各卡独立缓存类根，结果总数合并；所有 GPU 初始化完成后一起开始计时。实际八卡性能尚未在本机验证。
|
||
|
||
半径 64 包含 8,321 个锚点，适合先验证环境。正式比较可以在两台机器上使用下面同一套较长参数（半径 512，共 525,313 个锚点）：
|
||
|
||
```sh
|
||
./bench/bin/slime-bench --x 0 --z 0 --radius 512 --size 5 \
|
||
--position-batch 128 --devices all --repeat 3 --output artifacts/benchmark-r512-n5.json
|
||
```
|
||
|
||
若八卡上仍耗时太短，可同时增大半径。`--repeat 3` 是完整扫描三遍，不是只跑三次 kernel。默认无额外隐藏预热；第一轮包含首次 kernel/JIT 开销，报告保留每一轮数据。
|
||
|
||
## 范围与搜索口径
|
||
|
||
```text
|
||
abs(anchor_x - x) + abs(anchor_z - z) <= radius
|
||
锚点数量 = 1 + 2*radius*(radius+1)
|
||
```
|
||
|
||
- `x,z,radius` 的单位都是区块，不是方块。
|
||
- 锚点是图案最小 X、最小 Z 的角；图案沿 `+X,+Z` 延伸。
|
||
- 半径限制锚点，图案允许超出菱形范围。
|
||
- 不自动按世界边界裁剪；锚点和整块图案须在 int32 坐标范围内，否则报错。
|
||
- `--size` 支持 1～6，默认 5。小尺寸匹配种子极多，全种子计数也可能耗时很久，不能用 1×1 推断 5×5 性能。
|
||
- 遍历所有有效低 48 位种子的**普通候选分支**。沿用低位筛选、16 候选组 mask、区间求交、精确 Java 验证，**不包含拒绝重抽补扫**。
|
||
- 返回的种子是 `[0,2^48)` 内的有效代表；不重复枚举高 16 位等价的 64 位世界种子。
|
||
|
||
这是范围基准 CLI，不提供全世界长跑的断点续跑。Ctrl+C 可终止，未完成扫描不会输出成功报告。
|
||
|
||
## 参数及输出
|
||
|
||
```sh
|
||
./bench/bin/slime-bench --help
|
||
|
||
# 不使用 GPU，只检查输入范围
|
||
./bench/bin/slime-bench --x 51069 --z 419124 --radius 2 --size 5 --dry-run
|
||
|
||
# 已知位置验证：应该得到 24 个种子
|
||
./bench/bin/slime-bench --x 51069 --z 419124 --radius 0 --size 5 \
|
||
--max-results 100 --repeat 3 --output artifacts/known.json
|
||
```
|
||
|
||
本文示例均从项目根目录运行，输出前请先执行 `mkdir -p artifacts`。日常跑分写入已忽略的 `artifacts/`；`results/` 只保存需要长期引用的基准样例。
|
||
|
||
JSON 输出到 stdout，状态/约每 5 秒进度输出到 stderr；`--output` 同时保存 JSON，已有文件会报错以免覆盖。默认只计数；`--max-results N` 最多保留 N 个示例三元组 `[seed48,chunk_x,chunk_z]`，**不提前停止扫描**。示例顺序受 GPU 调度影响，不能按示例子集或其顺序对比性能/正确性。`sample_truncated` 表示有命中没有保存在示例中，`matches` 始终是完整计数；整数计数溢出会失败。
|
||
|
||
主要计时字段：
|
||
|
||
| 字段 | 含义 |
|
||
|---|---|
|
||
| `rounds[].elapsed_ms` | 本轮启动工作线程、设备初始化/分配、完整扫描及资源清理的墙钟时间 |
|
||
| `rounds[].scan_wall_ms` | 所有 GPU 就绪后，从最早开始扫描到最后完成的墙钟时间，含本轮分组、根生成、传输、展开、搜索、结果回传 |
|
||
| `median_scan_wall_ms` | 各轮 `scan_wall_ms` 的中位数，适合本地与服务器比较 |
|
||
| `rounds[].anchors_per_second` | 实际锚点数 / 扫描墙钟秒数 |
|
||
| `gpus[].root_stage_ms` | 该 GPU 工作线程的代表类构造、根筛选、回传、整理及缓存耗时 |
|
||
| `gpus[].search_stage_ms` | 该线程的根任务上传、公共项准备、成组搜索和命中回传耗时 |
|
||
| `gpus[].scan_ms` | 该线程完整扫描耗时；还包含以上两阶段外的调度、具体位置构造等工作 |
|
||
|
||
多卡阶段时间相互重叠，不要把八卡 `scan_ms` 相加当作完成时间。比较相同的中心、半径、尺寸和批大小；位置根分布差异很大，单个已知命中点不适合代表全世界平均吞吐。
|
||
|
||
可调批参数：
|
||
|
||
- `--position-batch 32`：每个动态任务最多 32 个锚点，支持 1～256。
|
||
- `--job-batch 2048`：每次搜索最多 2048 个低位根任务，支持 1～65536。
|
||
- `--cache-classes 4096`：每卡缓存的坐标类数量，0 禁用；另限制最多约 1,048,576 个缓存根，FIFO 淘汰。每轮清空缓存，避免重复测量只跑缓存命中。
|
||
|
||
按坐标类归一化并只构造有根类的具体位置。此 CLI 使用有限缓存、按曼哈顿行顺序调度；不是此前设想的全世界按类遍历计划。小半径下通常没有重复类，所以测到的根生成费用是真实费用，不会按假设将其省略。半径范围的实测吞吐不能直接替代此前约 50 天的全世界类复用搜索阶段外推。
|
||
|
||
## 检查
|
||
|
||
```sh
|
||
make -C bench test # 无需 GPU：范围、输入、可变尺寸数学对照
|
||
make -C bench test-gpu # 需要 GPU：实际搜索与文件输出验证
|
||
```
|
||
|
||
验证内容包括：半径 0～64 的完整菱形枚举，较大半径抽样，1～6 中多个尺寸的组 mask 对照，已知 24 个命中，小根批分拆一致性，4×4 的全部 422 个示例经独立 Java 算法验证，6×6 的已知种子子集对照，以及半径 2 批量结果与全部 13 个位置分别搜索的完整列表一致。
|
||
|
||
本机实测：RTX 3060 Laptop，中心 `(0,0)`，半径 512，5×5，`--position-batch 128 --repeat 3`。525,313 个锚点，三轮均有 368,935 个低位根任务、0 个命中，扫描墙钟中位数约 **3.990 秒**。原始 JSON 在 [results/local-r512-n5.json](results/local-r512-n5.json)。另有半径 64 的快速环境验证记录；其批大小为默认 32，与上述正式样例不同。
|
||
|
||
H100 的 `sm_90` 原生代码和 PTX 已在本机交叉编译通过，尚未在 H100 或八张物理 GPU 上执行。
|