什么是向量化编译技术

‘壹’ 怎么样使用Intel向量化编译器优化性能

在整形的循环中,MMX和SSE技术都为多数使用8/16/32bits长度数据的算法和逻辑操作提供了相应的SIMD指令
如果一个使用整数的算法把结果保存在一个有足够精度的变量中,那么这个算法就可能被向量化,举例说,一个运算的结果是32位整数,但却被保存在一个16位的整数中,那么这么操作就不能被向量化,不是所有整形操作都能够被向量化的.

‘贰’ 怎样让MATLAB运行得更快

量x，y的欧氏距离计算如下：

不用for循环，而采用下面的代码
d = sqrt(sum(abs(x-y).^2));
矩阵X(m行n列)表示m个n维空间的数据点, X中每一个数据点与n维列向量y的欧氏距离:
d = sqrt(sum(abs(X - repmat(y, [m 1])).^2, 2));
d = sqrt(sum(abs(X - y(ones(m,1),:)).^2, 2));

其他的方法，如通过.* ./ 实现矩阵元素逐个计算。
向量化其实是一种空间换时间的方法，用得好其效率可能比C/C++还高。
现在MATLAB的解析速度很高，特别是它的JIT即时编译技术，对超大矩阵和
要求比较高的迭代运算防止滥用。用for循环时，循环次数多的放在内循环。

‘叁’ 多媒体指令集的指令集

CPU的扩展指令集 对于CPU来说，在基本功能方面，它们的差别并不太大，基本的指令集也都差不多，但是许多厂家为了提升某一方面性能，又开发了扩展指令集，扩展指令集定义了新的数据和指令，能够大大提高某方面数据处理能力，但必需要有软件支持。
经过多年的发展，多媒体指令集已经成为CPU密不可分的一部分。每次有新的CPU出来，我们也习惯了用CPU-Z检测一下它有没有添加什么新的指令集。从我们的应用环境来看，3D影像越来越复杂，视频编码的压缩率越来越高，都对CPU提出了更高的要求，可以想象，SSE这剂“兴奋剂”，CPU只有一直服用下去了。
CPU中的指令集，虽然不起眼，但是在CPU的运算中有重要加速作用，尤其是编码方面，若使用的软件对CPU的指令集有优化，那么CPU的运算效能较无指令集优化运行速度有很大提升。SSE指令集作为Intel的顶梁柱，重要些不言而喻。每次的SSE指令集升级，都牵动着英特尔不少心血，除了自身研发指令集外，如何能让众多软件支持新指令集是更为关键的问题。
CPU依靠指令来计算和控制系统，每款CPU在设计时就规定了一系列与其硬件电路相配合的指令系统。指令的强弱也是CPU的重要指标，指令集是提高微处理器效率的最有效工具之一。从现阶段的主流体系结构讲，指令集可分为复杂指令集和精简指令集两部分，分别增强了CPU的多媒体、图形图象和Internet等的处理能力，我们通常会把CPU的扩展指令集称为CPU的指令集 。 经过研究发现，在计算机中，80%程序只用到了20%的指令集，基于这一发现，RISC精简指令集被提了出来，这是计算机系统架构的一次深刻革命。RISC体系结构的基本思路是：抓住CISC指令系统指令种类太多、指令格式不规范、寻址方式太多的缺点，通过减少指令种类、规范指令格式和简化寻址方式，方便处理器内部的并行处理，提高VLSI器件的使用效率，从而大幅度地提高处理器的性能。
RISC指令集有许多特征，其中最重要的有：
指令种类少，指令格式规范：RISC指令集通常只使用一种或少数几种格式。指令长度单一（一般4个字节），并且在字边界上对齐，字段位置、特别是操作码的位置是固定的。 大量利用寄存器间操作:简化处理器结构： 加强了处理器并行能力，常用的处理器内部并行操作技术基本上是基于RISC体系结构发展和走向成熟的。
正由于RISC体系所具有的优势，它在高端系统得到了广泛的应用，而CISC体系则在桌面系统中占据统治地位。而在如今，在桌面领域，RISC也不断渗透，预计未来，RISC将要一统江湖 。 MMX（Multi Media eXtension，多媒体扩展指令集）指令集是Intel公司于1996年推出的一项多媒体指令增强技术。MMX指令集中包括有57条多媒体指令，通过这些指令可以一次处理多个数据，在处理结果超过实际处理能力的时候也能进行正常处理，这样在软件的配合下，就可以得到更高的性能。MMX的益处在于，当时存在的操作系统不必为此而做出任何修改便可以轻松地执行MMX程序。但是，问题也比较明显，那就是MMX指令集与x87浮点运算指令不能够同时执行，必须做密集式的交错切换才可以正常执行，这种情况就势必造成整个系统运行质量的下降。
Intel承诺，通过其第二代的无线多媒体指令集MMX2，手机和PDA将获得更清晰的显示效果，更流畅的视频播放和更高的电池使用效率。开发者和用户，将从Xscale系列芯片的后继者中，看到这些效果。
由于手机市场的快速增长，因此Intel意图从中分一杯羹的想法并不让人奇怪。在最近的IDF论坛上，Intel发布了Hermon平台。该平台将其Bulverde芯片划分到四个不同的平台上--低端消费者平台，中端消费者平台，高端消费者平台和高端数字商业平台。(相关文章请参看《IDF：英特尔展示2006年后的NB移动技术》、《IDF: Intel重新构思娱乐PC发展新蓝图》)
无线MMX2是Intel为手机和PDA处理器准备的其中一项改进。据Intel的发言人Mark Miller表示，Bulverde不会支持这项扩展。MMX2是为Bulverde的后承者所准备的，这一点是Miller不愿评论的。然而很明显，Intel很快就会发布Bulverde的升级版，因为这款芯片是基于PXA255这款几乎有四年历史的核心。 SSE（Streaming SIMD Extensions，单指令多数据流扩展）指令集是Intel在Pentium III处理器中率先推出的。其实，早在PIII正式推出之前，Intel公司就曾经通过各种渠道公布过所谓的KNI（Katmai New Instruction）指令集，这个指令集也就是SSE指令集的前身，并一度被很多传媒称之为MMX指令集的下一个版本，即MMX2指令集。究其背景，原来KNI指令集是Intel公司最早为其下一代芯片命名的指令集名称，而所谓的MMX2则完全是硬件评论家们和媒体凭感觉和印象对KNI的 评价，Intel公司从未正式发布过关于MMX2的消息。
而最终推出的SSE指令集也就是所谓胜出的互联网SSE指令集。SSE指令集包括了70条指令，其中包含提高3D图形运算效率的50条SIMD（单指令多数据技术）浮点运算指令、12条MMX 整数运算增强指令、8条优化内存中连续数据块传输指令。S SE指令与3DNow! 由AMD公司提出的3DNow!指令集应该说出现在SSE指令集之前，并被AMD广泛应用于其K6-2 、K6-3以及Athlon（K7）处理器上。3DNow!指令集技术其实就是21条机器码的扩展指令集。
与Intel公司的MMX技术侧重于整数运算有所不同，3DNow!指令集主要针对三维建模、坐标变换 和效果渲染等三维应用场合，在软件的配合下，可以大幅度提高3D处理性能。后来在Athlon上开发了Enhanced 3DNow!。这些AMD标准的SIMD指令和Intel的SSE具有相同效能。因为受到Intel在商业上以及Pentium III成功的影响，软件在支持SSE上比起3DNow!更为普遍。Enhanced 3DNow!AMD公司继续增加至52个指令，包含了一些SSE码，因而在针对SSE做最佳化的软件中能获得更好的效能。
最新的Intel CPU可以支持SSE、SSE2、SSE3指令集。早期的AMD CPU仅支持3DNow!指令集，随着Intel的逐步授权，从Venice核心的Athlon 64开始，AMD的CPU不仅进一步发展了3DNow!指令集，并且可以支持Inel的SSE、SSE2、SSE3指令集。不过业界接受比较广泛的还是Intel的SSE系列指令集，AMD的3DNow!指令集应用比较少。
SSE4全名为Streaming SIMD Extension 4，被视为继2001年以来最重要的媒体指令集架构的改进，除扩展Intel 64指令集架构外，还加入有关图形、视频编码及处理、三维成像及游戏应用等指令，令涉及音频、图像和数据压缩算法的应用程序大幅受益。
SSE4将分为4.1版本及4.2版本，4.1版本将会首次出现于Penryn处理器中，共新增47条指令，主要针对向量绘图运算、3D游戏加速、视像编码加速及协同处理加速动作.
据Intel指出，在应用SSE4指令集后，Penryn增加了2个不同的32Bit向量整数乘法运算支持，引入了8 位无符号 (Unsigned)最小值及最大值运算，以及16Bit 及32Bit 有符号 (Signed) 及无符号运算，并有效地改善编译器效率及提高向量化整数及单精度代码的运算能力。同时，SSE4 改良插入、提取、寻找、离散、跨步负载及存储等动作，令向量运算进一步专门化。
此外，SSE4加入串流式负载指令，可提高以图形帧缓冲区的读取数据频宽，理论上可获取完整的快取缓存行，即每次读取64Bit而非8Bit，并可保持在临时缓冲区内，让指令最多可带来8倍的读取频宽效能提升，对于视讯处理、成像以及图形处理器与中央处理器之间的共享数据应用，有着明显的效能提升 。 45纳米加入了SSE4.1指令集，令处理器的多媒体处理能力得到最大70%的提升。SSE4加入了6条浮点型点积运算指令，支持单精度、双精度浮点运算及浮点产生操作，且IEEE 754指令 (Nearest, -Inf, +Inf, and Truncate) 可立即转换其路径模式，大大减少延误，这些改变将对游戏及 3D 内容制作应用有重要意义。
SSE4指令集让45nmPenryn处理器增加了2个不同的32Bit向量整数乘法运算单元，并加入8位无符号(Unsigned)最小值及最大值运算，以及16Bit及32Bit有符号 (Signed) 运算。在面对支持SSE4指令集的软件时，可以有效的改善编译器效率及提高向量化整数及单精度代码的运算能力。同时，SSE4改良插入、提取、寻找、离散、跨步负载及存储等动作，令向量运算进一步专门 。 自从2007年IDF透露了45nmPenryn处理器发布计划之后，Penryn的各种消息也不断地传出，这款基于45nm技术的处理器除了工艺上的进步之外，还有着架构的变动、指令集的更新，这符合着Intel一段时间（每2年）内就要对处理器进行一次较大的改进的习惯。
Penryn处理器搭载了最新的SSE4指令集，SSE4（Streaming SIMD Extensions 4）是英特尔自从SSE2之后对ISA扩展指令集最大的一次的升级扩展，它将会随着Penryn处理器陆续应用于台式机平台、移动平台和服务器中。据所知，SSE4包括大约50条新指令，Penryn通过这些新指令集，增强了从媒体应用到高性能计算应用领域的性能，同时还利用一些专用电路实现对于特定应用加速。
其实IA32架构上不断增加的指令集都是面向多媒体应加速而来，因为在多媒体环境下需要处理大量重复的数据，因此自MMX开始，CPU厂商就开始新增SIMD(Single Instruction Multiple Data)多媒体指令集，可以在单一指令内完成多个批次性的数据处理，从而大大提升多媒体数据处理能力。 自从Intel在P55C Pentium加入MMX(MultiMedia Extensions)指令以来，x86指令集就不断得到扩充，3D Now!之类的扩展集时有出现。这些指令集主要都是通过SIMD的方式来提升多媒体数据处理能力。
指令数量达到57条的MMX扩展集属于侧重整数运算的扩展指令集，除了整数运算，浮点运算也是非常重要的，Intel在1999年首次在Pentium III处理器中引入了SSE(Streaming SIMD Extensions)扩展指令集来增强x86架构的浮点运算能力，SSE初代包括了70条新指令。
在SSE之后Intel很快在2000年的Willamette Pentium 4中推出了SSE2指令集，这个指令集的指令数目达到了非常之多的144条，用于提升双精度向量运算能力和128位向量整数运算能力，可见SSE指令集也并不是仅仅包括浮点运算的，SSE可以做看作是IA32架构按照形势需要而作的不断扩充。
在2000年推出SSE2之后，Intel很久没有进行这方面的大扩充了，在2004年增加的SSE3只包括了13条新指令（首先在Prescott Pentium 4中出现），2006年增加的SSSE3(Supplemental Streaming SIMD Extensions 3)只包括32条新指令（首先在Core 2 Duo上出现），前者主要提升复数运算性能，后者主要改进了解码性能，或许是由于提前发布的缘故（原来计划包括在SSE4中），SSSE3并没有采用SSE4这样的命名。
从指令数目上看，SSE4的47条也是2000年来最多的变化，同时，SSE4中增加了的指令改进了整数和浮点操作，支持DWORD和QWORD操作，新的单精度FP操作、快速寄存器操作、面向性能优化的内存操作等等，包括了图形、图像、数据装载各方面的革新，因此称其为SSE2以来最大的指令集变动也是不为过的。利用支持SSE4指令集的编译器编译之后，包括图形/图像处理、视频处理、2D/3D创作、多媒体、游戏、内存敏感负载、高性能计算等应用都会受益。
SSE4指令集的具体指令如下图所示，按照资料显示，SSE4指令集还将分为两个版本：4.1和4.2，SSE4.1版本将随着45nmPenryn发布，而SSE4.2版本将会随着Penryn的下一代Nehalem发布，4.1将包括47条指令，4.2将包括7条指令，因此下图的指令数目实际上并不是47，未来的SSE4.2指令数目也可能会有变动。
对于Nehalem的SSE4.2，Intel的Gelsinger介绍说，这7条指令集的用途各有不同，比如有面向CRC-32和POP Counts等特定应用的，有特别针对XML等的流式指令。Gelsinger称，新指令集可以将256条指令合并在一起执行，从而让XML类工作的性能提高3倍。
SSE4——Penryn搭载的SSE4.1指令集主要分为三个部分，分别是SSE4视频编码加速部分、SSE4图形加速部分和SSE4流加载部分，其中SSE4视频编码加速部分包括了14条指令，用于加速4x4绝对差和、子像素过滤一击数据查找方面的性能。
在进行视频编码时，需要进行大量的Motion Estimation（动态预测），动态预测是视频编码过程中极其重要的一个环节，它的算法效率对整个编码效率有很大的影响，而这个动态预测需要进行大量的SAD（Sums of Absolute Difference，差分绝对值和）的运算，该运算是大部分视频编码算法中运动估计一步常采用的方法。SAD算法将会在相邻两个连续视频帧中找出一个大块的运动情况，以纪录其运动数据代替纪录像素数据而节约存储容量、压缩视频。为此，SAD需要计算两个大块中每一组对应的像素值之间绝对差值的累加和。这本身就是一个非常复杂的大数据量运算动作，即使依靠SIMD指令的一条指令就处理大量数据的优势，要组合成SAD操作代码也需要大量的指令。
SSE4指令集内特别加入了SAD加速运算指令，只需要一条指令就可以快速高效地完成这些工作。例如，在SSE4之前，一个SAD工作代码如下：
非常的冗长繁琐，而在有了SSE4之后，这些指令就可以简化为一条指令：
MPSADBW xmm0,xmm1,0
简化量是非常巨大的。而在复杂的动态预测程序中，要执行复杂的SAD代码，这时SSE4还可以额外提供更高的方便性：
SSSE3可以看作是SSE4的一个提前“泄露”的子集，同样的工作，右边的SSE4代码无疑要比SSSE3更为简捷。
SSE4当中还加入了快速查找的指令，虽然并不仅仅是视频编码才能具有作用，然而对于整位像素和子像素运动估计方面具有特别好的效果。
例如，在Intel的SSE4展示当中，使用搭载SSE4指令集的2.66G Wolfdale Core 2系统对比2.33G Core 2 Duo E6550进行Pegasys TMPGEnc 4.0 XPress HDTV编码，最后得到了55%的性能提升，其中加速的SAD处理和快速查找在各自的领域的性能提升达到了2~3倍，SSE4指令集的作用可见一斑：其中，CPU的频率提升只有14%，总应用程序提升却达到了55%，这就是SSE4视频编码加速指令的作用了。SSE4图形加速部分包括了32条指令，包括了图形构造上的大量基本操作指令：点积、双字节乘积、非单位步长存取等，并对现有指令的交叉支持改进了编译器的向量化，这部分指令相当于重新提供了一个向量化的图形操作基础，可以极大地提升处理器在图形处理方面的能力。
32条指令具体划分6个部分：
12条32位向量整数操作，用于提供快速的向量整数运算
7条非单位步长存取操作，提供快速的向量载入/保存
2条点积操作，在构造阵列（Array-Of-Structures）运算中可以提供非常快的点积运算能力
6条变量及立即混合，用于提升传统SIMD代码的性能
1条早期参量输出，可以快速测试128-bit宽度数据
4条浮点取整，用于如Floor()、Ceil()，NINT()，nearbyint()这些经常用到的高级语言代码，提高他们的性能
作为例子，32位向量整数操作指令是当前编程语言原语的向量版本，包括了双字节乘、填充双字节最小值/最大值、DWORD到Word组转换、QWORD比较等指令，右下显示了DWORD到Word组转换使用SSE2和SSE4指令分别编写的情形：SSE4只需要1条，而SSE2需要11条。
SSE4流加载部分虽然只有一条指令，不过其确实具有相当重要的地位。在已有的平台当中，CPU使用Write Combining技术可以实现很高带宽的写入操作，可以通过MMIO的方式将图形数据很快地写入到Write Combining缓存并迅速写入内存当中，然而读取却是非常的缓慢，因为Write Combining缓存的读取是缓慢的（没有Read Combining）……读取带宽被限制为800MB/s。
Streaming Load技术就是为了解决这个问题，它提供了一个16位对齐的加载指令，可以快速地对Write Combining内存进行操作，可以以高达8GB/s的速率加载数据至CPU（SSE4架构新增加了一个内部临时缓存来存放这些数据），从而大大提升了GPU-CPU之间的数据带宽，随着发展，GPU越来越强大、数据流量越来越大的情形下，这是非常必要的。
虽然这个Streaming Load是以视频加速为例子，实际上它的工作方式对其他外设也是有用的，这是一个通用性的提高WC内存读取速度的技术。 45nm技术内部结构的更新无疑会带来更快的性能，然而SSE4指令的引入带来的提升更加巨大。全新 DivX Alaph内部测试版本已完全支持SSE4指令集， 1颗3.33GHz的Yorkfield的运算效能，相比上代Intel Core 2 Duo QX6800快约105% ，其中约7成的增益来自SSE4指令集，这可以看出新指令集的效率的确不凡。其它不同的编码测试也得到了相似的结果。
并且，作为45nm处理器基础架构的一部分，所有Penryn核心处理器都会具有这个指令集，这意味着即使是使用其中最低端的、廉价的“Celeron”版本，也能享受到新指令集带来的益处，并且也不用付出特别的代价，这也是新技术带给用户的实际益处。
人们可以看到，即使是在未完全优化的工程样板CPU和配合的测试版本软件当中，新指令集的效能也令人满意，毕竟SSE4指令集就是设计用来提升视频、图像运算性能的，剩下的问题就是如何发挥SSE4的力量的问题了。按照惯例，Intel会在CPU推出的时候在自家的Intel C/C++和Fortran编译器上提供支持，也会提供相关的文档、SDK工具，凭着Intel的号召力以及SSE4本身性能上的提升带来的吸引力，而且由于高清晰视频的流行，这些对性能不断提升的需求，更会形成一种拉力，SSE4的前景良好。
Intel首次在45nmPenryn处理器中新增了英特尔SSE4指令集，这是自最初SSE指令集架构ISA推出以来添加的最大指令集，其中包含了47条多媒体处理指令，进一步扩展了英特尔64指令集架构。之前45nmPenryn处理器的指令集版本为SSE4.1，此次Nehalem处理器在SSE4.1指令集的基础上又加入
了几条新的指令，称之为SSE4.2。
SSE4.2指令集新增的部分主要包括STTNI(STring & Text New Instructions)和ATA(Application Targeted Accelerators)两个部分。以往每一次的SSE指令集更新都主要体现在多媒体指令集方面，不过此次的SSE4.2指令集却是加速对XML文本的字符串操作、存储校验等。
更具体地说，SSE4.2 加入七个新指令：CRC32、PCMPESTRI、PCMPESTRM、PCMPISTRI、PCMPISTRM、PCMPGTQ 与 POPCNT。
英特尔表示，采用SSE 4.2指令集后，XML的解析速度最高将是原来的3.8倍，而指令周期节省将达到2.7倍。此外，在ATA领域，SSE 4.2指令集对于大规模数据集中处理和提高通信效率都将发挥应有的作用，这些对于企业IT应用显然是有帮助的。当然，SSE 4.2指令集只有在软件对其支持后才会生产效果，但距离Nehalem-EP上市还有3个月的时间，相信相关的优化与升级届时就会出现。

‘肆’ xcode是什么

Xcode 2.0 将 Mac OS X 的轻松使用，UNIX 能量以及高性能的开发技术集合在一起。 不管你用 C、C++、 Objective-C 或 Java 编写程序，在 AppleScript 里编写脚本，还是试图从另一个奇妙的工具中转移编码，你会发现 Xcode 编译速度极快。每次操作都很快速和轻松。 自由撤消Xcode 2.0 的虚拟模型和设计功能让你可以更轻松的开发和维护应用程序。只需选择应用程序中想要编写的部分，然后模型和设计系统将自动创建分类图表，不仅可以显示编码，还可以让你进行浏览。Mac OS X Core Data API 帮你的应用程序创建数据结构。更棒的是，它还自动提供撤消、重做和保存功能，无需编写任何编码。 最新的答案Xcode 整合的 Apple Reference Library 为所有的苹果电脑公司开发者文件提供一个单独的搜索和显示界面，这些文件包括来自苹果电脑公司网站的在线文件，以及存放在你电脑上的文件。新的参考资料库甚至可以帮你将定期更新资料下载到你的电脑，保持文件的最新状态。Xcode 将帮你快速找到最新的答案。 先进的编译器 Xcode 2.0 的核心部分是苹果电脑公司下一代业界标准的 gcc 编译器 gcc 4.0。新的编译器利用许多先进的最优化技术帮你从现存编码中获得更多性能。从超级计算世界借鉴来的自动向量化（Auto-vectorization）技术可以帮助你释放每台 PowerPC G4 和 G5 系统中速度引擎的能量，而不需要编写向量化编码。其他的最优化工具则支持反馈定向的最优化，以及隐藏模块分析。 无损耗的海量内存 借助 Mac OS X Tiger 中的新64位支持，Xcode 将赋予你创建诸如计算和渲染引擎应用程序的能力，这些应用程序使用64位内存寻址。这非常适合数据集中的应用程序，其通过访问内存中的数据运行速度更快，远胜于磁盘访问。Xcode 将为你提供工具来建立并调试适合 PowerPC G5 和 Mac OS X Tiger 的64位应用程序，还可以让你创建包含32位和64位执行能力的 Fat Binaries。 分布式构建众所周知，在构建中引进多重处理器可以提高速度，Xcode 能帮你实现这个明显的结论。利用支持 Rendezvous 的分布式构建功能，可以轻易地把编译工作量分散到闲置的电脑上来寄放构建，或者更好是在单独的电脑上开发一个专门的 Xserve 构建寄放区，快速处理那些耗时的任务。 JavaXcode 2.0 拥有众多功能 ，为 Java 开发人员赋予了更多的开发能力。利用改进的 Code Sense 索引及 Ant 项目模板，Java 用户可以继续使用他们的标准 Java 包，并构建具有 Xcode 关键生产功能的工具。Java 代码填充为你提供类别名、方法、变量及其他关键信息。在 Xcode 中创建 Java 应用程序比以往更容易。 CodeWarrior 输入 因为 Xcode 支持 CodeWarrior 风格相关项目参考，所以可以保证把 CodeWarrior 项目文件快速方便地转移到 Xcode。因为 Xcode 兼容 CodeWarrior 风格在线编码汇编，所以从 CodeWarrior 到 Xcode 转变的消耗得到降低, 也使得开发人员手动调整应用程序的临界性能部分。 苹果电脑公司的 Mac OS X 综合开发环境 Xcode 为各种类型的 Mac OS X软件项目提供项目编辑、搜索和浏览，文件编辑，项目构建和调试设备等功能。 Xcode 可用来辅助开发应用程序、工具、架构、数据库、嵌入包、核心扩展和设备驱动程序。Xcode 支持开发人员使用 C、 C++、Objective C、 AppleScript 和 Java。

‘伍’ Intel的编译器有哪些

1、Intel 编译支持 IA-32、Intel 64、Itanium 2、Intel Atom 处理器和某些非 Intel 的兼容处理器（例如某些 AMD 处理器）。开发人员应当检查系统需求。适用于 IA-32 和 Intel 64 的 Intel C++ 编译器的主要特点是自动向量化器，它能够生成 SSE、SSE2 和 SSE3 的 SIMD 指令及其适用于 Intel 无线 MMX 和 MMX 2 的嵌入式变种。
2、Intel C++ Compiler 进一步支持 OpenMP 3.0 和适用于对称多处理的自动并行化。借助于 Cluster OpenMP 的附加能力，编译器还可为分布存储多处理根据 OpenMP 指示自动生成消息传递接口调用。
3、Intel C++ Compiler 可通过四种方式获得，它分别是 Intel Parallel Studio、Intel C++ Compiler 专业版、Intel 编译器套装和 Intel Cluster Toolkit 编译器版的一部分。该编译器的最新发布是 Intel C++ Compiler 14.0 版本.

‘陆’ C 更快，什么情况下使用 Matlab 更快

1.跨语言的比较是很困难的。
两个版本的实现不见得完全一样。Matlab要达到性能最优，就要注意向量化操作。C版本可能由编译器实现了向量化。
2. 不同平台下，Matlab的优化和C编译器的优化效果不同。这个太复杂了，等高手来展开。
3. 我的经验，如果算法是高计算量，低逻辑判断的，那么Matlab会更好些。尤其是涉及到level-3的BLAS运算，Matlab在底层是调用精心优化过的C库的。这时候，其实不是Matlab和C比较，而是专家优化过的C和随便实现的C在比较。但是如果算法涉及到大量的判断、分支和函数调用，还是用C实现吧，一般编译器都可以优化到很好了。

‘柒’ 什么是MATLAB语言 程序设计应用有什么用途

MATLAB是一种计算机语言，用于算法开发、数据分析等。

MATLAB是一种用于算法开发、数据分析、可视化和数值计算的程序设计环境，成为“科学计算的语言”。Simulink是一种框图环境，可用于对多域动态系统和嵌入式系统进行方针和基于模型设计。

MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且MATLAB也吸收了像Maple等软件的优点，使MATLAB成为一个强大的数学软件。

(7)什么是向量化编译技术扩展阅读

优点

1、最快的数学和计算平台，尤其是向量化运算/线性矩阵代数。

2、适合所有数学和交易领域的商业级软件。

3、脚本简短，但高度集成了所有包。

4、拥有图和交互式图表的最佳可视化。

5、具备良好测试和支持。

6、易于管理多线程支持和垃圾收集。

7、最好的调试器 。

‘捌’ ios软件开发需要什么样的工具和语言来进行编程

OS X系统环境下的xcode，语言为Objective-C或苹果新推出的Swift语言。

Xcode 是苹果公司开发的编程软件，是开发人员建立OS X 和 iOS 应用程序的最快捷的方式。Xcode 4所使用的编译器为LLVM编译器，LLVM编译器的前端是clang。Xcode 的核心部分是苹果电脑公司下一代业界标准的 gcc编译器gcc 4.0。新的编译器利用许多先进的最优化技术帮你从现存编码中获得更多性能。从超级计算世界借鉴来的自动向量化（Auto-vectorization）技术可以帮助你释放每台 Intel 系统中速度引擎的能量，而不需要编写向量化编码。
Objective-C语言，是扩充C的面向对象编程语言。其主要使用于Mac OS X和GNUstep这两个使用OpenStep标准的系统，该语言是1980年代初布莱德·确斯(Brad Cox)在其公司Stepstone发明的。
Swift语言，苹果于2014年WWDC发布的新开发语言，可与Objective-C共同运行于Mac OS和iOS平台，用于搭建基于苹果平台的应用程序。该语言语法内容混合了OC,JS,Python，语法简单，使用方便，并可与OC混合使用。并于2014年6月12日发布了《Swift中文版》第一版。

‘玖’ 并行处理的并行算法的基本策略

在并行处理技术中所使用的算法主要遵循三种策略：
1．分而治之法：也就是把多个任务分解到多个处理器或多个计算机中，然后再按照一定的拓扑结构来进行求解。
2．重新排序法：分别采用静态或动态的指令词度方式。
3．显式/隐式并行性结合：显式指的是并行语言通过编译形成并行程序，隐式指的是串行语言通过编译形成并行程序，显式/隐式并行性结合的关键就在于并行编译，而并行编译涉及到语句、程序段、进程以及各级程序的并行性。
二、并行性描述定义
利用计算机语言进行并行性描述的时候主要有三种方案：
1．语言扩展方案：也就是利用各种语言的库函数来进行并行性功能的扩展。
2．编译制导法：也称为智能编译，它是隐式并行策略的体现，主要是由并行编译系统进行程序表示、控制流的分析、相关分析、优化分析和并行化划分，由相关分析得到方法库管理方案，由优化分析得到知识库管理方案，由并行化划分得到程序重构，从而形成并行程序。
3．新的语言结构法：这是显式并行策略的体现。也就是建立一种全新的并行语言的体系，而这种并行语言通过编译就能直接形成并行程序。
三、并行软件
并行软件可分成并行系统软件和并行应用软件两大类，并行系统软件主要指并行编译系统和并行操作系统，并行应用软件主要指各种软件工具和应用软件包。在软件中所牵涉到的程序的并行性主要是指程序的相关性和网络互连两方面。
1．程序的相关性：程序的相关性主要分为数据相关、控制相关和资源相关三类。
数据相关说明的是语句之间的有序关系，主要有流相关、反相关、输出相关、I/O相关和求知相关等，这种关系在程序运行前就可以通过分析程序确定下来。数据相关是一种偏序关系，程序中并不是每一对语句的成员都是相关联的。可以通过分析程序的数据相关，把程序中一些不存在相关性的指令并行地执行，以提高程序运行的速度。
控制相关指的是语句执行次序在运行前不能确定的情况。它一般是由转移指令引起的，只有在程序执行到一定的语句时才能判断出语句的相关性。控制相关常使正在开发的并行性中止，为了开发更多的并行性，必须用编译技术克服控制相关。
而资源相关则与系统进行的工作无关，而与并行事件利用整数部件、浮点部件、寄存器和存储区等共享资源时发生的冲突有关。软件的并行性主要是由程序的控制相关和数据相关性决定的。在并行性开发时往往把程序划分成许多的程序段——颗粒。颗粒的规模也称为粒度，它是衡量软件进程所含计算量的尺度，一般用细、中、粗来描述。划分的粒度越细，各子系统间的通信时延也越低，并行性就越高，但系统开销也越大。因此，我们在进行程序组合优化的时候应该选择适当的粒度，并且把通讯时延尽可能放在程序段中进行，还可以通过软硬件适配和编译优化的手段来提高程序的并行度。
2．网络互连：将计算机子系统互连在一起或构造多处理机或多计算机时可使用静态或动态拓扑结构的网络。静态网络由点一点直接相连而成，这种连接方式在程序执行过程中不会改变，常用来实现集中式系统的子系统之间或分布式系统的多个计算结点之间的固定连接。动态网络是用开关通道实现的，它可动态地改变结构，使之与用户程序中的通信要求匹配。动态网络包括总线、交叉开关和多级网络，常用于共享存储型多处理机中。在网络上的消息传递主要通过寻径来实现。常见的寻径方式有存储转发寻径和虫蚀寻径等。在存储转发网络中以长度固定的包作为信息流的基本单位，每个结点有一个包缓冲区，包从源结点经过一系列中间结点到达目的结点。存储转发网络的时延与源和目的之间的距离(段数)成正比。而在新型的计算机系统中采用虫蚀寻径，把包进一步分成一些固定长度的片，与结点相连的硬件寻径器中有片缓冲区。消息从源传送到目的结点要经过一系列寻径器。同一个包中所有的片以流水方式顺序传送，不同的包可交替地传送，但不同包的片不能交叉，以免被送到错误的目的地。虫蚀寻径的时延几乎与源和目的之间的距离无关。在寻径中产生的死锁问题可以由虚拟通道来解决。虚拟通道是两个结点间的逻辑链，它由源结点的片缓冲区、结点间的物理通道以及接收结点的片缓冲区组成。物理通道由所有的虚拟通道分时地共享。虚拟通道虽然可以避免死锁，但可能会使每个请求可用的有效通道频宽降低。因此，在确定虚拟通道数目时，需要对网络吞吐量和通信时延折衷考虑。
四、硬件技术在硬件技术方面主要从处理机、存储器和流水线三个方面来实现并行。
1．处理机：主要的处理机系列包括CISC、RISC、超标量、VL1W、超流水线、向量以及符号处理机。
传统的处理机属于复杂指令系统计算(CISC)结构。指令系统大，指令格式可变，通用寄存器个数较少，基本上使用合一的指令与数据高速缓存，时钟频率较低，CPI较高，大多数利用ROM 实现微码控制CPU，而当今的精简指令系统计算(RISC)处理机指令格式简单规范，面向寄存器堆，采用重叠寄存器窗口技术，具有多级Cache，多种流水线结构，强调编译优化技术，时钟频率快，CPI低，大多数用硬连线控制CPU。
CISC或RISC标量处理机都可以采用超标量或向量结构来改善性能。标量处理机在每个周期内只发射一条指令并要求周期只完成从流水线来的一条指令。而在超标量处理机中，使用了多指令流水线，每个周期要发射多条指令并产生多个结果。由于希望程序中有许多的指令级并行性，因此超标量处理机更要依靠优化编译器去开发并行性。
VL1W 结构是将水平微码和超标量处理这两种普遍采用的概念结合起来产生的。典型的超长指令字VL1W 机器指令字长度有数百位。在VLlW 处理机中，多个功能部件是并发工作的，所有的功能部件共享使用公用大型寄存器堆，由功能部件同时执行的各种操作是用VL1W 指令来同步的，每条指令可指定多个操作。VL1W 指令译码比超标量指令容易，但在开发不同数量的并行性时总是需要不同的指令系统。VL1W 主要是开发标量操作之间的并行性，它的成功与否很大程度取决于代码压缩的效率，其结构和任何传统的通用处理机完全不兼容。即使同一结构的不同实现也不大可能做到彼此二进制兼容。VL1W 的主要优点在于它的硬件结构和指令系统简单，在科学应用领域可以发挥良好作用，但在一般应用场合可能并不很好用。
向量处理机对数组执行向量指令，每条指令都包含一串重复的操作。它是专门设计用来完成向量运算的协处理机，通常用于多流水线超级计算机中。向量处理机可以利用循环级展开所得的并行性，它可以附属于任何标量处理机。专用的向量流水线可以在循环控制中消除某些软件开销，它的效果与优化编译器将顺序代码向量化的性能很有关系。从理论上说，向量机可以具有和超标量处理机同样的性能，因此可以说向量机的并行性与超标量机相同。
符号处理机是为AI应用而研制的，已用于定理证明、模式识别、专家系统、知识工程、文本检索、科学以及机器智能等许多应用领域。在这些应用中，数据和知识表达式、原语操作、算法特性、存储器、I/0和通信以及专用的结构特性与数值计算是不一样的，符号处理机也称为逻辑程序设计语言处理机、表处理语言处理机或符号变换器。符号处理并不和数值数据打交道，它处理的是逻辑程序、符号表、对象、剧本、黑板、产生式系统、语义网络、框架以及人工神经网络等问题。这些操作需要专门的指令系统，通常不使用浮点操作。
2．存储器：存储设备按容量和存取时间从低到高可分为寄存器、高速缓存、主存储器、磁盘设备和磁带机五个层次。较低层存储设备与较高层的相比，存取速度较快、容量较小，每字节成本较高、带宽较宽、传输单位较小。
存放在存储器层次结构中的信息满足三个重要特性：包含性、一致性和局部性。所谓包含性，指的是一个信息字的复制品可以在比它高的所有层中找到，而如果在高层中丢失了一个信息，则在比它低的所有层中此信息也将丢失。CPU 和高速缓存之间的信息传送是按字进行的，高速缓存和主存储器间用块作为数据传送的基本单位，主存和磁盘之间又是以页面为基本单位来传送信息的，而在磁盘和磁带机之间的数据传送则是按文件级处理的。所谓一致性要求的是同一个信息项与后继存储器层次上的副本是一致的。也就是说，如果在高速缓存中的一个字被修改过，那么在所有更高层上该字的副本也必须立即或最后加以修改。为了尽量减少存储器层次结构的有效存取时间，通常把频繁使用的信息放在较低层次。维护存储器层次结构一致性一般有两种策略，一种是写直达策略，也就是如果，则立即在所有高层存储器中进行同样的修改；另一种是写回策略，也就是在较低层中对信息进行修改后并不立即在高层存储器中进行相应的修改，而是等到该信息将被替换或将从低层中消失时才在所有高层存储器中进行同样的修改。甚至可以将写直达和写回策略的优点结合起来，形成写一次协议来维护存储器的一致性。
存储器的层次结构是在一种程序行为——访问的局部性基础上开发出来的。主要有时间局部性、空间局部性和顺序局部性。时间局部性指的是最近的访问项很可能在不久的将来再次被访问。它往往会引起对最近使用区域的集中访问。空间局部性表示一种趋势，指的是一个进程访问的各项其地址彼此很近。顺序局部性指的是在典型程序中，除非是转移指令，一般指令都是顺序执行的。
在多处理机系统中一般使用共享存储器。对共享存储器的组织一般采用低位交叉、高位交叉、高低位交叉三种方法。低位交叉又称并发存取，它是把相邻的地址放在相邻的存储器模块中，在访问时不容易产生冲突，并行性较好，但可靠性容错能力和扩展性均较差。高位交叉又称允许同时存取，它是把相邻地址分配到同一个存储器模块中，可靠性、容错能力和扩展性均较强，但访问时易产生冲突，带宽较窄，并行性较差。高低位交叉存取又称C—s存取，它是结合了高位交叉和低位交叉两种方法的优点，既解决了冲突问题，又能有效地提高容错能力和并行性，最适合于向量处理机结构。
3．流水线：流水线技术主要有指令流水线技术和运算流水线技术两种。
指令流水线技术主要目的是要提高计算机的运行效率和吞吐率。它主要通过设置预取指令缓冲区、设置多功能部件、进行内部数据定向、采取适当的指令调度策略来实现。指令调度的策略主要有静态和动态两种，静态词度是基于软件的，主要由编译器完成，动态词度是基于硬件的，主要是通过硬件技术进行。
运算流水线主要有单功能流水线和多功能流水线两种。其中多功能流水线又可分为静态流水线和动态流水线。静态流水线技术只用来实现确定的功能，而动态流水线可以在不同时间重新组合，实现不同的功能，它除流线连接外，还允许前馈和反馈连接，因此也称为非线性流水线。这些前馈和反馈连接使得进入流水线的相继事件的词度变得很不简单。由于这些连接，流水线不一定从最后一段输出。根据不同的数据流动模式，人们可以用同一条流水线求得不同功能的值。
并行计算机发展简述
40 年代开始的现代计算机发展历程可以分为两个明显的发展时代：串行计算时代、并行计算时代。每一个计算时代都从体系结构发展开始，接着是系统软件（特别是编译器与操作系统）、应用软件，最后随着问题求解环境的发展而达到顶峰。创建和使用并行计算机的主要原因是因为并行计算机是解决单处理器速度瓶颈的最好方法之一。
并行计算机是由一组处理单元组成的，这组处理单元通过相互之间的通信与协作，以更快的速度共同完成一项大规模的计算任务。因此，并行计算机的两个最主要的组成部分是计算节点和节点间的通信与协作机制。并行计算机体系结构的发展也主要体现在计算节点性能的提高以及节点间通信技术的改进两方面。
60 年代初期，由于晶体管以及磁芯存储器的出现，处理单元变得越来越小，存储器也更加小巧和廉价。这些技术发展的结果导致了并行计算机的出现，这一时期的并行计算机多是规模不大的共享存储多处理器系统，即所谓大型主机（Mainframe）。IBM360 是这一时期的典型代表。
到了60 年代末期，同一个处理器开始设置多个功能相同的功能单元，流水线技术也出现了。与单纯提高时钟频率相比，这些并行特性在处理器内部的应用大大提高了并行计算机系统的性能。伊利诺依大学和Burroughs 公司此时开始实施IlliacIV 计划，研制一台64 个CPU 的SIMD 主机系统，它涉及到硬件技术、体系结构、I/O 设备、操作系统、程序设计语言直至应用程序在内的众多研究课题。不过，当一台规模大大缩小了的16CPU 系统终于在1975 年面世时，整个计算机界已经发生了巨大变化。
首先是存储系统概念的革新，提出虚拟存储和缓存的思想。IBM360/85 系统与360/91是属于同一系列的两个机型，360/91 的主频高于360/85，所选用的内存速度也较快，并且采用了动态调度的指令流水线；但是，360/85 的整体性能却高于360/91，唯一的原因就是前者采用了缓存技术，而后者则没有。
其次是半导体存储器开始代替磁芯存储器。最初，半导体存储器只是在某些机器被用作缓存，而CDC7600 则率先全面采用这种体积更小、速度更快、可以直接寻址的半导体存储器，磁芯存储器从此退出了历史舞台。与此同时，集成电路也出现了，并迅速应用到了计算机中。元器件技术的这两大革命性突破，使得IlliacIV 的设计者们在底层硬件以及并行体系结构方面提出的种种改进都大为逊色。
1976 年CRAY-1 问世以后，向量计算机从此牢牢地控制着整个高性能计算机市场15 年。CRAY-1 对所使用的逻辑电路进行了精心的设计，采用了我们如今称为RISC 的精简指令集，还引入了向量寄存器，以完成向量运算。这一系列全新技术手段的使用，使CRAY-1 的主频达到了80MHz。
微处理器随着机器的字长从4 位、8 位、16 位一直增加到32 位，其性能也随之显着提高。正是因为看到了微处理器的这种潜力，卡内基- 梅隆大学开始在当时流行的DECPDP11 小型计算机的基础上研制成功一台由16 个PDP11/40 处理机通过交叉开关与16 个共享存储器模块相连接而成的共享存储多处理器系统C.mmp。
从80 年代开始，微处理器技术一直在高速前进。稍后又出现了非常适合于SMP 方式的总线协议，而伯克利加州大学则对总线协议进行了扩展，提出了Cache 一致性问题的处理方案。从此，C.mmp 开创出的共享存储多处理器之路越走越宽；现在，这种体系结构已经基本上统治了服务器和桌面工作站市场。
同一时期，基于消息传递机制的并行计算机也开始不断涌现。80 年代中期，加州理工成功地将64 个i8086/i8087 处理器通过超立方体互连结构连结起来。此后，便先后出现了Intel iPSC 系列、INMOS Transputer 系列，Intel Paragon 以及IBM SP 的前身Vulcan 等基于消息传递机制的并行计算机。
80 年代末到90 年代初，共享存储器方式的大规模并行计算机又获得了新的发展。IBM将大量早期RISC 微处理器通过蝶形互连网络连结起来。人们开始考虑如何才能在实现共享存储器缓存一致的同时，使系统具有一定的可扩展性（Scalability）。90 年代初期，斯坦福大学提出了DASH 计划，它通过维护一个保存有每一缓存块位置信息的目录结构来实现分布式共享存储器的缓存一致性。后来，IEEE 在此基础上提出了缓存一致性协议的标准。
90 年代以来，主要的几种体系结构开始走向融合。属于数据并行类型的CM-5 除大量采用商品化的微处理器以外，也允许用户层的程序传递一些简单的消息；CRAY T3D是一台NUMA 结构的共享存储型并行计算机，但是它也提供了全局同步机制、消息队列机制，并采取了一些减少消息传递延迟的技术。
随着商品化微处理器、网络设备的发展，以及MPI/PVM 等并行编程标准的发布，机群架构的并行计算机出现。IBM SP2 系列机群系统就是其中的典型代表。在这些系统中，各个节点采用的都是标准的商品化计算机，它们之间通过高速网络连接起来。
今天，越来越多的并行计算机系统采用商品化的微处理器加上商品化的互连网络构造，这种分布存储的并行计算机系统称为机群。国内几乎所有的高性能计算机厂商都生产这种具有极高性能价格比的高性能计算机，并行计算机就进入了一个新的时代，并行计算的应用达到了前所未有的广度和深度。
并行计算机随着微处理芯片的发展，已经进入了一个新时代。目前并行计算机的性能已经突破20PFLOPS，正在向百亿亿次发展。我国并行计算机的研制已经走在世界前列。2003年由联想公司生产的深腾6800 在2003 年11 月世界TOP500 排名中位列第14 名，2004 年曙光公司生产的曙光4000A 在2004 年6 月的世界TOP500 排名中位列第10 名，这是我国公开发布的高性能计算机在世界TOP500 中首次进入前十名，这标志着我国在并行计算机系统的研制和生产中已经赶上了国际先进水平，为提高我国的科学研究水平奠定了物质基础。2013年国际超级计算机大会最新发布的世界超级计算机500强排名中，国防科技大学研制的天河二号超级计算机系统，以峰值计算速度每秒5.49亿亿次、持续计算速度每秒3.39亿亿次双精度浮点运算的优异性能位居榜首。
从TOP500 的前10 名来看，美国仍然是超级计算机的最大拥有者。按照世界TOP500 的统计数据来分析，美国在计算能力上占有近全世界的一半，在TOP500 中的所有计算机中拥有的数量超过50%。