我已阅读有关在 AMD 上运行 linpack 的文章 [1]。根据我的理解，执行策略是每个 L3 缓存有 1 个 MPI 等级，每个有 4 个线程，因为 L3 缓存用于四个物理内核。现在，通过阅读这篇文章，我有三个无法通过谷歌搜索回答的问题：
1) 他正在对单个 CPU 系统进行基准测试。我想通常 OpenMPI 用于在集群上部署 linpack。但是使用多个 MPI 等级而不是具有更多线程的等级是否有任何性能优势？在多插槽/共享内存机器上，根据我的理解，这应该没有任何区别。
2) 他运行基准测试如下：
export OMP_PROC_BIND=TRUE
export OMP_PLACES=cores
export OMP_NUM_THREADS=4
mpirun -np 8 --map-by l3cache --mca btl self,vader xhpl
我的问题是 mpirun 的 bind-to 的默认设置是绑定到核心。据我了解，这意味着每个等级都绑定到一个核心。现在，即使 OMP 线程也绑定到核心，我看不到每个等级的四个线程将在四个核心上执行。相反，由于等级（进程）绑定到一个核心，等级由四个 OMP 线程组成，它们都共享同一个核心，这不是预期的吗？我没有 CPU 来验证我的假设。我是否正确，这里缺少 --bind-to l3cache 设置以允许 OMP 线程分布在共享 l3 缓存的所有内核上？如果不是，为什么？
3) 他指出，在进行基准测试时应该禁用 SMT。为什么？我知道如果像 FPU 这样的共享执行单元已经饱和，硬件线程可能不会总是提高性能，但为什么它们会降低性能呢？
非常感谢您的帮助。
亲切的问候，马克西米利安