1 / 39

Модель DVM

Методика распараллеливания программ в модели DVM Институт прикладной математики им. М.В.Келдыша РАН http://www.keldysh.ru/pages/dvm. Модель DVM. Высокоуровневая модель параллелизма без явной ориентации на общую или распределенную память

chuong
Télécharger la présentation

Модель DVM

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Методика распараллеливания программ в модели DVMИнститут прикладной математики им. М.В.Келдыша РАНhttp://www.keldysh.ru/pages/dvm

  2. Модель DVM • Высокоуровневая модель параллелизма без явной ориентации на общую или распределенную память • Ориентация на пользователей в области. вычислительной математики. Основные понятия: дискретные пространства в декартовых координатах, отображения и пересечения пространств. • Язык распараллеливания в модели DVM - язык спецификаций масштабируемых параллельных программ.

  3. Средства программирования • C-DVM = Язык Си + специальные макросы • Fortran-DVM = Язык Фортран + специальные • комментарии • Специальные комментарии и макросы являются высокоуровневыми спецификациями параллелизма в терминах последовательной программы • Отсутствуют низкоуровневые передачи данных и синхронизации • Последовательный стиль программирования • Спецификации параллелизма «невидимы» для стандартных компиляторов • Существует только один экземпляр программы для последовательного и параллельного счета

  4. Состав DVM-системы • Компилятор C-DVM • Компилятор Fortran-DVM • Система поддержки параллельного выполнения (Lib-DVM) • DVM-отладчик • Анализатор производительности DVM-программ • Предсказатель производительности DVM-программ

  5. Правило собственных вычислений: OWN(A[i]) - процессор, на который распределен A[i] A[i] = expr Оператор всегда выполняется на процессоре OWN(A[i]) Локализация данных: Операнды exprраспределены на процессор OWN(A[i])

  6. Распараллеливание последовательной программы • Согласованное распределение массивов данных и параллельных циклов на массив виртуальных процессоров. Цель: максимум параллелизма и максимум локализации • Определение общих (не локальных данных) и их спецификация. Общие данные: данные, вычисляемые на одних процессорах и используемые на других процессорах.

  7. Выполнение программы Модель: одна программа - множество потоков данных На всех процессорах - одна и та же программа Проба:свой - “чужой” оператор по правилу собственных вычислений

  8. Абстрактная схема распределения данных и витков параллельных циклов Объекты: P - индексное пространство массива виртуальных процессоров, определяется пользователем и задается при запуске программы Ai- индексное пространство i-ого массива данных Lj- индексное пространство j-ого параллельного цикла

  9. Директивы распределения устанавливают соответствие между точками (элементами) индексных пространств: ALIGN: Ai1=>Ai2Каждой точке (элементу) Ai2 ставится в соответствие подмножество точек (элементов) массива Ai1 PARALLEL: Lj=>AiКаждой точке (элементу) Ai ставится в соответствие подмножество точек (витков цикла)Lj DISTRIBUTE: Ai=>PКаждой точке (виртуальному процессору) Pставится в соответствие подмножество точек (элементов) массива Ai

  10. Отображение последовательной программы PARALLEL Циклы Массивы PARALLEL ALIGN Массив задач DISTRIBUTE Массивы Массив виртуальных процессоров MAP DISTRIBUTE Физические процессоры

  11. Распределение данныхDISTRIBUTE DVM(DISTRIBUTEf1…fk )<описание-массива-на-языке-Си> гдеfi = [ BLOCK ] - распределение равными блоками (распределенное измерение) [ ] - распределение целым измерением (локальное измерение) k - количество измерений массива P(m) - линейка виртуальных процессоров

  12. Распределение данныхDISTRIBUTE Примеры: DVM(DISTRIBUTE[ BLOCK ]) float A[N]; DVM(DISTRIBUTE[ ]) float A[N]; DVM(DISTRIBUTE[ BLOCK ] [ ]) float B[N][N]; DVM(DISTRIBUTE[ ] [ BLOCK ] ) float B[N][N]; P(m1,m2)- массив виртуальных процессоров

  13. Локализация данныхALIGN DVM( ALIGN a1…an WITH B b1…bm ) <описание-массива-A-на-языке-Си> гдеai - параметр i-го измерения выравниваемого массива А bj - параметр j-го измерения базового массива B n - количество измерений массива А m - количество измерений массива В ai = a[Idi] bj=[c*Idj +d] [ ] [ ] Idi, Idj - идентификаторы c, d - целочисленные константы

  14. Локализация данныхALIGN Примеры: DVM(ALIGN[ i ] WITH B[ 2*i+1]) float A[N]; DVM(ALIGN[ i ] [ j ] WITH C[ j ] [ i ]) float D[N][N]; DVM( ALIGN[ i ] WITH C[ ] [ i ]) float E[N]; DVM( ALIGN[ i ] [ ] WITH B[ i ] ) float C[N][N];

  15. Распределение витков циклаPARALLEL Макросы заголовков циклов: # define DO ( v, f, u, s )for(v=f; v<=u; v+=s) # define FOR ( v, h )for(v=0; v<=h-1; v+=1) Параллельный цикл - массив витков цикла • тесно-гнездовой цикл • прямоугольное индексное пространство • виток цикла - неделимый объект (выполняется на одном процессоре)

  16. Распределение витков циклаPARALLEL DVM( PARALLEL [I1 ]… [ In ] ON A e1… em ) где Ij - индекс j-го заголовка параллельного цикла, n - количество заголовков цикла, m - количество измерений массива, A - идентификатор распределенного массива, ei = [a*Ik+b], a, b - целочисленные переменные

  17. Распределение витков циклаPARALLEL Цикл не удовлетворяет требованиям массива витков цикла: Не тесно-гнездовой цикл FOR(i,N) { a=5.; FOR(j,N) { . . . } } Не прямоугольное индексное пространство FOR(i,N) DO(j,i,N,1) { . . . }

  18. Распределение витков циклаPARALLEL Цикл не удовлетворяет требованиям массива витков цикла: Виток цикла на разных процессорах FOR(i,N) FOR(i,N) { D[2*i] = ...; { D[2*i] = ...; } D[2*i+1]= …; } FOR(i,N) {D[2*i+1]= …; } DVM(DISTRIBUTE[ BLOCK ][ BLOCK ]) float A[N+1][N+1], B[N][N]; FOR(i,N) FOR(j,N) { A[i+1][j+1] = …; B[i][j] = …; } DVM( ALIGN [ i ] [ j ] WITH A[i+1] [j+1] ) float B[N][N];

  19. Общие (удаленные) данные • Сравнение индексных выражений по распределенным измерениям левой и правой части оператора присваивания • Выражение условного оператора - правая часть A[i] = (C[i] > D[i]) ? B[i] : 0.

  20. Локализация данных DVM(DISTRIBUTE[ BLOCK ]) float A[N]; DVM( ALIGN [ i ] WITH A[ i ] ) float B[N],C[N]; DVM( PARALLEL [ i ] ON A[ i ] ) FOR( i, N ) { A[i] = B[i] + C[i] ; }

  21. Локализация с помощьюTEMPLATE DVM(DISTRIBUTE[ BLOCK ]; TEMPLATE [N+d1+d2] ) void *TABC; DVM( ALIGN [ i ] WITH TABC[ i ] )float B[N]; DVM( ALIGN [ i ] WITH TABC[ i +d1] ) float A[N]; DVM( ALIGN [ i ] WITH TABC[ i +d1+d2] ) float C[N]; DVM( PARALLEL [ i ] ON A[ i ] ) FOR( i, N ) { A[i] = B[i-d1] + C[i+d2] ; }

  22. Схема отображения ALIGN P1 P2 P3 P4 TABC B d1 A d1+d2 C

  23. Общие данные типаSHADOW DVM(DISTRIBUTE[ BLOCK ] ) float A[N]; DVM( ALIGN [ i ] WITH A[ i ]; SHADOW [d1:d2])float B[N]; DVM( PARALLEL [ i ] ON A[ i ] ; SHADOW_RENEW B) DO( i,d1, N-d2-1,1 ) { A[i] = B[i-d1] + B[i+d2] ; }

  24. Общие данные типаACROSS DVM(DISTRIBUTE[ BLOCK ]; SHADOW [d1:d2]) float A[N]; DVM( PARALLEL [ i ] ON A[ i ] ; ACROSS A[d1:d2]) DO( i,d1, N-d2-1,1 ) { A[i] = A[i-d1] + A[i+d2] ; }

  25. Общие данные типаREMOTE_ACCESS DVM(DISTRIBUTE[ BLOCK ]) float A[N] , C[2*N]; DVM( PARALLEL [ i ] ON A[ i ] ; REMOTE_ACCESS C[5] C[i+N] ) FOR( i, N ) { A[i] = C[5] + C[i+N] ; }

  26. Общие данные типаREDUCTION DVM(DISTRIBUTE[ BLOCK ]) float A[N]; DVM( PARALLEL [ i ] ON A[ i ] ; REDUCTION SUM (s)) FOR( i, N ) { s = s + A[i] ; } DVM(DISTRIBUTE[ BLOCK ]; TEMPLATE [N] ) void *TM; DVM( PARALLEL [ i ] ON TM[ i ] ; REDUCTION PRODUCT (sm)) FOR( i, N ) { sm = sm * i ; }

  27. Параллельный цикл • Левая часть: распределенный массив, редукционная переменная, приватная переменная. • Распределенный цикл => распределенное измерение • Локальный цикл =>локальноеизмерение

  28. Программа JACOBI на C-DVM

  29. Программа JACOBI на C-DVM

  30. Distribution of array A [8][8]

  31. Программа SOR на C-DVM

  32. Параллелизм по гиперплоскостямCDVM$ DISTRIBUTE A (BLOCK,BLOCK) j i t1 t2 t3

  33. t2 t3 t4 t5 t6 t7 t2 t3 t4 t5 t6 t7 t8 t3 t4 t5 t6 t7 t8 Конвейерный параллелизмCDVM$ DISTRIBUTEA (BLOCK,*) j i t1 p0 p1 t9 p2

  34. Оптимизация 1. Совмещение вычислений и доступа к общим данным 2. Избыточные вычисления вместо общих данных SHADOW 3. Асинхронное копирование вместо общих данных REMOTE

  35. Спецификация обновления значений общих данных • Перед циклом использования • Между циклом вычислений и циклом использования • Матрица цикл-массив ({use,def}) • Порядок выполнения циклов (граф управления)

  36. Совмещение вычислений и доступа к общим данным DVM(CREATE_SHADOW_GROUP grshad: A); . . . DVM(SHADOW_START grshad ); . . . DVM(PARALLEL [ i ] [ j ] ON A[ i ] [ j ]; SHADOW_WAIT grshad ) DO(i,1,L-2,1) DO(j,1,L-2,1) B[i][j] = (A[i-1][j]+A[i+1][j]+A[i][j-1]+A[i][j+1])/4;

  37. Избыточные вычисления DVM(PARALLEL [i] ON A[i]; SHADOW_COMPUTE) FOR(i,n) A[i] = i; DVM(PARALLEL [i] ON A[i] ) DO(i,1,n-2,1) C[i] = A[i-1] +A[i+1];

  38. Асинхронное копирование секций массивов k = N/4 - 1; FOR (i, N-1) FOR (j, N-1) A[ i+k ] [ j+k ] = f( A[ 2*i ] [ 2*j ] ) ; 2N N 2N N

  39. DVM(DISTRIBUTE[ BLOCK ][ BLOCK ] ) float A[2*N][2*N]; DVM(ALIGN [ i ] [ j ] WITH A[ i] [ j ] ) float B[2*N][2*N]; DVM( COPY_FLAG) void *flagS; k = N/4 - 1; DVM( PARALLEL [ i ] [ j ] ON B[2*i] [2*j] ) FOR (i, N-1) FOR (j, N-1) B[ 2*i ] [ 2*j ] = f( A[ 2*i ] [ 2*j ] ) ; DVM( COPY_START &flagS) FOR (i, N-1) FOR (j, N-1) A[ i+k ] [ j+k ] =B[ 2*i ] [ 2*j ] ; DVM( COPY_WAIT &flagS)

More Related