# cpp-factorial-hpc-lab **Repository Path**: lensit/cpp-factorial-hpc-lab ## Basic Information - **Project Name**: cpp-factorial-hpc-lab - **Description**: factorial-hpc-lab - **Primary Language**: C++ - **License**: MIT - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-12-14 - **Last Updated**: 2025-12-17 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 高性能计算挑战——极限阶乘 本项目为C++小组课程作业，旨在实现多种高性能阶乘计算算法，并利用GPU加速技术进行性能优化。项目集成了自定义FFT实现、GNU多精度运算库(GMP)以及基于CUDA的CGBN库，提供了完整的性能测试与结果验证框架。 **核心特性：** - 多算法实现：支持FFT乘法、分治法、素数摇摆法等多种阶乘计算算法 - CPU优化：基于GMP的高性能CPU实现，支持OpenMP多线程并行 - GPU加速：基于CGBN库的CUDA实现，支持大规模并行计算 - 完备测试：自动化测试脚本与结果验证机制 --- ## 系统要求 ### 硬件环境 - **CPU**：x86-64架构处理器，建议4核及以上 - **内存**：最低8GB，建议16GB以上（计算大数阶乘时） - **GPU**（可选）：NVIDIA GPU，计算能力≥7.0，显存≥4GB - **存储**：至少2GB可用磁盘空间 **测试平台：** - Ubuntu 22.04 LTS - Windows Subsystem for Linux 2 (WSL2) with Ubuntu --- ## 构建与安装 ### 快速开始 ```bash # 克隆仓库 git clone https://gitee.com/lensit/cpp-factorial-hpc-lab.git cd cpp-factorial-hpc-lab # 安装依赖 make deps # 安装GMP库 make cgbn # 下载并配置CGBN库（需预先安装CUDA） # 构建所有目标 make all # 运行完整测试 ./utilities/test.sh ``` ### 构建选项 #### 安装依赖项 ```bash # 安装GMP开发库（自动检测包管理器） make deps # 下载CGBN库到lib/目录 make cgbn **注意**：执行前需确保`nvcc`可用，且CUDA环境变量已正确配置 ``` #### 清理构建 ```bash # 清理特定目标（如fft_v1） make clean_fft_v1 # 清理所有构建产物 make clean all ``` #### 选择性构建 项目默认构建所有算法实现。如需单独构建特定目标： ```bash make fft_basic # 构建基线FFT实现 make fft_v1 # 构建优化FFT版本 make gmp_prime_swing # 构建GMP素数摇摆算法 make cgbn_improved # 构建优化CGBN版本 ``` **构建目标说明：** | 目标名称 | 算法类型 | 执行环境 | 技术特点 | |----------|----------|----------|----------| | `fft_basic` | FFT乘法 | CPU | 从零实现的基线FFT算法，用于复杂度验证 | | `fft_v1` | FFT乘法 | CPU | 优化的FFT实现（缓存优化、迭代结构、并行化） | | `gmp_split_recursive` | 分治法 | CPU | GMP库实现的递归分割算法 | | `gmp_split_recursive_thread` | 分治法 | CPU | OpenMP多线程版本 | | `gmp_prime_swing` | 素数摇摆法 | CPU | GMP优化的素数筛法与 swing 乘积 | | `gmp_mpz_fac_ui` | 标准库 | CPU | GMP原生`mpz_fac_ui`函数基准 | | `cgbn_simple` | CGBN并行 | GPU | 最小化验证版本，API功能测试 | | `cgbn_full` | CGBN并行 | GPU | 完整功能CUDA实现，包含文件保存性能测试 | | `cgbn_improved` | CGBN并行 | GPU | 自适应素数参数优化，动态网格配置 | | `validate` | 验证工具 | CPU | 结果一致性校验与数据验证 | --- ## 使用说明 ### 基础用法 所有编译生成的可执行文件位于`build/`目录下，统一接口： ```bash ./build/ ``` 其中``为待计算阶乘的非负整数，支持的最大值取决于算法实现与系统内存。 **示例：** ```bash # 计算10000的阶乘 ./build/gmp_mpz_fac_ui 10000 # 计算100004000的阶乘（默认测试规模） ./build/cgbn_improved 100004000 ``` ### 自动化测试 项目提供完整的测试脚本`utilities/test.sh`，支持批量测试与性能评估。 #### 测试配置 编辑`utilities/test.sh`调整测试参数： ```bash # 默认测试规模（可修改） DEFAULT_ARGS="100004000" # 跳过的程序黑名单（用空格分隔） BLACKLIST=("cgbn_simple" "validate") ``` #### 执行测试 ```bash # 赋予执行权限（首次使用） chmod +x ./utilities/test.sh # 运行完整测试套件 ./utilities/test.sh ``` **测试流程：** 1. 遍历`build/`目录下所有可执行文件（排除黑名单） 2. 使用`DEFAULT_ARGS`作为输入参数执行 3. 记录执行时间、内存占用、标准输出 4. 生成测试报告`test/report.txt` 5. 自动调用`validate`工具进行结果一致性验证 --- ## 验证机制 **正确性保证：** - 所有算法实现均通过`validate`程序在相对应数量级上进行交叉验证 - 验证逻辑基于要求：总位数 + 末尾0个数 + 数位之和 **性能指标收集：** - 执行时间（毫秒级精度，基于`std::chrono::steady_clock`）在output记录的标准输出文件中 - 峰值内存占用和运行时间（通过`/usr/bin/time -v`）在statistic记录的_perf文件中 --- ## 目录结构 ``` . ├── build/ # 编译输出目录（自动生成） ├── lib/ # 第三方库（CGBN、GMP） ├── reports/ # 项目总结和报告 ├── src/ │ ├── FFT/ # FFT乘法实现 │ ├── GMP/ # GMP-based algorithms │ └── CGBN/ # CUDA accelerated implementations ├── utilities/ │ └── test.sh # 自动化测试脚本 │ └── validate.cpp # 验证工具 ├── Makefile # Build configuration ├── README.md # This file └── LICENSE # Project license ``` --- ## 故障排除 ### 常见问题 **问题1：`./utilities/test.sh`权限被拒绝** - **解决**：执行`chmod +x ./utilities/test.sh` **问题2：`make cgbn_`失败，提示`nvcc: command not found`** - **原因**：CUDA Toolkit未安装或环境变量未配置 - **解决**：确保`nvcc`在PATH中，或设置`CUDA_HOME`环境变量 **问题3：`make deps`在WSL2中失败** - **解决**：手动安装libgmp-dev：`sudo apt-get install libgmp-dev` **问题3：CGBN编译通过但运行时出现`0`** - **原因**：计算规模超出CGBN规定 - **解决**：降低输入规模，或修改CGBN参数 ## 许可证 本项目遵循MIT License。第三方库（CGBN、GMP）受其各自许可证约束。 --- ## 贡献指南 - 提交前请执行`make clean_all && make all`确保可构建性 - 新增算法需在`makefile`中添加对应编译用例 - 所有性能优化必须伴随正确性验证 --- **文档维护**：C++课程小组 **最后更新**：2025年12月16日