摘  要： 使用Intel Parallel Amplifier高性能工具,，針對(duì)模糊C均值聚類(lèi)算法在多核平臺(tái)的性能問(wèn)題，找出串行程序的熱點(diǎn)和并發(fā)性,，提出并行化設(shè)計(jì)方案,。基于Intel并行庫(kù)TBB(線(xiàn)程構(gòu)建模塊)和OpenMP運(yùn)行時(shí)庫(kù)函數(shù),，對(duì)多核平臺(tái)下的串行程序進(jìn)行循環(huán)并行化和任務(wù)分配的并行化設(shè)計(jì),。
關(guān)鍵詞： 多核；并行化,；模糊C均值算法,；Intel Parallel Amplifier；OpenMP

    多核處理器的迅速發(fā)展,，使得多核化不斷全面普及,。為了應(yīng)對(duì)計(jì)算機(jī)硬件的發(fā)展要求，盡可能利用多核資源,，就要設(shè)計(jì)出相應(yīng)的并行化應(yīng)用程序,。多核平臺(tái)下的并行化有多種方案,，利用英特爾推出的高性能分析工具Intel Parallel Amplifier對(duì)串行應(yīng)用程序進(jìn)行性能分析，尋出熱點(diǎn)實(shí)現(xiàn)并行化是其中的一種方法,。
 模糊C均值聚類(lèi)算法(FCM)是一種常用的聚類(lèi)算法,，在大規(guī)模數(shù)據(jù)分析,、數(shù)據(jù)挖掘,、模式識(shí)別、圖像處理等領(lǐng)域有著非常廣泛的應(yīng)用,。它是給定分類(lèi)數(shù),，通過(guò)優(yōu)化目標(biāo)函數(shù)得到樣本點(diǎn)對(duì)聚類(lèi)中心的隸屬度，尋找樣本點(diǎn)的最佳分類(lèi)方案,。本文將多核技術(shù)應(yīng)用到模糊C均值聚類(lèi)并行算法的設(shè)計(jì)中,，把目標(biāo)函數(shù)迭代的過(guò)程和處理數(shù)據(jù)的過(guò)程并行化，提高聚類(lèi)過(guò)程的效率及多核處理器的利用率,。實(shí)驗(yàn)結(jié)果表明,，本方法減少了程序的運(yùn)行時(shí)間，顯示了多核編程的高效性,。
1 模糊C均值聚類(lèi)算法(FCM)
    模糊C均值聚類(lèi)算法[1]的基本思想是確定每個(gè)樣本數(shù)據(jù)隸屬于某個(gè)聚類(lèi)的程度,，把隸屬程度相似的樣本數(shù)據(jù)歸為一個(gè)聚類(lèi)。FCM把n個(gè)樣本集合X={x1,，x2,，...，xn}分為c個(gè)模糊組,，并且求每組的聚類(lèi)中心Ci(i=1,，2，…c),，使得目標(biāo)函數(shù)最小,，該算法是優(yōu)化目標(biāo)函數(shù)的迭代過(guò)程。這個(gè)過(guò)程從一個(gè)隨機(jī)的隸屬度矩陣開(kāi)始,，確定聚類(lèi)中心計(jì)算目標(biāo)函數(shù),，通過(guò)迭代過(guò)程達(dá)到樣本分類(lèi)。
    初始化：給定樣本數(shù)n,，聚類(lèi)數(shù)c∈[2,，n]，模糊度m=2,，迭代停止閾值?棕,。

    (4)如果目標(biāo)函數(shù)的改變量小于?棕，停止算法,，否者重復(fù)(2)直到改變量小于?棕,。為了確保FMC得到一個(gè)最優(yōu)解,，要不斷調(diào)整隸屬度矩陣，需多次運(yùn)行該算法,。
2 多核技術(shù)與工具軟件
2.1 Intel Parallel Amplifier高性能工具
    Intel Parallel Amplifier是英特爾在2009年發(fā)布的高性能工具[2],，界面設(shè)計(jì)友好，操作簡(jiǎn)單方便,。開(kāi)發(fā)人員只需要運(yùn)行工具就可對(duì)串行程序進(jìn)行分析,，研究分析結(jié)果進(jìn)行并行化設(shè)計(jì)，確保多核的完全利用,。IPA(Intel Parallel Amplifier)有以下三種類(lèi)型的性能分析,。
    (1)熱點(diǎn)(Hotspot)分析：運(yùn)行熱點(diǎn)分析可收集到不同類(lèi)型的數(shù)據(jù)，確定應(yīng)用程序運(yùn)行消耗的時(shí)間,，以及識(shí)別出最耗時(shí)的函數(shù),。在執(zhí)行程序時(shí)，IPA通過(guò)數(shù)據(jù)收集器定期采樣,，并在操作系統(tǒng)的協(xié)作下中斷程序收集數(shù)據(jù),。它通過(guò)獲取整個(gè)程序各個(gè)CPU核心的指令指針(IP)采樣，計(jì)算出每個(gè)函數(shù)的運(yùn)行時(shí)間,，再用調(diào)用棧采樣為程序創(chuàng)建調(diào)用關(guān)系樹(shù),。
    (2)并發(fā)性(Concurrency)分析：運(yùn)行并發(fā)性分析可確定應(yīng)用程序是否有效地利用了所有可執(zhí)行核，識(shí)別出最有可能并行化的串行代碼,。它與熱點(diǎn)分析一樣收集數(shù)據(jù)信息,，但是要比熱點(diǎn)分析多，除了一般的程序運(yùn)行數(shù)據(jù),，還有所有可執(zhí)行核的工作情況,。最理想的情況是執(zhí)行程序的線(xiàn)程數(shù)等于處理器的可執(zhí)行核數(shù)，也就是完全利用(Fully Utilized),。
    (3)鎖定和等待(Locks and Waits)分析：在前兩種分析的基礎(chǔ)上,，運(yùn)行鎖定和等待分析，可獲得更多的程序運(yùn)行數(shù)據(jù),。
    為了測(cè)試程序并行優(yōu)化的效果,，IPA提供了“比較結(jié)果(Compare Results)”的功能，用來(lái)比較串行程序和并行程序性能差別,。
2.2 TBB線(xiàn)程構(gòu)建模塊
    TBB線(xiàn)程構(gòu)建模塊(Intel Thread Building Blocks)是基于GPLv2開(kāi)源的,、用來(lái)實(shí)現(xiàn)并行語(yǔ)義的C++模板庫(kù)[3]。TBB提供了高性能可擴(kuò)展的算法,，面向任務(wù)編程,，支持任何ISO C++編譯器，具有很好的可移植性,。本文將Intel并行庫(kù)TBB的tbb_block_rang2d和tbb_parallel_for配合使用,，前者的作用是對(duì)一個(gè)二維的半開(kāi)區(qū)間進(jìn)行可遞歸的粒度劃分,；后者的作用可以實(shí)現(xiàn)負(fù)載均衡的并行執(zhí)行固定數(shù)目獨(dú)立循環(huán)迭代體。
2.3 OpenMP并行編程模型
    OpenMP是為共享內(nèi)存以及分布式共享內(nèi)存設(shè)計(jì)的多線(xiàn)程并行編程應(yīng)用接口,，包含了一套編譯語(yǔ)句以及一個(gè)函數(shù)庫(kù),，是一個(gè)編譯指令和庫(kù)函數(shù)的集合[4]。OpenMP也可以用于多核處理器并行程序設(shè)計(jì)中,。在OpenMP中線(xiàn)程的創(chuàng)建是通過(guò)編譯指導(dǎo)語(yǔ)句實(shí)現(xiàn)的,，本文采用sections和section命令。sections被稱(chēng)作工作分區(qū)編碼,，它定義了一個(gè)工作分區(qū),，然后由section將工作區(qū)劃分成幾個(gè)不同的工作段，每個(gè)工作段都由多核處理器的每個(gè)執(zhí)行核并行執(zhí)行,。
3 C均值聚類(lèi)算法的并行優(yōu)化設(shè)計(jì)
3.1 基本流程
    C均值聚類(lèi)算法串行程序的并行化設(shè)計(jì)可分為以下幾個(gè)階段：首先用IPA高性能工具得到熱點(diǎn)函數(shù)的花費(fèi)時(shí)間和并行情況，分析串行程序的可并行性[5],；然后運(yùn)用TBB和OpenMP進(jìn)行并行優(yōu)化設(shè)計(jì),；最后使用IPA的Compare Results功能進(jìn)行比較，測(cè)試并行程序的性能效果,?；玖鞒倘鐖D1所示。

3.2 熱點(diǎn)定位
    通過(guò)“Hotspot”可以獲得熱點(diǎn)函數(shù)所花費(fèi)的時(shí)間,，調(diào)用棧信息可以得到它被不同函數(shù)調(diào)用花費(fèi)的時(shí)間,。IPA采集的數(shù)據(jù)為程序段花費(fèi)的總時(shí)間、CPU運(yùn)行的時(shí)間,、CPU空閑時(shí)間,、處理器的核數(shù)、執(zhí)行程序的線(xiàn)程數(shù)等,。找到熱點(diǎn)函數(shù)后,，打開(kāi)源代碼，分析哪些代碼花費(fèi)處理器時(shí)間最多,。
3.3 并發(fā)性分析
    Concurrency分析可以得到熱點(diǎn)函數(shù)在執(zhí)行過(guò)程中各個(gè)其他任務(wù)并行執(zhí)行的情況,，以及各個(gè)線(xiàn)程的任務(wù)分配情況。IPA并發(fā)性分析不僅包含熱點(diǎn)采集的時(shí)間數(shù)據(jù),，更重要的是程序的并發(fā)狀態(tài),。它用5種不同狀態(tài)(Idle、Poor,、Ok,、Ideal、Over)表示并發(fā)性的情況,。在多核平臺(tái)下,，理想的狀態(tài)應(yīng)該達(dá)到Ok以上,，也就是說(shuō)當(dāng)熱點(diǎn)函數(shù)運(yùn)行時(shí)，其他線(xiàn)程同時(shí)工作在處理器上,，這樣可以提高多核資源的利用率,。
3.4 串行程序優(yōu)化
    通過(guò)分析源代碼，可以對(duì)串行程序進(jìn)行如圖2所示的并行優(yōu)化,。

    (1)因?yàn)殡`屬度矩陣的歸一化和樣本矩陣的標(biāo)準(zhǔn)化沒(méi)有數(shù)據(jù)相關(guān)性,，所以可以利用OpenMP的工作分區(qū)功能在兩個(gè)線(xiàn)程中同時(shí)執(zhí)行運(yùn)算，提高多核的利用率,，節(jié)省程序運(yùn)行時(shí)間,。使用OpenMP的優(yōu)化設(shè)計(jì)：
    #include <omp.h>
    初始化數(shù)據(jù)
    #pragma omp parallel sections//工作分區(qū)
    {#pragma omp setion
   樣本數(shù)據(jù)標(biāo)準(zhǔn)化
    #pragma omp section
    隸屬度矩陣歸一化}
    (2)歸一化后的隸屬度矩陣和標(biāo)準(zhǔn)化的樣本數(shù)據(jù)做矩陣乘法的運(yùn)算，可以使用TBB并行庫(kù)進(jìn)行優(yōu)化設(shè)計(jì)[6-7],。TBB：：block_range2d表示的是二維迭代空間的模板類(lèi),，它包含在頭文件TBB/blocked_range.h中，作用是根據(jù)需求對(duì)并行任務(wù)正確的劃分,。因?yàn)榫仃囅喑耸嵌S空間的運(yùn)算,，因此采用block_range2d模板類(lèi)。迭代空間劃分好后,，就可以使用TBB：：parallel_for執(zhí)行并行操作,。parallel_for包含在頭文件TBB/parallel_for.h中，作用是對(duì)循環(huán)體進(jìn)行并行化處理,。使用TBB的優(yōu)化設(shè)計(jì)：
    #include “tbb/taske_scheduler_init.h”
    # include ”tbb/parallel_for.h”
    #include ”tbb/blocked_range2d.h”
    task_scheduler_init init,；//初始化對(duì)象
    {//矩陣相乘的tbb并行化
    parallelMul()double c， double a,，double b}{parallel _for(blocked_range2d<size_t> (0,，k，0,，n),，MatrixlMul(c，a,，b)),；}
    }
4 實(shí)驗(yàn)結(jié)果測(cè)試
    本文采用UCI標(biāo)準(zhǔn)數(shù)據(jù)集中的Wine數(shù)據(jù)集作為測(cè)試實(shí)例，該數(shù)據(jù)集包含有178個(gè)樣本,，每個(gè)樣本有13個(gè)屬性特征,，分為3類(lèi)，每類(lèi)分別為59,，71,，48，數(shù)據(jù)為178×13的矩陣。設(shè)定加權(quán)指數(shù)m=2,，停止閾值ω=le-4,。
    (1)實(shí)驗(yàn)平臺(tái)
    硬件：Intel Pentium Dual T3400 @2.16 GHz 2.16 GHz，2 GB內(nèi)存,。
軟件：Microsoft Windows XP professional service pack3操作系統(tǒng),；Visual.Studio.2008英文專(zhuān)業(yè)版；parallel_studio_ sp1_setup(評(píng)估版),；tbb22_009oss_win(TBB2.2版本)[8],。
為了檢測(cè)并行優(yōu)化的效果，要對(duì)測(cè)試結(jié)果,、熱點(diǎn),、并發(fā)性和串行程序進(jìn)行對(duì)比。
    (2)實(shí)驗(yàn)結(jié)果
    經(jīng)過(guò)實(shí)驗(yàn)測(cè)試獲得Wine數(shù)據(jù)集3個(gè)分類(lèi)的樣本數(shù),，分別為59,、64、48,，與標(biāo)準(zhǔn)分類(lèi)相比誤差很小,。本文通過(guò)5次運(yùn)行FMC得到的實(shí)驗(yàn)結(jié)果相同，說(shuō)明模糊C均值算法的并行優(yōu)化設(shè)計(jì)是可行的,。
    (3)熱點(diǎn)對(duì)比
    從圖3可以看到并行后熱點(diǎn)函數(shù)Update執(zhí)行時(shí)間減少為15.321 ms，這是由于Update函數(shù)中有二維矩陣的并行化設(shè)計(jì),。在雙核平臺(tái)下,，串行程序的線(xiàn)程數(shù)為1，而并行程序的線(xiàn)程數(shù)為3,。

    表1是IPA中Compare Results功能的比較結(jié)果,，各項(xiàng)時(shí)間的差值都為正數(shù)，表明性能提高,。

    (4)并發(fā)性對(duì)比
    從圖4可以看到并行程序的并發(fā)效果,。熱點(diǎn)函數(shù)Update并行后不僅時(shí)間減少了，狀態(tài)也由Poor變?yōu)镮deal,。說(shuō)明當(dāng)熱點(diǎn)函數(shù)運(yùn)行時(shí),，其他線(xiàn)程同時(shí)運(yùn)行在多核處理器上，多核利用率得到提高,。

    本文將Intel多核高性能工具應(yīng)用到FMC串行程序的并行優(yōu)化設(shè)計(jì)中,，提出并行優(yōu)化設(shè)計(jì)方案，把TBB和OpenMP引入到聚類(lèi)算法的并行化設(shè)計(jì)中,。并行聚類(lèi)算法在處理海量數(shù)據(jù)時(shí)將大大節(jié)省時(shí)間,，并且提高多核資源的利用率。下一步的工作是從并行算法的可擴(kuò)展性進(jìn)行探究,，并在眾核處理器上做進(jìn)一步測(cè)試,，以便更好地提高聚類(lèi)算法效率,。
參考文獻(xiàn)
[1] 齊淼，張化祥.改進(jìn)的模糊c均值聚類(lèi)算法研究[J].計(jì)算機(jī)工程與應(yīng)用,，2009,，45(20)：133-135.
[2] 英特爾@軟件網(wǎng)絡(luò)[EB/OL].http：//software.intel.com/en-us/intel-parallel-studio-home.
[3] REINDERS J. Intel threading building blocks[M]. O’REILLY出版社， 2007.
[4] 周偉明.多核計(jì)算與程序設(shè)計(jì)[M].武漢：華中科技大學(xué)出版社,，2009.
[5] Peter Wang.使用Intel parallel Amplifier：一站式解決最佳方案[EB/OL]. http：//software.intel.com/zh-cn/blogs2010-2-22.
[6] 曹婷婷.基于多核處理器串行程序并行化改造和性能分析[D].成都：西南交通大學(xué),，2009.
[7] 胡斌，袁道華.TBB多核編程及其混合編程模型的研究[J].計(jì)算機(jī)技術(shù)與發(fā)展,，2009,，19(2)：89-101.
[8] Intel公司. Intel threading building blocks reference manual[EB/OL]. 2007. http： //threadingbuildingblocks. org/.