<div dir="ltr">On Tue, Nov 12, 2013 at 2:14 PM, Roc Wang <span dir="ltr"><<a href="mailto:pengxwang@hotmail.com" target="_blank">pengxwang@hotmail.com</a>></span> wrote:<br><div class="gmail_extra"><div class="gmail_quote">
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">


<div><div dir="ltr">Thanks Jed,<br><br>I have questions about load balance and PC type below.<br><br><div>> From: <a href="mailto:jedbrown@mcs.anl.gov" target="_blank">jedbrown@mcs.anl.gov</a><br>> To: <a href="mailto:pengxwang@hotmail.com" target="_blank">pengxwang@hotmail.com</a>; <a href="mailto:petsc-users@mcs.anl.gov" target="_blank">petsc-users@mcs.anl.gov</a><br>
> Subject: Re: [petsc-users] approaches to reduce computing time<br>> Date: Sun, 10 Nov 2013 12:20:18 -0700<br>> <br>> Roc Wang <<a href="mailto:pengxwang@hotmail.com" target="_blank">pengxwang@hotmail.com</a>> writes:<br>
> <br>> > Hi all,<br>> ><br>> >    I am trying to minimize the computing time to solve a large sparse matrix. The matrix dimension is with m=321 n=321 and p=321. I am trying to reduce the computing time from two directions: 1 finding a Pre-conditioner to reduce the number of iterations which reduces the time numerically, 2 requesting more cores.<br>
> ><br>> > ----For the first method, I tried several methods:<br>> >  1 default KSP and PC,<br>> >  2 -ksp_type fgmres -ksp_gmres_restart 30 -pc_type ksp  -ksp_pc_type jacobi, <br>> >  3 -ksp_type lgmres  -ksp_gmres_restart 40 -ksp_lgmres_augment 10,<br>
> >  4 -ksp_type lgmres  -ksp_gmres_restart 50 -ksp_lgmres_augment 10,<br>> >  5 -ksp_type lgmres -ksp_gmres_restart 40 -ksp_lgmres_augment 10 -pc_type asm (PCASM)<br>> ><br>> > The iterations and timing is like the following with 128 cores requested:<br>
> > case# iter      timing (s)<br>> > 1       1436        816  <br>> > 2             3    12658<br>> > 3       1069        669.64<br>> > 4         872        768.12<br>> > 5       927          513.14<br>
> ><br>> > It can be seen that change -ksp_gmres_restart and -ksp_lgmres_augment can help to reduce the iterations but not the timing (comparing case 3 and 4). Second, the PCASM helps a lot.  Although the second option is able to reduce iterations, the timing increases very much. Is it because more operations are needed in the PC?<br>
> ><br>> > My questions here are: 1. Which direction should I take to select<br>> > -ksp_gmres_restart and -ksp_lgmres_augment? For example, if larger<br>> > restart with large augment is better or larger restart with smaller<br>
> > augment is better?<br>> <br>> Look at the -log_summary.  By increasing the restart, the work in<br>> KSPGMRESOrthog will increase linearly, but the number of iterations<br>> might decrease enough to compensate.  There is no general rule here<br>
> since it depends on the relative expense of operations for your problem<br>> on your machine.<br>> <br>> > ----For the second method, I tried with -ksp_type lgmres -ksp_gmres_restart 40 -ksp_lgmres_augment 10 -pc_type asm with different number of cores.   I found the speedup ratio increases slowly when  more than 32 to 64 cores are requested. I searched the milling list archives and found that I am very likely running into the memory bandwidth bottleneck. <a href="http://www.mail-archive.com/petsc-users@mcs.anl.gov/msg19152.html" target="_blank">http://www.mail-archive.com/petsc-users@mcs.anl.gov/msg19152.html</a>:<br>
> ><br>> > # of cores       iter     timing<br>> >     1                 923   19541.83<br>> >     4                 929     5897.06<br>> >     8                 932     4854.72<br>> >   16                 924     1494.33<br>
> >   32                 924     1480.88<br>> >   64                 928       686.89<br>> > 128                 927       627.33<br>> > 256                 926       552.93<br>> <br>> The bandwidth issue has more to do with using multiple cores within a<br>
> node rather than between nodes.  Likely the above is a load balancing<br>> problem or bad communication.<br><br>I use DM to manage the distributed data.  The DM was created by calling DMDACreate3d() and let PETSc decide the local number of nodes in each direction. To my understand the load of each core is determined at this stage.   If the load balance is done when DMDACreate3d() is called and use PETSC_DECIDE option? Or how should make the load balanced after DM is created?<br>
</div></div></div></blockquote><div><br></div><div>We do not have a way to do fine-grained load balancing for the DMDA since it is intended for very simple topologies. You can see</div><div>if it is load imbalance from the division by running with a cube that is evenly divisible with a cube number of processes.</div>
<div><br></div><div>   Matt</div><div> </div><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div><div dir="ltr"><div>> <br>> > My question here is:    Is there any other PC can help on both reducing iterations and increasing scalability? Thanks. <br>
> <br>> Always send -log_summary with questions like this, but algebraic multigrid is a good place to start.<br><br>Please take a look at the attached log file, they are for 128 cores and 256 cores, respectively.  Based on the log files, what should be done to increase the scalability? Thanks.<br>
</div>                                      </div></div>
</blockquote></div><br><br clear="all"><div><br></div>-- <br>What most experimenters take for granted before they begin their experiments is infinitely more interesting than any results to which their experiments lead.<br>
-- Norbert Wiener
</div></div>