AdaptiveCpp项目在Intel GPU上运行TeaLeaf基准测试的调试经验

问题背景

在AdaptiveCpp项目中，研究人员尝试在Intel(R) Data Center GPU Max 1100/1550上运行TeaLeaf基准测试时遇到了程序挂起的问题。该问题发生在使用std::transform_reduce算法时，系统日志显示出现了页面错误(page fault)。

环境配置

测试环境使用了以下关键组件：

• AdaptiveCpp编译器(基于hipSYCL)
• Intel OpenCL运行时(版本23.35.27191.9)
• Clang 14编译器
• TeaLeaf基准测试代码

构建配置使用了std-parallel(STDPAR)后端，通过CMake参数启用了OpenCL支持，并设置了特定的编译选项。

问题现象

程序运行时出现以下症状：

1. 内核日志报告页面错误："page fault @ 0xff00fffffffa1000"
2. 调用栈显示问题发生在std::transform_reduce内部
3. 程序在等待OpenCL队列时挂起

值得注意的是，类似的CloverLeaf基准测试在相同环境下运行正常，表明问题可能与特定算法实现相关。

调试过程

通过分析调用栈和日志，研究人员发现：

1. 问题发生在field_summary函数的transform_reduce操作中
2. 内存访问异常表明可能存在地址越界或内存管理问题
3. 使用ACPP_DEBUG_LEVEL=3获取了详细的运行时日志

解决方案

经过多次尝试，问题最终通过以下方式解决：

1. 升级OpenCL运行时：使用更新版本的Intel计算运行时解决了页面错误问题
2. 调整输入参数：修改tea.in配置文件中的网格尺寸(x_cells和y_cells)为1024x1024
3. 禁用预取：设置环境变量ACPP_STDPAR_PREFETCH_MODE=never

技术要点

这个案例揭示了几个重要技术点：

1. 硬件兼容性：不同版本的GPU驱动和运行时对STDPAR支持可能存在差异
2. 内存管理：大规模并行计算中内存访问模式对稳定性影响显著
3. 输入规模：问题网格尺寸可能影响算法的内存访问模式

经验总结

对于在Intel GPU上使用AdaptiveCpp运行并行算法的开发者，建议：

1. 确保使用最新版本的OpenCL运行时和驱动程序
2. 对于复杂算法，逐步调整输入规模进行测试
3. 合理配置内存预取等优化选项
4. 充分利用调试工具(如ACPP_DEBUG_LEVEL)分析问题

这个案例展示了异构计算环境中软硬件协同调试的重要性，也为类似问题的解决提供了参考路径。