Faiss优化:针对OMP_NUM_THREADS环境变量设置的测试验证

前言

记录一下Faiss在项目使用中的一些优化,对OMP_NUM_THREADS 环境变量参数的测试验证~

   OMP_NUM_THREADS 用于控制线程并发数.

   测试条件:单个循环请求,持续时间大于15m;
   基础数据:200w
   软件环境:docker; ubuntu 16.04 ;python2.7; faiss:1.4.0-cpu
   检索服务功能: (汉明距离计算 + 欧式距离计算 )

结论:

    测试总结如下:
        * CPU=1 & OMP_NUM_THREADS=1时,
         - 1m,5m,15m load average 分布为 31.54,41.16,43.43;
         - CPUs(%) 用户空间占比:32.1;内核空间占比:2.4;空闲占比:65.2;
         - faiss 检索耗时大约在5-6ms左右;
         - 检索服务整体响应时间较平稳,大部分在12ms左右;
    * CPU=3 & OMP_NUM_THREADS=1时,
         - 1m,5m,15m load average 分布为 49.17,48.70,50.54;
         - CPUs(%) 用户空间占比:39.5;内核空间占比:4.2;空闲占比:30.3;
         - faiss 检索耗时大约在5-7ms左右;
         - 检索服务整体响应时间较平稳,大部分耗时在12ms左右;
    * CPU=3 & OMP_NUM_THREADS=10时,
         - 1m,5m,15m load average 分布为 41.33,43.90,55.87;
         - CPUs(%) 用户空间占比:20.7;内核空间占比:2.3;空闲占比:58.0;
         - faiss 检索耗时不稳定,抖动较大, 大约在10-90ms左右;
         - 检索服务整体响应时间存在抖动,大约在14-92ms左右;
    * CPU=1 & OMP_NUM_THREADS=10时,
         - 1m,5m,15m load average 分布为 67.77,61.89,61.07;
         - CPUs(%) 用户空间占比:20.6;内核空间占比:2.9;空闲占比:18.2;
         - faiss 检索耗时不稳定,抖动较大, 大约在5-80ms左右;
         - 检索服务整体响应时间存在抖动,大约在13-99ms左右;

    最终结论:
        a: OMP_NUM_THREADS=1时,faiss检索耗时较稳定;
        b: OMP_NUM_THREADS=10时,faiss检索耗时不稳定,抖动较大;
        b: OMP_NUM_THREADS=1时, 多核CPU相较于单核CPU,负载略高,利用率略高,空闲占比较低;
        c: OMP_NUM_THREADS=10时, 多核CPU相较于单核CPU,负载较低,利用率较低,空闲占比较高;
        d: 优化方向:OMP_NUM_THREADS=1 + 多进程

测试结果统计:

* CPU=1 & OMP_NUM_THREADS=1

CPU=1 & OMP_NUM_THREADS=1 内存情况

CPU=1 & OMP_NUM_THREADS=1 faiss 检索时间

CPU=1 & OMP_NUM_THREADS=1 检索服务整体响应时间

* CPU=3 & OMP_NUM_THREADS=1

CPU=3 & OMP_NUM_THREADS=1 内存情况

CPU=3 & OMP_NUM_THREADS=1 faiss 检索时间

CPU=3 & OMP_NUM_THREADS=1 检索服务整体响应时间

* CPU=3 & OMP_NUM_THREADS=10

CPU=3 & OMP_NUM_THREADS=10 内存情况

CPU=3 & OMP_NUM_THREADS=10 faiss 检索时间

CPU=3 & OMP_NUM_THREADS=10 检索服务整体响应时间

* CPU=1 & OMP_NUM_THREADS=10

CPU=1 & OMP_NUM_THREADS=10 内存情况

CPU=1 & OMP_NUM_THREADS=10 faiss 检索时间

CPU=1 & OMP_NUM_THREADS=10 检索服务整体响应时间
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,242评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,769评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,484评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,133评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,007评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,080评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,496评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,190评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,464评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,549评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,330评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,205评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,567评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,889评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,160评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,475评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,650评论 2 335