лекции (1185992)

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла

Интернет УниверситетСуперкомпьютерных технологийВведениеУчебный курсПараллельное программирование сOpenMPБахтин В.А., кандидат физ.-мат. наук,заведующий сектором,Институт прикладной математики им.М.В.Келдыша РАНСодержаниеТенденции развития современныхпроцессоров Существующие подходы для созданияпараллельных программ Основные возможности OpenMP SMP и DSM - системы ЛитератураМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.2 из 47Тенденции развития современных процессоровВ течение нескольких десятилетий развитие ЭВМ сопровождалосьудвоением их быстродействия каждые 1.5-2 года.

Это обеспечивалось иповышением тактовой частоты и совершенствованием архитектуры(параллельное и конвейерное выполнение команд).Узким местом стала оперативная память. Знаменитый закон Мура, такхорошо работающий для процессоров, совершенно не применим дляпамяти, где скорости доступа удваиваются в лучшем случае каждые 6лет.Совершенствовались системы кэш-памяти, увеличивался объем,усложнялись алгоритмы ее использования.Для процессора Intel Itanium:Latency to L1: 1-2 cyclesLatency to L2: 5 - 7 cyclesLatency to L3: 12 - 21 cyclesLatency to memory: 180 – 225 cyclesВажным параметром становится - GUPS (Giga Updates Per Second)Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.3 из 47Тенденции развития современных процессоровПотокВВПВППувеличили производительность процессора в 2 разаПотокВППВПВПоток или нить (поанглийски “thread”) – этолегковесный процесс,имеющий с другимипотоками общиересурсы, включаяобщую оперативнуюпамять.ВремяПоток 3ВПоток 2Поток 1ВВВ - вычисленияМосква, 2015 г.ВПВППВПВПоток 4ВВПВППВПВПППChipMultiThreadingПП - доступ к памятиПараллельное программирование с OpenMP: Введение© Бахтин В.А.Время4 из 47Top 500Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.5 из 47Современные суперкомпьютерные системы№ 4 в Top 500Суперкомпьютер K computer, SPARC64 VIIIfx 2.0GHz, Tofuinterconnect Пиковая производительность - 11280 TFlop/s Число ядер в системе — 705 024 Производительность на Linpack - 10510 TFlop/s (93.17 % от пиковой) Энергопотребление комплекса - 12659.89 кВтМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.6 из 47Современные суперкомпьютерные системы№ 3 в Top 500Суперкомпьютер Sequoia, IBM BlueGene/Q, Power BQC 16C 1.6GHz,Custom interconnect Пиковая производительность – 20152.66 TFlop/s Число ядер в системе — 1 572 864 Производительность на Linpack – 16324.75 TFlop/s (81.08 % от пиковой) Энергопотребление комплекса - 7890.0 кВтВажным параметром становится – Power Efficency (Megaflops/watt)Как добиться максимальной производительности на Ватт => ChipMultiProcessing, многоядерность.Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.7 из 47Тенденции развития современных процессоровAMD Opteron серии 63006380 SE 16 ядер @ 2,5 ГГц, 16 МБL3 Cache6348 12 ядер @ 2,8 ГГц, 16 МБ L3Cache6328 8 ядер @ 3,2 ГГц, 16 МБ L3Cache6308 4 ядра @ 3,5 ГГц, 16 МБ L3Cacheтехнология AMD Turbo COREвстроенный контроллер памяти (4канала памяти DDR3)4 канала «точка-точка» сиспользованием HyperTransort 3.0Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.8 из 47Тенденции развития современных процессоровIntel Xeon Processor серии E5E5-2699 v3 (45M Cache, 2.30 GHz) 18 ядер, 36 нитейE5-2698 v3 (40M Cache, 2.30 GHz) 16 ядер, 32 нитиE5-2697 v3 (35M Cache, 2.60 GHz) 14 ядер, 28 нитейE5-2643 v3 (30M Cache, 3.40 GHz) 6 ядер, 12 нитейE5-2637 v3 (15M Cache, 3.50 GHz) 4 ядра, 8 нитейIntel® Turbo BoostIntel® Hyper-ThreadingIntel® Intelligent PowerIntel® QuickPathМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.9 из 47Тенденции развития современных процессоровIntel Core i7-3960X Extreme Edition3,3 ГГц (3,9 ГГц) 6 ядeр 12 потоков с технологией Intel Hyper-Threading 15 МБ кэш-памяти Intel Smart Cache встроенный контроллер памяти (4 канала памятиDDR3 1066/1333/1600 МГц ) технология Intel QuickPath InterconnectМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.10 из 47Тенденции развития современных процессоровIntel Itanium серии 95009560 8 ядер @ 2,53 ГГц, 16 нитей, 32 МБ L3 Cache9550 4 ядра @ 2,40 ГГц, 8 нитей, 32 МБ L3 CacheМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.11 из 47Тенденции развития современных процессоровIBM Power8 2,75 – 4,2 ГГц 12 ядер x 8 нитейSimultaneuosMultiThreading 64 КБ Data Cache +32КБ instruction Cache L2 512 КБ L3 96 МБwww.idh.ch/IBM_TU_2013/Power8.pdfМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.12 из 47Тенденции развития современных процессоровТемпы уменьшения латентности памяти гораздониже темпов ускорения процессоров + прогресс втехнологии изготовления кристаллов => CMT (ChipMultiThreading) Опережающий рост потребления энергии приросте тактовой частоты + прогресс в технологииизготовления кристаллов => CMP (ChipMultiProcessing, многоядерность) И то и другое требует более глубокогораспараллеливания для эффективногоиспользования аппаратурыМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.13 из 47Существующие подходы для созданияпараллельных программАвтоматическое / автоматизированноераспараллеливание Библиотеки нитей• Win32 API• POSIXБиблиотеки передачи сообщений• MPIOpenMPМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.14 из 47Вычисление числа 14.04.0(1+x2)dx = 0Мы можемаппроксимировать интегралкак сумму прямоугольников:2.0N F(x )x  ii=00.0Москва, 2015 г.1.0XГде каждый прямоугольникимеет ширину x и высотуF(xi) в середине интервалаПараллельное программирование с OpenMP: Введение© Бахтин В.А.15 из 47Вычисление числа .

Последовательнаяпрограмма.#include <stdio.h>int main (){int n =100000, i;double pi, h, sum, x;h = 1.0 / (double) n;sum = 0.0;for (i = 1; i <= n; i ++){x = h * ((double)i - 0.5);sum += (4.0 / (1.0 + x*x));}pi = h * sum;printf("pi is approximately %.16f”, pi);return 0;}Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.16 из 47Автоматическое распараллеливаниеPolaris, CAPO, WPP, SUIF, VAST/Parallel, OSCAR,Intel/OpenMP, UTLicc -parallel pi.cpi.c(8): (col. 5) remark: LOOP WAS AUTO-PARALLELIZED.pi.c(8): (col. 5) remark: LOOP WAS VECTORIZED.pi.c(8): (col. 5) remark: LOOP WAS VECTORIZED.В общем случае, автоматическое распараллеливание затруднено: косвенная индексация (A[B[i]]); указатели (ассоциация по памяти); сложный межпроцедурный анализ.Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.17 из 47Автоматизированное распараллеливаниеIntel/GAP (Guided Auto-Parallel), CAPTools/ParaWise,BERT77, FORGE Magic/DM, ДВОР (ДиалоговыйВысокоуровневый ОптимизирующийРаспараллеливатель), САПФОР (Система АвтоматизацииПараллелизации ФОРтран программ)for (i=0; i<n; i++) {if (A[i] > 0) {b=A[i]; A[i] = 1 / A[i]; }if (A[i] > 1) {A[i] += b;}}icc -guide -parallel test.cppМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.18 из 47Автоматизированное распараллеливаниеtest.cpp(49): remark #30521: (PAR) Loop at line 49 cannot be parallelizeddue to conditional assignment(s) into the following variable(s): b.

This loopwill be parallelized if the variable(s) become unconditionally initialized atthe top of every iteration. [VERIFY] Make sure that the value(s) of thevariable(s) read in any iteration of the loop must have been written earlierin the same iteration.test.cpp(49): remark #30525: (PAR) If the trip count of the loop at line 49 isgreater than 188, then use "#pragma loop count min(188)" to parallelizethis loop. [VERIFY] Make sure that the loop has a minimum of 188iterations.#pragma loop count min (188)for (i=0; i<n; i++) {b = A[i];if (A[i] > 0) {A[i] = 1 / A[i];}if (A[i] > 1) {A[i] += b;}}Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.19 из 47Вычисление числа  с использованиемWin32 API#include <stdio.h>#include <windows.h>#define NUM_THREADS 2CRITICAL_SECTION hCriticalSection;double pi = 0.0;int n =100000;void main (){int i, threadArg[NUM_THREADS];DWORD threadID;HANDLE threadHandles[NUM_THREADS];for(i=0; i<NUM_THREADS; i++) threadArg[i] = i+1;InitializeCriticalSection(&hCriticalSection);for (i=0; i<NUM_THREADS; i++) threadHandles[i] =CreateThread(0,0,(LPTHREAD_START_ROUTINE) Pi,&threadArg[i], 0, &threadID);WaitForMultipleObjects(NUM_THREADS, threadHandles, TRUE,INFINITE);printf("pi is approximately %.16f”, pi);}Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.20 из 47Вычисление числа  с использованиемWin32 APIvoid Pi (void *arg){int i, start;double h, sum, x;h = 1.0 / (double) n;sum = 0.0;start = *(int *) arg;for (i=start; i<= n; i=i+NUM_THREADS){x = h * ((double)i - 0.5);sum += (4.0 / (1.0 + x*x));}EnterCriticalSection(&hCriticalSection);pi += h * sum;LeaveCriticalSection(&hCriticalSection);}Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.21 из 47Конфликт доступа к даннымПри взаимодействии через общую память нити должны синхронизоватьсвое выполнение.Thread0: pi = pi + val; && Thread1: pi = pi + val;ВремяThread 01LOAD R1,pi2LOAD R2,val3ADD R1,R2Thread 1LOAD R3,pi4LOAD R4,val5ADD R3,R46STORE R3,pi7STORE R1,piРезультат зависит от порядка выполнения команд.

Требуется взаимноеисключение критических интервалов.Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.22 из 47Вычисление числа  с использованиемMPI#include "mpi.h"#include <stdio.h>int main (int argc, char *argv[]){int n =100000, myid, numprocs, i;double mypi, pi, h, sum, x;MPI_Init(&argc,&argv);MPI_Comm_size(MPI_COMM_WORLD,&numprocs);MPI_Comm_rank(MPI_COMM_WORLD,&myid);h = 1.0 / (double) n;sum = 0.0;Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.23 из 47Вычисление числа  с использованиемMPIfor (i = myid + 1; i <= n; i += numprocs){x = h * ((double)i - 0.5);sum += (4.0 / (1.0 + x*x));}mypi = h * sum;MPI_Reduce(&mypi, &pi, 1, MPI_DOUBLE, MPI_SUM, 0, MPI_COMM_WORLD);if (myid == 0) printf("pi is approximately %.16f”, pi);MPI_Finalize();return 0;}Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.24 из 47Вычисление числа  c использованиемOpenMP#include <stdio.h>int main (){int n =100000, i;double pi, h, sum, x;h = 1.0 / (double) n;sum = 0.0;#pragma omp parallel for reduction(+:sum) private(x)for (i = 1; i <= n; i ++){x = h * ((double)i - 0.5);sum += (4.0 / (1.0 + x*x));}pi = h * sum;printf("pi is approximately %.16f”, pi);return 0;}Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.25 из 47Достоинства использования OpenMP вместо MPIдля многоядерных процессоров#define Max(a,b) ((a)>(b)?(a):(b))#define L 8#define ITMAX 20int i,j,it,k;double eps, MAXEPS = 0.5;double A[L][L], B[L][L];int main(int an, char **as){for (it=1; it < ITMAX; it++) {eps= 0.;for(i=1; j<=L-2; j++)for(j=1; j<=L-2; j++) {eps = Max(fabs(B[i][j]-A[i][j]),eps); A[i][j] = B[i][j]; }for(i=1; j<=L-2; j++)for(j=1; j<=L-2; j++) B[i][j] = (A[i-1][j]+A[i+1][j]+A[i][j-1]+A[i][j+1])/4.;printf( "it=%4i eps=%f\n", it,eps);if (eps < MAXEPS) break;}}Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.26 из 47Достоинства использования OpenMP вместо MPIдля многоядерных процессоров Для получения программы, способнойработать на кластере, необходимораспределить данные и вычислениямежду процессорами. После распределения данныхтребуется организоватьмежпроцессорные взаимодействия.В данном случае - для доступа кудаленным данным используются“теневые” грани, которые являютсяисточником дублирования данных.Москва, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.27 из 47Тесты NASBT3D Навье-Стокс, метод переменных направленийCGОценка наибольшего собственного значениясимметричной разреженной матрицыEPГенерация пар случайных чисел ГауссаFTISLUБыстрое преобразование Фурье, 3D спектральныйметодПараллельная сортировка3D Навье-Стокс, метод верхней релаксацииMG3D уравнение Пуассона, метод MultigridSP3D Навье-Стокс, Beam-Warning approximatefactorizationМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.28 из 47Тесты NASAnalyzing the Effect of Different Programming Models Upon Performanceand Memory Usage on Cray XT5 Platformshttps://www.nersc.gov/assets/NERSC-Staff-Publications/2010/Cug2010Shan.pdfМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.29 из 47Тесты NASAnalyzing the Effect of Different Programming Models Upon Performanceand Memory Usage on Cray XT5 Platformshttps://www.nersc.gov/assets/NERSC-Staff-Publications/2010/Cug2010Shan.pdfМосква, 2015 г.Параллельное программирование с OpenMP: Введение© Бахтин В.А.30 из 47Достоинства использования OpenMP вместо MPIдля многоядерных процессоров(на 1ом узле кластера)Возможность инкрементального распараллеливанияУпрощение программирования и эффективность на нерегулярныхвычислениях, проводимых над общими даннымиЛиквидация дублирования данных в памяти, свойственного MPIпрограммамОбъем памяти пропорционален быстродействию процессора.

Характеристики

Тип файла PDF

PDF-формат наиболее широко используется для просмотра любого типа файлов на любом устройстве. В него можно сохранить документ, таблицы, презентацию, текст, чертежи, вычисления, графики и всё остальное, что можно показать на экране любого устройства. Именно его лучше всего использовать для печати.

Например, если Вам нужно распечатать чертёж из автокада, Вы сохраните чертёж на флешку, но будет ли автокад в пункте печати? А если будет, то нужная версия с нужными библиотеками? Именно для этого и нужен формат PDF - в нём точно будет показано верно вне зависимости от того, в какой программе создали PDF-файл и есть ли нужная программа для его просмотра.

Список файлов лекций