Performancevergleich JAVA zu C++

Matrix Multiplikation mit C++

• MatMult.h, MatMult.cc
• SeqMult.h, SeqMult.cc
• ParMult.h, ParMult.cc



• ParMultProc.h, ParMultProc.cc



• SeqMultBlock.h, SeqMultBlock.cc
• ParMultProcBlock.h, ParMultProcBlock.cc



• SeqMultTrans.h, SeqMultTrans.cc
• SeqMultBlockTrans.h, SeqMultBlockTrans.cc
• ParMultProcTrans.h, ParMultProcTrans.cc
• ParMultProcBlockTrans.h, ParMultProcBlockTrans.cc



Als Compileroptionen wurden gewählt -O3 zur Performanceoptimierung und -lrt zum Linken der real-time library:

 g++ -O3 -o MatMult.out ParMultProcBlockTrans.cc ... MatMult.cc -lrt 

Matrix Multiplikation mit JAVA

Compilierung der JAVA Quellen erfolgt mit dem Aufruf

 javac MatMult.java 

Ausführung des Programms erfolgt mit

 java -Xms6000M -Xmx9000M MatMult 

Hierbei gibt -Xms die anfängliche Größe des auf dem Heap reservierten Arbeitsspeichers wieder und -Xmx dessen maximale Größe.

Vergleich JAVA mit C++

Die Rechnung erfolgt auf einem Knoten des bwGRID Clusters Mannheim mit 8 CPUs (2.83GHz), 16 GB Hauptspeicher und 12 MB L2-Cache. Als Matrixgröße ist n = 800 und n=2000 gewählt und eine Blockgröße von 20.

Zeit (msec) Java		Zeit (msec) C++		Algorithmus (Threads)
n=800	n=2000	n=800	n=2000
5239	124328	3144	78393	Seq
4725	101996	805	12755	SeqBlock
899	19121	780	12134	SeqTrans
810	12637	781	12102	SeqBlockTrans
1296	22853	247	7801	Par n threads
1364	36937	236	9427	Par 4 threads
1230	25605	205	3247	ParBlock 4 threads
269	9378	205	3058	ParTrans 4 threads
230	3296	199	3047	ParBlockTrans 4 threads
794	19340	134	5429	Par 8 threads
714	13776	118	1710	ParBlock 8 threads
180	6500	120	1554	ParTrans 8 threads
240	1781	104	1605	ParBlockTrans 8 threads