129 lines
7.3 KiB
Markdown
129 lines
7.3 KiB
Markdown
# show：逐步实现与本次实测
|
||
|
||
测量时间：2026-10-08T00:28:41.318982+08:00（Asia/Hong_Kong）。所有表格由 `benchmark.py` 自动生成。
|
||
CPU：AMD Ryzen 7 5800H，WSL，16 个逻辑线程。GPU 型号见下面逐项输出；编译器、驱动、源码 SHA256 和全部样本保存在 `results/latest.json`。
|
||
|
||
## 1. 分段对比：相邻版本在同一负载下测试
|
||
|
||
主线分成 A、B、C 三组，横线表示更换测试负载。分界两边重复测量衔接版本：A/B 都有 02，B/C 都有 03；只在组内计算速度比。展平实现已移到 experiments，不属于这个阶段。
|
||
原来只有 64 个 seed 的极端负载移到 `results/mapping_diagnostics.json`，用于解释并行度，不再作为主线 02→03 的优化倍数。
|
||
GPU 各对照版本核对完整 `(seed,x,z)` 命中列表；所有 GPU 命中另由独立 Python Java 算术核验。A/C 与完整 CPU 扫描核对，B 的独立 CPU 验证采用明确列出的窗口。每个版本先跑实际工作量预热，GPU 测量顺序轮换。
|
||
CPU 计时包含线程创建、搜索与结果收集；GPU kernel 时间用 CUDA event，scan 时间另含清零、同步与结果回传。两者均不含结果排序，GPU scan 不含一次性的上下文创建及内存分配。
|
||
A 的 01→02 用 CPU 搜索时间和 GPU scan 时间比较；B/C 的相邻 CUDA 版本用 kernel 时间比较。B/C 的 CPU 仅用于正确性验证，不列入性能表。
|
||
|
||
线程映射分段改测时间：2026-10-08T23:15:42.590910+08:00。后面的算法实验沿用上方日期的实测数据，分段实验测量时的源码 SHA256 记录在 metadata.mapping_source_sha256，C 单独复测的源码记录在 metadata.C_source_sha256。
|
||
|
||
C 组复测时间：2026-10-08T23:58:18.383398+08:00，100 轮轮换测量。
|
||
|
||
### A：CPU → 按 seed 的 CUDA
|
||
|
||
`seed=61692151016558` 起共 65,536 个 seed，257×257 个锚点，实心 5×5。候选总数 4,328,587,264。
|
||
GPU：NVIDIA GeForce RTX 3060 Laptop GPU。结果完全一致，命中 1 个元组；每版完整预热一次，计时 5 轮。
|
||
|
||
| 版本 | CPU 搜索／GPU kernel 中位数 | GPU scan 中位数 |
|
||
| --- | ---: | ---: |
|
||
| 01 CPU | 3550.398 ms | — |
|
||
| 02 CUDA／每个 thread 一个 seed | 102.147 ms | 111.110 ms |
|
||
|
||
| 相邻／分支对照 | 同口径速度比（前项时间／后项时间） |
|
||
| --- | ---: |
|
||
| 01 → 02（CPU 搜索／GPU scan） | 31.954× |
|
||
|
||
65536 个 seed 为版本 02 提供足够的独立线程，在 257×257 的完整地图上测量 CPU→CUDA。
|
||
|
||
---
|
||
|
||
**测试负载分界：下一组重新测量衔接版本，不跨横线计算加速比。**
|
||
|
||
### B：大坐标范围的固定坐标策略
|
||
|
||
`seed=61692151016558` 起共 65,536 个 seed，4097×4097 个锚点，实心 5×5。候选总数 1,100,048,564,224。
|
||
GPU：NVIDIA GeForce RTX 3060 Laptop GPU。结果完全一致，命中 1 个元组；每版完整预热一次，计时 5 轮。
|
||
|
||
| 版本 | CPU 搜索／GPU kernel 中位数 | GPU scan 中位数 |
|
||
| --- | ---: | ---: |
|
||
| 02 CUDA／每个 thread 一个 seed | 31598.539 ms | 34152.855 ms |
|
||
| 03 CUDA／固定坐标，复用多项式后遍历 seed | 17600.387 ms | 19014.153 ms |
|
||
|
||
| 相邻／分支对照 | 同口径速度比（前项时间／后项时间） |
|
||
| --- | ---: |
|
||
| 02 → 03（GPU kernel） | 1.795× |
|
||
|
||
本组使用 65536 个 seed，坐标范围扩大到 4097×4097（16785409 个坐标任务）。02/03 都完整扫描相同的笛卡尔积，GPU 命中列表完全一致。
|
||
独立 CPU 核对全部 65536 个 seed 在 `[50941,51197] × [418996,419252]` 的 257×257 窗口；这是窗口验证，不是完整大范围 CPU 重扫。所有 GPU 命中均另作独立精确算术验证。
|
||
|
||
---
|
||
|
||
**测试负载分界：下一组重新测量衔接版本，不跨横线计算加速比。**
|
||
|
||
### C：固定 seed 的坐标扫描与 outer sum
|
||
|
||
`seed=61692151016558` 起共 1 个 seed，8193×8193 个锚点，实心 5×5。候选总数 67,125,249。
|
||
GPU：NVIDIA GeForce RTX 3060 Laptop GPU。结果完全一致，命中 1 个元组；每版完整预热一次，计时 100 轮。
|
||
|
||
| 版本 | CPU 搜索／GPU kernel 中位数 | GPU scan 中位数 |
|
||
| --- | ---: | ---: |
|
||
| 03 CUDA／固定坐标，复用多项式后遍历 seed | 2.715 ms | 3.127 ms |
|
||
| 04 CUDA／tiled outer sum | 1.598 ms | 1.913 ms |
|
||
|
||
| 相邻／分支对照 | 同口径速度比（前项时间／后项时间） |
|
||
| --- | ---: |
|
||
| 03 → 04（GPU kernel） | 1.698× |
|
||
|
||
本组改为固定 seed，重新测量 03 后再比较 04。03、04 均保持固定坐标后遍历 seed 的策略。
|
||
|
||
随机数性质的探索独立成章，见 [RANDOM_PROPERTIES.md](RANDOM_PROPERTIES.md)。从状态空间、低位依赖和模运算约束推导搜索方法，不列为局部计时优化。
|
||
|
||
## 2. 固定 seed：全坐标范围余数过滤
|
||
|
||
固定 seed `61692151016558`；两轴锚点范围 `[-1875000,1874999]`，总计 14,062,500,000,000 个位置。
|
||
完整扫描 2^36 个余数对，保留 180,476 个，展开 36,937,048 个候选，得到 `(51069,419124)`。
|
||
|
||
| 时间区域 | 中位数 |
|
||
| --- | ---: |
|
||
| 余数 GPU kernel（实测） | 2.967 s |
|
||
| 表准备＋kernel＋CPU 精查（实测） | 3.622 s |
|
||
| 独立进程全流程（实测） | 3.939 s |
|
||
| 按 8193×8193 直接扫描吞吐外推全范围 | 568.7 s |
|
||
|
||
外推直接 kernel 相对余数实测计算流程约 157.0×。分母包含余数方法的准备和 CPU 精查；没有声称实际跑完直接全范围搜索。
|
||
07 沿用 research 的首次输出候选模型，尚未覆盖 Java 拒绝尾部例外。锚点范围允许图案向外延伸四格。
|
||
|
||
## 3. 固定坐标：seed 搜索
|
||
|
||
锚点 `(51069,419124)`、实心 5×5。CPU/CUDA 解析流程均恢复同一组 24 个已知 seed。
|
||
|
||
| 版本 | 实测规模 | 搜索／kernel 中位数 | 进程全流程中位数 | 完整 2^48 外推 |
|
||
| --- | --- | ---: | ---: | ---: |
|
||
| brute_cpu | 2^28 seed | 174.542 ms | 181.317 ms | 183020.0 s |
|
||
| brute_cuda | 2^34 seed | 386.768 ms | 777.132 ms | 6336.8 s |
|
||
| solver_cpu | 全部 lower35 候选＋upper13 解析 | 1013.310 ms | 1022.607 ms | — |
|
||
| solver_cuda | 全部 lower35 候选＋upper13 解析 | 80.108 ms | 446.468 ms | — |
|
||
|
||
同 GPU 算法比值：暴力完整空间外推／解析 kernel 约 79,104×。
|
||
solver_cpu 的程序内 seconds 计时从通过筛选的低 18 位取值 生成之后开始；进程全流程覆盖全部准备。CUDA 的 milliseconds 为 kernel 时间。
|
||
解析流程是首次输出候选模型，不是含全部拒绝尾部分支的严格穷尽。
|
||
|
||
### 高 13 位优化的受控拆解
|
||
|
||
相同的 65536 个连续 lower35 平面，从 `16420645998` 开始。枚举与解析都使用首次输出候选模型，并准确验证最终候选。
|
||
这里的 lower35 指世界种子的低 35 位。
|
||
|
||
| 高位策略 | kernel 中位数 |
|
||
| --- | ---: |
|
||
| enumerate_upper13 | 8.793 ms |
|
||
| analytic_upper13 | 0.087 ms |
|
||
|
||
完整候选结果相同。局部解析加速 101.024×，只适用于这组供给的 lower35 平面。
|
||
|
||
## 复现与边界
|
||
|
||
```bash
|
||
make -C show -j4
|
||
python3 show/test_steps.py --gpu
|
||
python3 show/benchmark.py --repeats 5
|
||
```
|
||
|
||
GPU 运行需要宿主 GPU 可用。计时期间 GPU 同时承担桌面工作，时钟、温度和系统负载会影响数字；全部原始样本可检查波动。
|
||
01–04 精确覆盖被请求的有限输入范围。07/08 的生成器保留研究原型的拒绝尾部覆盖限制；全 seed × 全世界联合生成仍未实现。
|
||
本报告不把“潜在笛卡尔积大小”当作实际访问次数，也不把局部加速比连乘。
|