MTL(Matrix Template Library)的作者在其論文序章裡,道出了科學計算軟體建構的艱辛與機遇。以下為這段序章的整理與譯介。
為科學計算打造軟體是一項艱鉅的任務。科學計算的程式碼往往龐大而複雜,建構時需要具備大量領域知識;它們還要處理龐大的資料集,因此除了正確性之外,對效率與高效能也有額外的要求。要做出必要的最佳化,往往得具備對現代電腦架構與編譯器的深入了解,而這是一項耗時的工作,會進一步使程式碼變得更複雜。
過去十年,軟體工程領域有長足進展,湧現出許多管理軟體複雜度、建構抽象的新技術。在這些新術語(物件導向、泛型、面向切面、生成式、超程式設計)的背後,其實有一批紮實的成果,為科學計算指出一條建構更好軟體的道路——那是一種可攜、可維護,又能以更低開發成本達到高效能的軟體。
打造更好軟體的一大關鍵,是更好的抽象。有了恰當的抽象,軟體的每一個面向(領域專屬、效能最佳化、平行通訊、資料結構等)都能被乾淨地分離,再各自獨立處理。合適的抽象能降低程式碼複雜度,有助於達到高品質、高效能的軟體。
科學計算的第一代抽象,是以子程式庫的形式出現的,例如 BLAS(Basic Linear Algebra Subroutines)、LINPACK、EISPACK 與 LAPACK。這固然是良好的一步,但第一代函式庫不夠靈活、使用不易,限制了它們的適用性;何況建構這類函式庫本身就是複雜而昂貴的工作,許多當時還在萌芽階段的軟體工程技術,因為會干擾效能而無法應用於科學計算。
近幾年,表達抽象的工具有了長足改進,主要歸功於 C++ 語言及其編譯器的成熟。抽象與效能之間那道舊日的鴻溝,如今已能拋諸腦後。事實上,抽象反而能藉由讓必要的優化更易套用,來提升效能的可攜性。只要明智地運用現代軟體工程技術,如今已能打造出具高度彈性的科學函式庫——它們可攜、易用、極高效能,而且相較於過去,能用遠少於以往的程式碼行數完成建構。
本論文所描述的,正是這樣一套函式庫——MTL(Matrix Template Library),一個高效能的數值線性代數套件。論文有四大貢獻:其一,在軟體建構上取得突破,使大量使用抽象不致抑制高效能;其二,發展出讓「加法式的開發投入產生乘法式功能產出」的軟體設計,使 MTL 的程式碼量相較於功能相當的 Netlib BLAS 減少了一個數量級;其三,建構出靈活的內核,簡化了可攜、最佳化的線性代數常式的自動生成;其四,對數值線性代數問題域進行分析與分類,並將其形式化為 MTL 介面與演算法所依據的一組概念。
論文的其餘部分安排如下:第二章介紹泛型程式設計,並說明如何把它推廣到線性代數;第三章回顧與 MTL 相關的既有研究;第四、五章探討 MTL 演算法與元件的設計與實作;第六章討論效能議題,諸如現代 C++ 編譯器最佳化抽象的能力,以及如何運用樣板超程式設計技巧來表達迴圈優化;第七章介紹以 MTL 建構的迭代方法函式庫 ITL(Iterative Template Library);第八章以效能實測佐證這套泛型程式設計方法在科學計算上的可行性;第九章總結 MTL 的驗證與測試;第十章則討論 MTL 的未來方向並為論文收尾。