linux mkl 编译

一、基础概念

Linux
- Linux是一套免费使用和自由传播的类UNIX操作系统，其内核由林纳斯·本纳第克特·托瓦兹于1991年10月5日首次发布。Linux具有多用户、多任务、支持多线程和多CPU的特点。

MKL（Math Kernel Library）
- MKL是英特尔推出的一套高度优化的数学函数库。它包含了线性代数、向量数学、矩阵乘法等众多数学运算的高效实现。这些函数经过针对英特尔架构（如x86）的深度优化，可以利用多核处理器、SIMD（单指令多数据）指令集等特性来提高计算性能。
编译
- 编译是将一种编程语言（源语言，如C、C++）编写的程序代码转换成另一种语言（目标语言，通常是机器语言或者中间代码）的过程。在Linux下编译包含MKL的程序时，需要确保编译器能够正确链接到MKL库中的函数。

二、相关优势

性能提升
- MKL经过高度优化，对于大量的数学计算任务，如科学计算中的矩阵求解、向量运算等，可以显著提高计算速度。例如，在进行大规模矩阵乘法时，使用MKL可能比使用普通的数学库快数倍甚至数十倍。

跨平台兼容性（在一定程度上）
- 虽然MKL是英特尔推出的，但在Linux系统下，它可以在多种基于x86架构的系统上运行，并且通过一些配置也可以在部分非英特尔架构（如AMD的部分兼容架构）上使用。

三、类型（这里主要指MKL相关的类型概念）

函数类型
- MKL包含了多种类型的函数，例如矩阵分解函数（如LAPACK中的dgesvd用于双精度矩阵的奇异值分解）、向量数学函数（如向量的点积计算函数）等。

数据类型支持
- 它支持多种数据类型，包括单精度浮点数（float）、双精度浮点数（double）、整数类型等，以满足不同精度要求的数学计算需求。

四、应用场景

科学计算
- 在物理学模拟（如分子动力学模拟）、工程计算（如结构力学分析）等领域，需要进行大量的矩阵运算和数值求解，MKL可以大大提高计算效率。

数据分析
- 对于大数据集中的统计分析、机器学习算法中的矩阵运算部分（如主成分分析中的协方差矩阵计算），MKL能够加速计算过程。

五、编译时可能遇到的问题及解决方法

找不到MKL库文件
- 原因：可能是没有正确安装MKL库，或者编译器的搜索路径没有包含MKL库的安装路径。
- 解决方法：
  - 首先确保已经安装了MKL库。如果使用的是基于Red Hat的系统（如CentOS），可以通过包管理器安装，例如yum install intel - mkl（具体命令可能因版本而异）。
  - 在编译时，需要指定MKL库的路径和链接库。例如，如果使用gcc编译一个C程序，在编译命令中添加-I /opt/intel/mkl/include -L /opt/intel/mkl/lib/intel64 -lmkl_intel_lp64 -lmkl_sequential -lmkl_core -lpthread -lm -ldl（这里的路径是假设MKL安装在/opt/intel/mkl下，实际路径根据安装情况而定）。

版本兼容性问题
- 原因：如果使用的编译器版本与MKL库版本不兼容，可能会出现链接错误或者运行时错误。
- 解决方法：
  - 查看编译器和MKL库的版本兼容性文档。一般来说，较新的编译器可能需要较新版本的MKL库或者特定的配置才能正常工作。如果存在不兼容情况，可以尝试升级或降级编译器或者MKL库版本，使其相互匹配。

以下是一个简单的C示例代码，演示如何在Linux下编译使用MKL库计算矩阵乘法：

#include <stdio.h>
#include <mkl.h>

int main() {
    double A[2][3] = {
       {1, 2, 3},
       {4, 5, 6}
    };
    double B[3][2] = {
       {7, 8},
       {9, 10},
       {11, 12}
    };
    double C[2][2];
    int m = 2, n = 3, k = 2;

    cblas_dgemm(CblasRowMajor, CblasNoTrans, CblasNoTrans, m, k, n, 1.0, &A[0][0], n, &B[0][0], k, 0.0, &C[0][0], k);

    for (int i = 0; i < m; i++) {
       for (int j = 0; j < k; j++) {
          printf("%f ", C[i][j]);
       }
       printf("\n");
    }

    return 0;
}

编译命令（假设MKL安装在/opt/intel/mkl）：

gcc -I /opt/intel/mkl/include -L /opt/intel/mkl/lib/intel64 -lmkl_intel_lp64 -lmkl_sequential -lmkl_core -lpthread -lm -ldl matrix_mul.c -o matrix_mul