ВКР: Анализ эффективности высокоуровневых языков программирования для графических процессоров

Аннотация
Исследователи высокопроизводительных вычислений активно развивают область вычислений на графических процессорах (GPU). Технологии CUDA и OpenCL открыли доступ к параллельным вычислениям на GPU и доказали свою эффективность, однако их сложность является серьезным препятствием на пути широко распространения технологии в индустрии программирования. Для того, чтобы снизить трудоемкость распараллеливания для GPU, исследователями были предложены различные модели, представляющие высокий уровень абстракции, в том числе модели программирования, использующие директивы компилятора. В данной работе рассмотрены существующие модели, использующие директивы, и для двух из них представлен анализ эффективности использования данных систем для программирования под GPU на примере распараллеливания нескольких задач
1 Введение
Появление суперкомпьютеров, использующих в качестве ускорителей графические процессоры, серьезно усложнило разработку программ, поскольку потребовало использовать низкоуровневые технологию CUDA и OpenCL. Низкоуровневые модели программирования, реализованные через библиотеки, являются гибким инструментом, позволяющим получать высокую эффективность параллельных программ. Но программировать, отлаживать, сопровождать, переносить на другие ЭВМ такие программы гораздо сложнее. Например, при переходе от GPU фирмы NVIDIA к GPU фирмы AMD придется заменить CUDA на OpenCL. Поэтому важно использовать высокоуровневые модели и языки программирования. Среди высокоуровневых моделей программирования особое место занимают модели, реализуемые посредством добавления в программы на стандартных последовательных языках спецификаций, управляющих отображением этих программ на параллельные машины. Эти спецификации, оформляемые в виде комментариев или директив в программах, не видны для обычных компиляторов, что значительно упрощает внедрение новых моделей параллельного программирования. Такой моделью для мультипроцессоров является OpenMP. Аналогичные модели (PGI APM, HMPP, hiCUDA, OpenMPC, R-Sream, OpenMP for Accelerators, DVMH) [2][3] разработаны в последние годы и для GPU. Все эти модели имеют между собой много общего, что позволяет говорить о появлении нового подхода к программированию ускорителей типа GPU. Упомянутые модели предоставляют пользователю следующие основные возможности для задания отображения программ на ускорители: • Определение фрагментов программы, которые следует выполнять на том или ином ускорителе, и требуемых им данных, которые должны быть расположены в памяти этого ускорителя • Задание свойств цикла и правил отображения витков цикла на ускоритель • Управление перемещением данных между оперативной памятью универсального процессора и памятью ускорителей Модели сильно различаются способами реализации этих возможностей и распределением работы между компиляторами и системами поддержки выполнения параллельных программ, предоставляют различный уровень абстракции и требует от пользователя разное количество усилий для портирования и оптимизации приложений на GPU. Понимание различий моделей обеспечит понимание их применимости и потенциала эффективности