HugeCalc vs. GMP

无心人

GMP 4.0就支持大部分64位CPU啊

yysnet

Phenom X4 955 8M, AMD 785G, 4G DDR3 800Mhz

*** 被乘数与乘数长度之比为：1 ***

现在计算长度(bits)： 256
    GMP     包计算时间(us)：0.123
    HugeCalc包计算时间(us)：0.288
现在计算长度(bits)： 512
    GMP     包计算时间(us)：0.480
    HugeCalc包计算时间(us)：0.788
现在计算长度(bits)： 1024
    GMP     包计算时间(us)：1.610
    HugeCalc包计算时间(us)：2.344
现在计算长度(bits)： 1536
    GMP     包计算时间(us)：2.690
    HugeCalc包计算时间(us)：4.699
现在计算长度(bits)： 2048
    GMP     包计算时间(us)：5.188
    HugeCalc包计算时间(us)：8.058
现在计算长度(bits)： 3072
    GMP     包计算时间(us)：8.562
    HugeCalc包计算时间(us)：18.356
现在计算长度(bits)： 4096
    GMP     包计算时间(us)：16.302
    HugeCalc包计算时间(us)：28.949
现在计算长度(bits)： 8192
    GMP     包计算时间(us)：47.092
    HugeCalc包计算时间(us)：107.451
现在计算长度(bits)： 10240
    GMP     包计算时间(us)：71.683
    HugeCalc包计算时间(us)：150.374
现在计算长度(bits)： 16384
    GMP     包计算时间(us)：140.498
    HugeCalc包计算时间(us)：375.935
现在计算长度(bits)： 64000
    GMP     包计算时间(us)：1050.708
    HugeCalc包计算时间(us)：1372.801
现在计算长度(bits)： 65536
    GMP     包计算时间(us)：1079.381
    HugeCalc包计算时间(us)：1170.816
现在计算长度(bits)： 256000
    GMP     包计算时间(us)：6022.613
    HugeCalc包计算时间(us)：4125.732
现在计算长度(bits)： 512000
    GMP     包计算时间(us)：13034.764
    HugeCalc包计算时间(us)：8355.961
现在计算长度(bits)： 1048576
    GMP     包计算时间(us)：29845.131
    HugeCalc包计算时间(us)：15844.085
现在计算长度(bits)： 33554432
    GMP     包计算时间(us)：1681408.751
    HugeCalc包计算时间(us)：661418.545
现在计算长度(bits)： 67108864
    GMP     包计算时间(us)：3775502.519
    HugeCalc包计算时间(us)：1247997.905
现在计算长度(bits)： 100663296
    GMP     包计算时间(us)：5431298.917
    HugeCalc包计算时间(us)：1897381.737


*** 被乘数与乘数长度之比为：10 ***

现在计算长度(bits)： 256
    GMP     包计算时间(us)：0.026
    HugeCalc包计算时间(us)：0.197
现在计算长度(bits)： 512
    GMP     包计算时间(us)：0.086
    HugeCalc包计算时间(us)：0.219
现在计算长度(bits)： 1024
    GMP     包计算时间(us)：0.265
    HugeCalc包计算时间(us)：0.402
现在计算长度(bits)： 1536
    GMP     包计算时间(us)：0.428
    HugeCalc包计算时间(us)：0.683
现在计算长度(bits)： 2048
    GMP     包计算时间(us)：0.781
    HugeCalc包计算时间(us)：1.089
现在计算长度(bits)： 3072
    GMP     包计算时间(us)：1.443
    HugeCalc包计算时间(us)：2.071
现在计算长度(bits)： 4096
    GMP     包计算时间(us)：2.426
    HugeCalc包计算时间(us)：4.051
现在计算长度(bits)： 8192
    GMP     包计算时间(us)：11.819
    HugeCalc包计算时间(us)：13.946
现在计算长度(bits)： 10240
    GMP     包计算时间(us)：18.160
    HugeCalc包计算时间(us)：31.859
现在计算长度(bits)： 16384
    GMP     包计算时间(us)：38.868
    HugeCalc包计算时间(us)：49.381
现在计算长度(bits)： 64000
    GMP     包计算时间(us)：334.200
    HugeCalc包计算时间(us)：813.677
现在计算长度(bits)： 65536
    GMP     包计算时间(us)：351.404
    HugeCalc包计算时间(us)：735.623
现在计算长度(bits)： 256000
    GMP     包计算时间(us)：2542.980
    HugeCalc包计算时间(us)：1461.051
现在计算长度(bits)： 512000
    GMP     包计算时间(us)：7596.763
    HugeCalc包计算时间(us)：2801.356
现在计算长度(bits)： 1048576
    GMP     包计算时间(us)：22628.445
    HugeCalc包计算时间(us)：5318.212
现在计算长度(bits)： 33554432
    GMP     包计算时间(us)：818914.139
    HugeCalc包计算时间(us)：190517.698
现在计算长度(bits)： 67108864
    GMP     包计算时间(us)：1862619.81
    HugeCalc包计算时间(us)：409794.137
现在计算长度(bits)： 100663296
    GMP     包计算时间(us)：2682022.99
    HugeCalc包计算时间(us)：740040.658

gxqcn

谢谢楼上的测试报告，请问你的CPU是几核的？
测试数据基本符合大家先前总结的规律。

qianyb

10万以上HugeCalc比GMP快，10万以下的GMP快

gxqcn

刚刚看到楼主32#的yysnet发给我的短信，
他的机器配置是：AMD phenom X4 955, 4核，主频3.2G。系统win7 X64
以后若开发了新版软件，在正式发布前一定会邀请大家先测试体验一下。

liangbch

我们大家都知道，当数的规模很大时，最有效的大数乘法算法是FFT或者FFT的变种。 著名的圆周率计算程序super-pi，用的就是纯粹的浮点FFT. 另外，一个ooura FFT例子程序也给出了用FFT计算圆周率的代码，由于该FFT的效率很高，用它的这个程序计算圆周率比super-pi更快。可从7种FFT代码和测试程序（http://download.chinaprj.cn/detail/iDiTbqBB） 下载到ooura的的源码和计算圆周率的程序。

  当前，显示卡的 GPU 浮点运算单元有越来越多的趋势，其频率也越来高。用GPGPU是做大规模科学计算不但成为可能，而且速度比传统的CPU快得多。大概在2008年，nvidia 推出一个开发工具包cuda,利用这个开发工具包，工程师能够利用Nvidia的显示卡做科学计算，该开发包提供了预编译的FFT和BLAS库。我想，利用它的cuda FFT,来做大数乘法，速度应该比使用CPU快上很多。 我想，我们可以尝试使用CUDA来做大数计算。
  
  关于cuda的减少，请参阅：http://en.wikipedia.org/wiki/CUDA,可从http://www.nvidia.cn/object/cuda_get_cn.html下载开发工具包

  支持cuda的显卡应该是从GeForce 8 系列开始，我查了一下，GeForce 8 Series 发布于2007 年夏天。
  值得注意的是，早期的Geforece 显示卡和个别GeForce_200_Series 不支持双精度浮点计算，关于Geforce显卡的技术指标，可在wiki上查找，例如 Geforce 2系列的资料可从http://en.wikipedia.org/wiki/GeForce_200_Series.

CUDA 开发包包含以下组件
C/C++ compiler
CUDA Visual Profiler
OpenCL Visual Profiler
GPU-accelerated BLAS library
GPU-accelerated FFT library
Additional tools and documentation

gxqcn

确实，一个算法库的整体效率主要取决于最高级别的核心算法（比如楼上说的FFT），这就是所谓的80/20原则。

对于CUDA描绘的前景确实很期待，但不知其现在支持的整数最大位长达到了多少？

liangbch

37# gxqcn

因为GPU主要使用浮点数处理图形。所以我认为CUDA主要应用于浮点运算。

wayne

CPU是通用处理器，GPU是专用处理器，专用于图形图像处理，特点是并行度非常的高，
CPU搞并行计算充其量也就是4个，8个核而已，跟GPU相比，远远不是一个数量级的。。。

gxqcn

大数运算想高度并行并不容易，所以比较难发挥GPU的优势。