HotSpot JavaVM の SIMD 最適化を効かせる方法 - Qiita
HotSpot JavaVM のベクトル化変換 最近の HotSpot JavaVM はスカラー演算の繰り返し処理をベクトル化し SIMD 命令に変換する最適化を行っています (SIMD とは何ぞやという話は後半参照)。実際に最適化が効くコードで試してみたところ 1.5～2.8 倍程度の速度向上が見られたので、大量の演算処理を行う (GPGPU に頼らない) Java ライブラリでうまく使うことが出来れば有効な最適化手段になるかもしれません。 HotSpot の SIMD 最適化は Superword-Level Parallelism (SLP) に基づいています (以降この最適化は SLP と呼びます)。元々この論文は時代を反映して SIMD 未対応の画像・音声処理をコンパイラやランタイムのレイヤーで SIMD を利用する命令に変換することを目的としていましたが、これは SIMD 命令
lzturbo
LzTurbo is a high performance lz77 based compressor featuring the fastest compression/decompression. Serveral times faster than the fastest compressor (see LzTurbo benchmarks) Download: LzTurbo v1.2 for windows and linux - Parallel and linear scalable compression/decompression on multiprocessor/multicore systems. - Overlapping i/o with compression/decompression. - Parallel compression/decompressio
OpenCLやる前にSIMD使い切れっていう幻想 - aokomoriuta's blog
お詫び アライン忘れてましたごめんなさい、でも時間あんまり変わってないから許して・・・ https://t.co/JNtq2U2kMq— 青子守歌 (@aokomoriuta) April 29, 2015 では本編どうぞ↓ 本編 若干話題に乗り遅れた感ありますが。 d.hatena.ne.jp けど、SSEも知らねー、SIMDも知らねー、なんか俺が書いたアルゴリズム遅いけどとりあえずOpenCLとかで高速化しよっかなーとかね、甘ったれてんじゃねえよ。CPUをもっと使いきれよ。お前のアオいコードのせいでCPUが泣いてるよ。っていう話ですよ。 GPGPUなんてのはSIMDを使い切った後の話でしょ。 GPGPUするのにGPUのパワーとメモリが足りませんとか言う前にまずSIMDからだろ。 とか言われてたので、検証することにした（やっつけ）。 環境 OS: Windows 7 Profession
プログラムを高速化する話
9. 9 最適化について 「細かい効率のことは忘れて、時間の 97% について考え よう。時期尚早な最適化は諸悪の根源だ。それでも残り 3% についても機会を逃すべきではない」 - Donald E. Knuth 「プログラム最適化の第一法則 : 最適化するな。 プログラム最適化の第二法則 ( 上級者限定 ): まだするな。 」 - Michael A. Jackson 11. 11 最適化の対象 主に Intel の Haswell マイクロアーキテクチャ以降を対象 多くのテクニックは他のプロセッサにも応用できます ベース マイクロアーキテクチャ プロセスルール 登場年 Nehalem Nehalem 45nm 2008 〃 Westmere 32nm 2010 Sandy Bridge Sandy Bridge 32nm 2011 〃 Ivy Bridge 22nm 2012 Hasw
SIMD auto-vectorization in hotspot
Krystal Mok rednaxelafx at gmail.com Mon Jan 16 22:36:20 PST 2012 Previous message: SIMD auto-vectorization in hotspot Next message: SIMD auto-vectorization in hotspot Messages sorted by: [ date ] [ thread ] [ subject ] [ author ] Hi, Apparently, the source code to read is opto/superword.[hpp|cpp] [1][2]. The flag to trace it is -XX:+TraceSuperWord. There's a paper mentioned in [1], which is the o
Vitesse Data | Home page
More Speed Deepgreen runs TPCH up to 5X faster than Greenplum and comes with many OLAP specific optimizations. These performance improvements means the cluster can do more without costly expansion. More Connected Connect effortlessly to cloud storage and data sources such as HDFS, S3, Oracle, Geode and Elastic Search. Storing the fact tables on HDFS/S3 makes for lean DW and eases ETL chores. Fresh
AVX2時代の正規表現マッチング 〜半群でぐんぐん！〜
x86/x64最適化勉強会での発表資料です http://atnd.org/events/25823 UST → http://www.ustream.tv/recorded/21484937 2013年度のHaswellから入るAVX2を使った正規表現マッチングというマニアックなネタ :-)Read less
Quick Post: Should you ever use Linked-Lists? | Future Chips
This question has been bugging me for the last few days. Why would anyone use a linked-list instead of arrays? I argue that linked lists have become irrelevant in the context of a modern computer system. I have asked around a few colleagues and I include their counter arguments and my rebuttal for your reference. Please point out if I am missing something. Lists have several disadvantages that did
マルチコアCPU上の並列化手法、その並列性能と問題点
GPU を使用した並列計算環境が一般的になりつつあります。ユーザサイド立ってみれば、「並列化適用方法の種類とその効果」をもう一度整理して考え、自分に合った手法を選択しなければいけないと思っている方も多いことでしょう。並列計算と言っても、プロセッサ・コア自体が自動的にSIMD（ベクトル処理）実行するものから、マルチコアを利用した自動並列、OpenMPによるスレッドレベルの並列実行、さらにプログラムを改造してマルチプロセスによる MPI 並列実行と様々な手法が用意されています。さらに、今、GPUを利用した many cores 並列を利用した並列実行も加わり、ユーザにとっては、自分でも手軽にできる方法の判断やその性能効果に関する一つの判断基準を持っておくことが必要でしょう。また、簡単な並列実行の原理等の知識があるだけでも、今後の many cores 並列時代に向けて、合理的な並列化のための指
或るプログラマの一生 » AVX-512 がアナウンスされていた
x86/x64 最適化勉強会 #6 で聞いてきましたが、AVX-512 なるものがアナウンスされてました。名前から予想される通り、SIMD レジスタが 512bit になります。SIMD レジスタが 512bit というと Xeon Phi は最初からそうなっているのですが、これが普通の Xeon に降りてくるイメージです。 AVX が「単なる legacy SSE の 256bit 版」ではないのと同様、AVX-512 も「単なる AVX の 512bit 版」ではありません。 SIMD レジスタが zmm という名前で 512bit になる。下位 256bit は ymm としてアクセスできる（xmm に対する ymm と同じ） 64bit モードの場合、SIMD レジスタが 32本使える。これは、zmm だけでなく ymm や xmm でも同様である。32bit モードでは8本のまま
組み込み関数（intrinsic）によるSIMD入門
6. 目標目標 OpenCVによりも高速なプログラムを簡OpenCVによりも高速なプログラムを簡 単につくれる書き方を覚えよう単 くれる書き方を覚えよう 出来るようになること ・高速コピー src.copyTo(dest);高速コピ src.copyTo(dest); ・高速な加減乗算 dest = src1 + src2; ・高速型変換 src.convert(dest,CV_16U); ・高速BGR2RGB cvtColor(src,dest,CV_BGR2RGB); ・高速BGR2Gray cvtColor(src,dest,CV_BGR2Gray); ※出来ないこと 整数演算だけ 浮動小数点の命令は使わない 比較演算は使整数演算だけ，浮動小数点の命令は使わない，比較演算は使 わない，水平演算は使わない，AVXは含まない(SSE4.1まで) 7. 目的目的 を使えば 化は難しくないよ
SSEとAVXで高次元ベクトルの内積計算を高速化してみた | さかな前線
世界最速のお魚と言えばカジキ類で，泳ぐ速度は時速100km/hを超えるとか．55ノット程になるのでこれはMk-48魚雷にも匹敵するほどです． 一方ちょっとチートな高速お魚としては，お馴染みトビウオが飛行中に最大70km/hほどに達するとか． 今日はそんな若干チートな高速化のお話（？）ということで，SSE組み込み命令について． SSEやAVXといえばお馴染みSIMD命令で，それをプログラムから構造体と関数の形式で高移殖に記述する方法がSIMD組み込み関数(SIMD Intrinsic)なわけですが，これを使ってごく典型的なベクトルの内積計算を高速化してみました． ベクトルの内積の高速化と言えば星の数ほどもされてる話なわけで，いまさら魚の情報なんか役に立つ気は全くしないのですが，純粋に自分でやらないとわかんない＞＜ ということで， とにかく書いてみよう 効果の程はいかに？ を調べてみたくて，や
ななめ45°から見たJavaOne
2. 自己紹介 すえなが やすまさ 末永 恭正（@YaSuenag） NTT OSSセンタ勤務 ◦ Javaの障害解析、Q&A対応 合言葉は「Javaいい子だから！」 hs_errログやコアの解析 Javaとlibc、Linuxカーネルの間を行ったり来たり… ◦ たま～にOpenJDKのパッチ書いてます 根っからのサンデープログラマー ◦ Object Pascal (Delphi) 大好き ◦ CとJavaも好き ◦ アセンブラも結構好き JavaOne歴：2年（2010 & 2011） 3. JavaOneで感じたこと 求められるスキルの2極化 (EE vs SE) ◦ EE とりあえず「クラウド」 とにかく「ポータビリティ」！ EoD 対 ◦ SE 極 とりあえず「並列化」 マルチリンガル？なVMの実現 VMの作りや動きを意識
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://prestodb.rocks/code/simd/
Vectorization in HotSpot JVM
Takayuki Kaneko on Twitter: "Intelさん曰く。E5 v3のavx2命令をサポートしたJava8は3倍速いらしい。 #cwt2014"
Java™ SE Development Kit 7 Update 40 Bug Fixes
ORC File and Vectorization - Hadoop Summit 2013
https://bugs.java.com/?bug_id=6340864
https://bugs.java.com/?bug_id=7121648