GR-raytracing/benchmarks/2mass_galactic_center_cpu_hip_2026-09-07.md

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：生成并导出 lens map。
• HIP 原始日志：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。

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。
• 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。