Презентация на тему "Введение в параллельное программирование"

Содержание

• 
  Слайд 1

  Введение в параллельное программирование

  Максим Городничев Летняя школа отдела МО ВВС ИВМиМГ СО РАН http://ssd.sscc.ru

• 
  Слайд 2

  Содержание лекции

  Формальный подход к определению параллельной программы Меры качества параллельных программ Предел ускорения вычислений при распараллеливании Реализация параллельных программ в модели общей памяти и в модели распределенной памяти Программирование в распределенной памяти: MPI Пример задачи: численное решение уравнения Пуассона Работа на вычислительных системах Сибирского суперкомпьютерного центра По ходу лекции: комментарии об ошибках, характерных для параллельного программирования (дедлоки, несогласованный доступ к данным)

• 
  Слайд 3

  Последовательное и параллельное

  Задача:a = b*c+d*e; Последовательная программа: Load r1,b Load r2, c Mul r1, r1, r2 Load r2, d Load r3, d Mul r2, r2, r3 Sum r1, r1, r2 Store a, r1 Алгоритм задает необходимый частичный порядок (потоковое управление):

• 
  Слайд 4

  Представление алгоритма A, вычисляющего функцию F

  Представление алгоритма A– это набор S = (X, F, C, M), где X – конечное множество переменных F –конечное множество операций С – управление (множество ограничений на порядок операций) = потоковое управление + прямое управление М – функция, задающая отображение множеств X и F вфизические устройства параллельной вычислительной машины

• 
  Слайд 5

  Реализация алгоритма A, представленного в форме S

  –это выполнение операций в некотором порядке, не противоречащим управлению C Представление корректно, если любая реализация вычисляет функцию F, т.е. С содержит потоковое управление.

• 
  Слайд 6

  Последовательное и параллельное: резюме

  Если множество реализаций алгоритма A, представленного в форме S содержит более одной реализации, то представление S называется параллельным. Если это множество одноэлементно, то представление S назвается последовательным.

• 
  Слайд 7

  Меры качества параллельной реализации

  Ускорение параллельной реализации относительно последовательной: S = Ts/Tp, где Ts–время выполнения последовательной программы, Tp–параллельной Эффективность использования N процессоров относительно одного E = Ts/(N*TN), где TN –время выполнения параллельной программы на N процессорах

• 
  Слайд 8

  Предел ускорения: Закон Амдала

  Если P –это доля вычислений, которые могут быть выполнены параллельно, а 1-P – доля последовательной части, то максимальное ускорение, которое можно получить на N процессорах равно 1 ((1-P)+(P/N))

• 
  Слайд 9

  Закон Амдала: диаграмма

  Изображение из Википедии

• 
  Слайд 10

  Иерархия параллельных вычислительных систем

  Микропроцессоры SMP-узлы: объединения микропроцессоров над общим полем памяти Мультикомпьютеры: SMP-узлы, связанные выделенной сетью передачи данных Grid: объединение произвольных ресурсов

• 
  Слайд 11

  От алгоритма к программе: взаимодействующие процессы

  Программа часто задается как множество взаимодействующих процессов. Системы программирования отличаются средствами задания взаимодействия.

• 
  Слайд 12

  Модель программирования в общей памяти

• 
  Слайд 13

  Модель программирования в разделенной памяти: обмен сообщениями

• 
  Слайд 14

  Пример параллельной программы в модели общей памяти: OpenMP

  #include int main() { #pragma omp parallel shared(a, b, c) private(i) { #pragma omp for for (i = 0; i }

• 
  Слайд 15
  

  Параллельное программирование в модели разделенной памяти: Message Passing Interface

• 
  Слайд 16

  Первый пример: идентификация процессов

  #include #include #include int main(int argc, char** argv) { int rank, size; char hostname[50]; MPI_Init(&argc, &argv); MPI_Comm_rank(MPI_COMM_WORLD, &rank); MPI_Comm_size(MPI_COMM_WORLD, &size); gethostname(hostname, 50); std::cerr

• 
  Слайд 17

  Взаимодействия точка-точка: MPI_Send, MPI_Recv

  if(size!=2){ std::cerr

• 
  Слайд 18

  MPI_Sendrecv

  intBuff = 1234; std::cerr

• 
  Слайд 19

  Групповые взаимодействия: MPI_Bcast, MPI_Barrier

  int intBuff = rank; std::cerr

• 
  Слайд 20

  MPI_Reduce, MPI_Allreduce

  int intBuff = 0; std::cerr

• 
  Слайд 21

  Асинхронные взаимодействия точка-точка: MPI_Isend, MPI_Iresv

  int intBuff = rank; MPI_Request rq; MPI_Isend(&intBuff, 1, MPI_INT, !rank, 0, MPI_COMM_WORLD, &rq); for(int i = 0; i

• 
  Слайд 22

  Другие функции

  Сбор распределенных векторов: MPI_Gather, MPI_Allgather Распределение вектора: MPI_Scatter и т.д.

• 
  Слайд 23

  “The standard includes:” (Section 1.7 of MPI 2.1 Standard)

  Point-to-point communication Datatypes Collective operations Process groups Communication contexts Process topologies Environmental Management and inquiry The info object Process creation and management One-sided communication External interfaces Parallel file I/O Language Bindings for Fortran, C and C++ Profiling interface

• 
  Слайд 24

  Пример решения уравнения Пуассона явным методом

  Двумерное уравнение: d2u/dx2+d2u/dy2-a*u=f Дискретизация: (u(i+1)j-2uij+u(i-1)j)/h2+ (ui(j+1)-2uij+ui(j-1))/h2-a*uij = fij Итеративный метод: un+1ij = 0.25(un(i+1)j+un(i-1)j+uni(j+1)+uni(j-1)-h2fij)

• 
  Слайд 25

  Декомпозиция задачи

  Как организовать коммуникации на разрезе?

• 
  Слайд 26

  Организация коммуникаций с помощью дополнительных слоев

  Создается 2 массива в каждом процессе: для значений предыдущей итерации и новой. Когда значения на границах посчитаны на предыдущей итерации, производится обмен, при этом значения от соседа помещаются в дополнительный слой того же массива. Вычисляются значения на новой итерации с использованием массива предыдущей итерации.

• 
  Слайд 27

  О кластере НКС-30Tnks-30t.sscc.ru

  32 двойных блейд-серверов HP BL2x220c, в каждом узле два 4-х ядерных процессора Intel Xeon Е5450 (Intel(R) Xeon(R) CPU E5450 @ 3.00GHz) = 512 ядер Пиковая производительнось: ~6 ТФлопс. Операционная система: RedHat Linux (RHEL 5u2) Очередь заданий / система пакетной обработки: PBS Pro 10.0 Компиляторы: Intel C/C++ и Fortran 11.0.081 Professional Edition, включают в себя Intel MKL, Intel IPP ... Intel MPI 3.2.0.011 и Intel TraceAnalyzer&Collector 7.2.0.011

• 
  Слайд 28

  Работа на кластере НКС-30T

  1 Входс помощью программы putty.exe: 1.1Имя сервера: nks-30t.sscc.ru 1.2 Логин: 1.3 Пароль: 2. Панельный файловый менеджер:mc 3. Создать в домашней директории папку для своей работы 4. Скопировать себе примеры (содержимое папки~/examples) 5. Запустить пример:qsub run.sh 6. Смотреть очередь: qstat 7. Удалить задачу из очереди: qdel 8. Компиляция программы mpiexample.cpp: mpiicpc –o mpiexample.exe mpiexample.cpp 9. Компиляция программы mpiexample.c: mpiicc –o mpiexample.exe mpiexample.c

• 
  Слайд 29

  Схема устройства кластера

  Головной узел Высокоскоростная сеть «Медленная» сеть для управления и устройства общей файловой системы Internet Вычислительные узлы Машинапользователя

• 
  Слайд 30

  Устройство скрипта запуска задачи run.sh

  #!/bin/bash #PBS -V #PBS -r n #PBS -l nodes=:ppn=,cput=00:10:00,walltime=15:00 #PBS -k oe #PBS -N name_of_the_job #PBS -j oe date cd $PBS_O_WORKDIR pwd mpirun -r ssh -genv I_MPI_DEVICE rdma -genv I_MPI_RDMA_TRANSLATION_CACHE disable -n date

• 
  Слайд 31

  Где найти информацию?

  MPI: http://www.mpi-forum.org/