高性能计算一直是各个主要国家争夺的科技制高点之一,基于X86架构或者GPU构建超级计算机一直是科研人员的首选。2020年6月,日本基于ARM架构建造的超级计算机Fugaku登上TOP-500的榜首,ARM高性能处理器引起了从业人员的广泛关注。然而基于ARM架构的程序优化技术并不如在X86处理器和GPU上性能优化技术成熟,处于刚刚起步阶段。本文以模版计算Stencil为例,在FT-2000+众核处理器上开展面向ARM架构的并行程序优化技术研究,包括面向单核处理器的性能优化技术、面向NUMA架构的多级并行优化技术和基于数据访问的性能分析预测模型。针对Stencil计算在FT-2000+处理器上单核性能优化问题,从算法结构、数据局部性、向量化、数据布局转换等多个角度进行性能优化。针对访存密集的算法结构,采用了减少非计算开销、减少冗余计算、减少数据访问足迹、增加计算强度等技术提升性能。局部性优化方面,采用空间分块提升了高速缓存的重用。为了利用向量处理单元,我们采用内联函数和内联汇编的方式实现Stencil计算,并结合存储资源和指令执行周期进行了指令编排,以最大限度隐藏访存时延。此外,针对实验平台存在的非对齐加载问题,提出数据布局转换技术以消除上述问题带来的额外数据访问开销,进一步提升性能。实验结果表明,对于3D Stencil计算,上述方法平均提升浮点性能41%以上,组合优化策略下最好情况达到167%。针对Stencil计算在FT-2000+处理器上的众核性能优化问题,提出了虚拟多核CPU的解决方案,采用Open MP+MPI的混合编程方法,提升Stencil计算的性能。针对众核下数据块划分带来的通信开销,提出了切割最外层循环的分块改进方案。实验结果表明,相对于单核实现,性能提高了50.00倍,相对于纯Open MP实现,性能提升了6.27倍。最后,针对内存层次架构和Stencil计算模式,从量化数据访问开销的角度,建立了ERCM静态分析模型,给出了程序执行时间的预测,为程序优化过程提供了参考。本文针对空间分块技术建立了一个基于ERCM的性能分析模型,对于给定的体系结构和Stencil计算模式,可以给出较优的分块大小参数,避免耗时的穷举搜索。实验结果表明模型对3D blocking Stencil算法的性能预测精度达到90%以上。更近一步,我们利用ARM平台的Performance Monitor Unit单元,查看程序执行过程中的缓存缺失率等关键指标对性能分析模型的有效性进行了双重验证。