# Задание 1: CUDA-реализация LINPACK-подобного теста

В папке лежит готовый каркас под первое задание:

- `src/main.cu` — собственная CUDA-реализация решения плотной СЛАУ методом Якоби.
- `scripts/build.sh` — сборка программы через `nvcc`.
- `scripts/run_cuda.slurm` — пакетный запуск собственной CUDA-версии.
- `scripts/run_intel_linpack.slurm` — пакетный запуск стандартного Intel LINPACK на CPU.

Программа генерирует строго диагонально доминирующую матрицу `A`, заранее известный вектор решения `x_true`, правую часть `b = A * x_true`, после чего решает систему методом Якоби на GPU. В выводе печатаются:

- размер матрицы `N`;
- лучшее время решения в миллисекундах;
- число итераций;
- норма невязки `||Ax - b||_inf`;
- ошибка `||x - x_true||_inf`;
- LINPACK-like производительность в GFLOPS.

## Что сделать на СКЦ

### 1. Передать папку на кластер

Если алиас `polytech` уже прописан в `~/.ssh/config`, достаточно:

```bash
scp -r task1 polytech:~/supercomputers/
```

### 2. Подключиться

```bash
ssh polytech
cd ~/supercomputers/task1
```

### 3. Запустить собственную CUDA-реализацию

```bash
sbatch scripts/run_cuda.slurm
```

Сразу после отправки Slurm вернёт `job id`. Дальше:

```bash
squeue -u tm3u21
sacct -j <JOBID_CUDA> --format=JobID,JobName,Partition,State,Start,End,Elapsed,NNodes,AllocTRES%40,NodeList,ExitCode
```

В текущей конфигурации СКЦ в `tornado-k40` GPU выбирается самим разделом, поэтому в `slurm`-скрипте не используется `--gres=gpu:1`. Сам скрипт запускается из `SLURM_SUBMIT_DIR`, как в рабочем примере из методички, чтобы сборка и логи всегда шли именно в `~/supercomputers/task1`, а не во временную директорию Slurm.

После завершения посмотри:

```bash
less results/task1-cuda-<JOBID_CUDA>.out
cat results/task1-cuda-<JOBID_CUDA>.csv
```

Если на кластере нужна другая GPU-архитектура, можно пересобрать так:

```bash
CUDA_ARCH=sm_70 ./scripts/build.sh
```

По умолчанию в `build.sh` стоит `sm_35`, потому что пример ориентирован на `tornado-k40`.

### 4. Запустить стандартный Intel LINPACK

```bash
sbatch scripts/run_intel_linpack.slurm
```

Проверка статуса и итогов:

```bash
sacct -j <JOBID_INTEL> --format=JobID,JobName,Partition,State,Start,End,Elapsed,NNodes,AllocTRES%40,NodeList,ExitCode
less results/task1-intel-linpack-<JOBID_INTEL>.out
```

Если каталог с Intel LINPACK на кластере другой, отправь задание так:

```bash
sbatch --export=ALL,LINPACK_DIR=/linux/share/mkl/benchmarks/linpack scripts/run_intel_linpack.slurm
```

## Что нужно собрать для отчёта

Ниже последовательность, которая даст все обязательные материалы для отчёта и скриншотов.

### Шаг 1. Скрин входа с логином

На login-узле выполни:

```bash
whoami
hostname
date
```

Сделай скрин терминала. На нём должен быть виден логин `tm3u21`.

### Шаг 2. Скрин конфигурации узла и GPU

После завершения CUDA-задачи открой:

```bash
less results/task1-cuda-<JOBID_CUDA>.out
```

В начале файла уже будут:

- `whoami`, `hostname`, `date`;
- `scontrol show job ...`;
- `scontrol show node ...`;
- `lscpu`;
- `nvidia-smi`.

Сделай отдельные скрины с этой информацией.

### Шаг 3. Скрин времени выполнения и числа узлов

Выполни:

```bash
sacct -j <JOBID_CUDA>,<JOBID_INTEL> --format=JobID,JobName,Partition,State,Elapsed,NNodes,AllocTRES%40,NodeList,ExitCode
```

На этом скрине будут:

- время выполнения;
- количество узлов;
- список узлов;
- тип выделенных ресурсов.

### Шаг 4. Вынести численные результаты

Для собственной программы значения бери из файла:

```bash
cat results/task1-cuda-<JOBID_CUDA>.csv
```

Для Intel LINPACK значения времени и GFLOPS бери из:

```bash
less results/task1-intel-linpack-<JOBID_INTEL>.out
```

Ищи секцию `Performance Summary`.

## Какие картинки ожидает `report/report.tex`

В отчёте уже подготовлены следующие пути:

- `report/img/task1-login.png`
- `report/img/task1-cuda-node.png`
- `report/img/task1-cuda-run.png`
- `report/img/task1-cuda-sacct.png`
- `report/img/task1-intel-run.png`
- `report/img/task1-intel-sacct.png`

Просто положи туда свои скриншоты с этими именами.

## Если нужно поменять размеры задач

Собственная программа сейчас запускается на:

- `1000`
- `1500`
- `2000`
- `2500`
- `3000`
- `3500`

Это задаётся параметрами в `scripts/run_cuda.slurm`:

```bash
--start 1000 --step 500 --count 6
```

Если удобнее задать точный набор размеров, используй:

```bash
./bin/linpack_cuda --sizes 1000,2000,3000
```

## Ограничения

Этот код я здесь локально не компилировал, потому что в окружении нет гарантированно настроенного CUDA toolchain и GPU. Поэтому первый реальный прогон лучше делать сразу на СКЦ; если что-то упадёт по модулю, архитектуре GPU или пути к Intel LINPACK, пришли ошибку, и я быстро подправлю.