谁能告诉我为什么我 无法dgemm通过以下方式在R中 成功 测试OpenBLAS的性能（在GFLOP 中）？

1. 链接R与“参考BLAS” libblas.so
2. mmperf.c用OpenBLAS库编译我的C程序libopenblas.so
3. 将生成的共享库加载mmperf.so到R中，调用R包装器函数mmperf并dgemm在GFLOP中报告性能。

第1点看起来很奇怪，但是我别无选择，因为我没有要测试的计算机的root访问权限，因此无法实际链接到OpenBLAS。通过 “未成功”
我的意思是我的程序结束了报告dgemm以供参考BLAS，而不是OpenBLAS性能。我希望有人可以向我解释：

1. 为什么我的方法不起作用；
2. 是否有可能使其正常工作（这很重要，因为如果不可能，我必须编写C main函数并在C程序中完成工作。）

我已经对该问题进行了为期两天的调查，这里将包括各种系统输出以帮助您进行诊断。为了使事情可重现，我还将包括代码，makefile以及shell命令。

第1部分：测试之前的系统环境

有2种方式来调用R，或者使用R或Rscript。调用它们时加载的内容有所不同：

~/Desktop/dgemm$ readelf -d $(R RHOME)/bin/exec/R | grep "NEEDED"
0x00000001 (NEEDED)         Shared library: [libR.so]
0x00000001 (NEEDED)         Shared library: [libpthread.so.0]
0x00000001 (NEEDED)         Shared library: [libc.so.6]

~/Desktop/dgemm$ readelf -d $(R RHOME)/bin/Rscript | grep "NEEDED"
0x00000001 (NEEDED)         Shared library: [libc.so.6]

在这里，我们需要选择Rscript，因为Rloads libR.so会自动加载参考BLAS libblas.so.3：

~/Desktop/dgemm$ readelf -d $(R RHOME)/lib/libR.so | grep blas
0x00000001 (NEEDED)         Shared library: [libblas.so.3]

~/Desktop/dgemm$ ls -l /etc/alternatives/libblas.so.3
... 31 May /etc/alternatives/libblas.so.3 -> /usr/lib/libblas/libblas.so.3.0

~/Desktop/dgemm$ readelf -d /usr/lib/libblas/libblas.so.3 | grep SONAME
0x0000000e (SONAME)         Library soname: [libblas.so.3]

比较而言，Rscript提供了一个更清洁的环境。

第2部分：OpenBLAS

从OpenBLAS下载源文件并使用简单的make命令后，libopenblas-<arch>-<release>.so-<version>可以生成表单的共享库。请注意，我们没有root权限来安装它；相反，我们将此库复制到我们的工作目录中~/Desktop/dgemm，并将其重命名为libopenblas.so。同时，我们必须使用name创建另一个副本libopenblas.so.0，因为这是运行时加载程序将寻找的
SONAME ：

~/Desktop/dgemm$ readelf -d libopenblas.so | grep "RPATH\|SONAME"
0x0000000e (SONAME)         Library soname: [libopenblas.so.0]

请注意，RPATH没有提供该属性，这意味着打算将该库放入其中/usr/lib，我们应该调用ldconfig将其添加到中ld.so.cache。但是同样，我们没有root权限来执行此操作。实际上，如果能够做到，那么所有的困难都消除了。然后，我们可以update- alternatives --config libblas.so.3用来将R有效地链接到OpenBLAS。

第3部分：C代码，Makefile和R代码

这是一个C脚本，用于mmperf.c计算大小乘以2的平方矩阵的GFLOP N：

#include <R.h>
#include <Rmath.h>
#include <Rinternals.h>
#include <R_ext/BLAS.h>
#include <sys/time.h>

/* standard C subroutine */
double mmperf (int n) {
  /* local vars */
  int n2 = n * n, tmp; double *A, *C, one = 1.0;
  struct timeval t1, t2; double elapsedTime, GFLOPs;
  /* simulate N-by-N matrix A */
  A = (double *)calloc(n2, sizeof(double));
  GetRNGstate();
  tmp = 0; while (tmp < n2) {A[tmp] = runif(0.0, 1.0); tmp++;}
  PutRNGstate();
  /* generate N-by-N zero matrix C */
  C = (double *)calloc(n2, sizeof(double));
  /* time 'dgemm.f' for C <- A * A + C */
  gettimeofday(&t1, NULL);
  F77_CALL(dgemm) ("N", "N", &n, &n, &n, &one, A, &n, A, &n, &one, C, &n);
  gettimeofday(&t2, NULL);
  /* free memory */
  free(A); free(C);
  /* compute and return elapsedTime in microseconds (usec or 1e-6 sec) */
  elapsedTime = (double)(t2.tv_sec - t1.tv_sec) * 1e+6;
  elapsedTime += (double)(t2.tv_usec - t1.tv_usec);
  /* convert microseconds to nanoseconds (1e-9 sec) */
  elapsedTime *= 1e+3;
  /* compute and return GFLOPs */
  GFLOPs = 2.0 * (double)n2 * (double)n / elapsedTime;
  return GFLOPs;
  }

/* R wrapper */
SEXP R_mmperf (SEXP n) {
  double GFLOPs = mmperf(asInteger(n));
  return ScalarReal(GFLOPs);
  }

这是一个简单的R脚本，mmperf.R用于报告案例的GFLOPN = 2000

mmperf <- function (n) {
  dyn.load("mmperf.so")
  GFLOPs <- .Call("R_mmperf", n)
  dyn.unload("mmperf.so")
  return(GFLOPs)
  }

GFLOPs <- round(mmperf(2000), 2)
cat(paste("GFLOPs =",GFLOPs, "\n"))

最后，有一个简单的makefile来生成共享库mmperf.so：

mmperf.so: mmperf.o
    gcc -shared -L$(shell pwd) -Wl,-rpath=$(shell pwd) -o mmperf.so mmperf.o -lopenblas

mmperf.o: mmperf.c
    gcc -fpic -O2 -I$(shell Rscript --default-packages=base --vanilla -e 'cat(R.home("include"))') -c mmperf.c

将所有这些文件放在工作目录下~/Desktop/dgemm，并进行编译：

~/Desktop/dgemm$ make
~/Desktop/dgemm$ readelf -d mmperf.so | grep "NEEDED\|RPATH\|SONAME"
0x00000001 (NEEDED)            Shared library: [libopenblas.so.0]
0x00000001 (NEEDED)            Shared library: [libc.so.6]
0x0000000f (RPATH)             Library rpath: [/home/zheyuan/Desktop/dgemm]

输出使我们确信OpenBLAS已正确链接，并且运行时加载路径已正确设置。

第4部分：在R中测试OpenBLAS

让我们做

~/Desktop/dgemm$ Rscript --default-packages=base --vanilla mmperf.R

请注意，我们的脚本仅需要baseR中的软件包，并--vanilla用于忽略R启动时的所有用户设置。在我的笔记本电脑上，我的程序返回：

GFLOPs = 1.11

糟糕！这确实是参考BLAS性能，而不是OpenBLAS（大约8-9 GFLOP）。

第5部分：为什么？

老实说，我不知道为什么会这样。每个步骤似乎正常工作。调用R时会发生一些细微的变化吗？例如，由于某种原因，某些时候OpenBLAS库可能被引用BLAS覆盖吗？有什么解释和解决方案吗？谢谢！