# 2MASS 银河中心完整 4K：CPU / 优化 HIP（2026-09-07 归档）

## 代码版本与证据来源

HIP 优化提交：**`e1ec480669b0d24a0266ee135edf8a64a0d80ec9`**
（`HIP: accelerate PSF accumulation and restore parallel producers`）。
该提交包含 32-thread/event kernel、并行 CPU producer、有界双缓冲、全批次计时及回归测试。
HIP 完整运行发生在提交之前，对应此次提交的实现；运行日志本身没有嵌入 Git 或 binary hash。

用户指定本页 CPU 运行作为可比较基准，并说明
`265d7b95d5b916ec4768d174d73ad963a43f0088` 修复了此前的一些伪像。
因此，旧 `dd8cf29` 记录的 598,308,919 星像和 1,365 wing-clipped 不用于本次性能/正确性配对。
CPU 日志同样未嵌入 binary hash，不将代码版本说明冒充运行时二进制校验。

两份完整命令与原始终端输出均由用户提供：

- [CPU 原始日志](2mass_galactic_center_cpu_hip_2026-09-07/cpu.log)：生成并导出 lens map。
- [HIP 原始日志](2mass_galactic_center_cpu_hip_2026-09-07/hip.log)：导入同一 lens map；保留全部
  worker 进度、每五秒 batch 进度、最终计数及 zsh `time` 输出，未删减成汇总。

用户确认：**两个 PNG 比特级完全一致。** 本次归档没有重跑渲染，也没有重新执行文件比较；
原始比较命令和两个 PNG 的 SHA256 未提供。不将 PNG 一致性扩大为完整任务的 linear HDR
逐样本一致性声明。此前有界样本的 HDR 验证另见
[有界排查记录](hip_psf_2026-09-07.md)。

## 工作负载与环境

- 主机沿用有界排查的 AMD Radeon RX 9070（gfx1201）与 HIP 7.2 环境；用户说明测试时段无其他
  持续负载。完整日志没有独立输出驱动/编译器版本，前期环境证据见
  [metadata.log](hip_psf_2026-09-07/metadata.log)。
- Release CPU/HIP 可执行文件，启用 HDR 输出；完整运行的实际编译命令未附在用户日志中。
- 3840×2160，45° FOV，RA 262.5° / Dec −30°，observer radius 100 M。
- CPU coarse cell 16，refine max level 4，Jacobian min 0.2；导出的 lens map 包含
  65,817 vertices 和 130,882 triangles，HIP 直接导入它。
- 两次均请求并加载 64,440 tiles、343,363,141 stars，无 unavailable tile；catalog loaders=4。
- HIP 明确报告 16 producer workers。CPU 日志报告 1521% CPU，没有单独打印 worker 数。
- PSF FWHM 2.7 px、Moffat beta 4.5、relative tail 1e-8、min-Y=0、max-cache-psf-flux=1e8、
  exposure=1e13；cache 为 64×64 phases、radius 47 px。
- 用户原始 CPU/HIP 命令使用相同 PNG 输出路径，且 CPU 命令的文件名也带 `full-gpu`；
  原样保留此命名，不根据文件名判断 backend。未来复现应分别指定输出文件名，避免覆盖对照。

## 完整运行结果

| 项目 | CPU | 优化 HIP |
| --- | ---: | ---: |
| 总墙钟时间 | 1474.32 s（24:34.32） | 533.06 s（8:53.06） |
| user | 22234.08 s | 7733.61 s |
| system | 200.30 s | 61.18 s |
| CPU 百分比 | 1521% | 1462% |
| PSF cache build | 0.676 s | 0.691 s |
| catalog prefetch | 49.253 s | 48.201 s |
| 星像 / cached | 598264924 | 598264924 |
| wing-clipped | 0 | 0 |
| direct fallback | 0 | 0 |
| discarded below min-Y | 0 | 0 |

总墙钟时间比 `1474.32 / 533.06 = 2.76577`，耗时减少约 **63.84%**，节省 **941.26 秒**
（15 分 41.26 秒）。这是两次工作流的端到端时间比：CPU 包含 tracing 与 lens-map 写出，
HIP 导入文件；没有独立的 CPU PSF 阶段计时，不能把该比值称作严格隔离的 PSF backend 加速比。

HIP 全程诊断：

| 项目 | 结果 |
| --- | ---: |
| producer/splat wall | 481.155 s（frame 日志四舍五入为481.2 s） |
| GPU kernel | 476.906037 s |
| event upload | 1.504570 s |
| HDR download | 0.021966 s |
| batch / timed batch | 36526 / 36526 |
| summed worker generation | 3302.459 s |
| summed worker submission/fallback | 4395.356 s |

GPU kernel 时间约为 producer/splat wall 的 **99.12%**，kernel 吞吐约 **125.45 万事件/秒**。
上传占比很小，CPU producer 在中段能够持续供给 GPU；下一步性能工作应优先研究 kernel，
而不是仅增加 CPU worker 或上传带宽。这不单独证明 atomic contention 是 kernel 的主导成本。

多数进度行的 submitted−completed=32,768，等于两个 16,384-event staging slot，符合
有界队列与计时回收的设计。最后全部 36,526 批计时，没有沿用旧版前 64 批采样限制。

两个 worker 时间是线程墙钟之和，其中 submission/fallback 包含锁与设备等待：
`3302.459 + 4395.356 = 7697.815 ≈ 16 × 481.155`。不能将它们当作额外串行时间加到
GPU 或总墙钟时间上，1462% CPU 也不能全部解释为有效计算。

## 比较结论

本次完整任务确认了优化的实际收益，星像及 PSF 分类计数全部匹配，PNG 比特级一致由用户确认。
旧 CPU 文档中的计数差异属于不同修复版本，已不构成本次 CPU/HIP 配对的疑点。
原有完整日志、硬件/构建证据的限制与 tracing/import 差异均保留，不用小规模 kernel 加速比
替代这里的完整运行结果。