ubuntu性能测试 ubuntu最低硬件要求
大家好，如果您还对ubuntu性能测试不太了解，没有关系，今天就由本站为大家分享ubuntu性能测试的知识，包括ubuntu最低硬件要求的问题都会给大家分析到，还望可以解决大家的问题，下面我们就开始吧！
Ubuntu测试GPU的bandwidth
在进行Ubuntu系统中GPU带宽测试前，请确保已安装了必要的工具，如cuda(版本11.6)、make和g++等。首先，检查是否在/usr/local/cuda目录下有samples文件夹，如果没有，可从NVIDIA/cuda-samples官方网站下载对应版本的样本包，解压后进入1_Utilities/bandwidthTest目录。
运行bandwidthTest后，你将看到测试结果的图表，直观展示GPU的带宽性能。同样，对于p2p的带宽测试，你也将在该目录找到相应的结果图表。
测试中，我们使用的是v100显卡，拥有5120个CUDA核心，最大时钟频率为1.6 GHz。根据这些参数，我们计算出该GPU的理论算力为8192 GFlops（每秒浮点运算次数）。
ubuntu GPU 压力测试
为了评估新组装的电脑性能，我选择在Ubuntu系统下进行GPU压力测试。CPU为i5-8500，GPU则为Tesla P4，为了验证散热效果，我需要一个合适的GPU压力测试工具。
在安装好GPU驱动和CUDA后，我尝试了gpu-burn工具。编译成功后，即可执行压力测试。长时间的压力测试设定为43200秒。测试过程中，我仔细观察了各个阶段的数据，从左至右，这些数据反映了GPU在不同时间点的性能表现。
使用gpu-burn命令进行测试的详细指导如下：如果希望避免在本地进行安装，可以考虑使用Docker容器进行部署，完成测试后务必删除容器以保持系统整洁。
ubuntu benchmark怎么进行测试
一、Linpack简介
Linpack是国际上最流行的用于测试高性能计算机系统浮点性能的benchmark。通过对高性能计算机采用高斯消元法求解一元N次稠密线性代数方程组的测试，评价高性能计算机的浮点性能。
Performance Linpack，也叫高度并行计算基准测试，它对数组大小N没有限制，求解问题的规模可以改变，除基本算法（计算量）不可改变外，可以采用其它任何优化方法。前两种测试运行规模较小，已不是很适合现代计算机的发展。
HPL是针对现代并行计算机提出的测试方式。用户在不修改任意测试程序的基础上，可以调节问题规模大小(矩阵大小)、使用CPU数目、使用各种优化方法等等来执行该测试程序，以获取最佳的性能。HPL采用高斯消元法求解线性方程组。求解问题规模为N时，浮点运算次数为(2/3* N^3－2*N^2)。因此，只要给出问题规模N，测得系统计算时间T，峰值=计算量(2/3* N^3－2*N^2)/计算时间T，测试结果以浮点运算每秒（Flops）给出。HPL测试结果是TOP500排名的重要依据。
二、Linpack安装与测试
1． Linpack安装条件：
在安装HPL之前，系统中必须已经安装了编译器、并行环境MPI以及基本线性代数子方程(BLAS)或矢量图形信号处理库(VSIPL)两者之一。
在Ubuntu下，使用apt-get安装gfortran，mpich2，每个计算节点都需要安装
安装完后，可先使用mpicc编译helloworld验证mpi集群是否工作正常
hpl linpack缺省配置是使用atlas的库，所以这里我们安装ATLAS
参考
根据atlas的安装文档,首先要switch off cpu throttling.首先安装cpufrequtils和cpufreqd这两个包,也许还要安装powernowd包
从下载atlas
cd ATLAS
mkdir build
cd build
../configure
make
编译没有问题的话会在lib目录下生成几个静态库
2．安装与编译Linpack：
第一步，从www.netlib.org/benchmark/hpl网站上下载HPL包hpl.tar.gz并解包
cd hpl-2.1
cp setup/Make.Linux_PII_CBLAS_gm Make.x86_64
vi Make.x86_64
修改下列配置：
ARCH= x86_64
TOPdir=$(HOME)/projects/hpl-2.1
LAdir=$(HOME)/projects/ATLAS/build/lib
LAinc=
LAlib=$(LAdir)/libcblas.a$(LAdir)/libatlas.a
然后开始编译：
make arch=x86_64
如果出现符号找不到的问题，请检查LAlib的库的位置
cd bin/x86_64
在这个目录下生成了两个文件， HPL.dat是linpack计算的配置文件， xhpl是测试程序
这里有关于HPL.dat的配置说明：
其中几个重要的参数(必须针对集群环境修改）
1#表示只做一次计算，使用下面的第一个数
100000 30 34 35 Ns#矩阵大小，为了测试性能，一般取N*N*8~内存总量，集群时考虑总内存量
1# of NBs
192 2 3 4 NBs#分块大小，经验值192
4 1 4 Ps# PxQ应该等于整个集群的进程数，一般等于cpu核数
16 4 1 Qs# P一般<=Q
如果是单机，可以运行mpiexec-n 64./xhpl来看一下是否工作正常。
对于集群，首先需要保证所有机器的可以相互使用ssh无密码登录（比如要从s1登录到s2,需要把s1上的.ssh/id_rsa.pub内容拷贝到s2的.ssh/authorized_keys里。
然后创建mpi_hosts文件，内容就是集群内各机器名称，每个机器一行。
在每个机器上，都需要有相同的用户，以及同样的hpl-2.1路径和文件HPL.data，xhpl程序
运行mpiexec-n 64-f mpi_hosts,./xhpl
注意：
1.矩阵不能太小，要保证矩阵数据可以占用大量内存，运行时可以free来查看内存使用量，用top，然后按1来查看cpu每个核的使用情况
2.节点间数据传输量比较大，应该使用万兆网络，否则网络会成为瓶颈。
3.本文只是为了验证，并不是为了优化benchmark。如果要达到更好的benchmark数值，应该使用优化的blas库，比如intel的mkl。intel的mkl本身就带了linpack测试程序
