Computadores de alta velocidad (la lista top500).

Presentación del tema: "Computadores de alta velocidad (la lista top500)."— Transcripción de la presentación:

1 Computadores de alta velocidad (la lista top500).
Arquitecturas Paralelas IF - EHU 9. Herramientas para la programación de aplicaciones paralelas: OpenMP y MPI (introducción). Computadores de alta velocidad (la lista top500).

2 Programación aplicaciones paralelas
 Como sabemos, los sistemas paralelos MIMD presentan dos arquitecturas diferenciadas: memoria compartida y memoria distribuida.  El modelo de memoria utilizado hace que la programación de aplicaciones paralelas para cada caso sea esencialmente diferente.

3 Programación aplicaciones paralelas
 Para los sistemas de memoria compartida tipo SMP, la herramienta más utilizada es OpenMP.  Para los sistemas de memoria distribuida (MPP), el “estándar” de programación, mediante paso de mensajes, es MPI.  Otras opciones: UPC (Unified Parallel C) shrmem (Cray) Tarjetas gráficas: CUDA / OpenCL

4 Programación aplicaciones paralelas
Earth Simulator

5 una pequeña introducción
OpenMP una pequeña introducción

6 Introducción  OpenMP es el estándar actual para programar aplicaciones paralelas en sistemas de memoria compartida.  No se trata de un nuevo lenguaje de programación, sino de un API (application programming interface) formado por:  directivas para el compilador (C) #pragma omp <directiva>  unas pocas funciones de biblioteca  algunas variables de entorno

7  El modelo de programación paralela que aplica OpenMP es Fork - Join.
Introducción  El modelo de programación paralela que aplica OpenMP es Fork - Join. En un determinado momento, el thread master genera P threads que se ejecutan en paralelo. thread master FORK región paralela JOIN thread master

8  Para diferenciar las tareas ejecutadas por cada thread:
Introducción  Todos los threads ejecutan la misma copia del código (SPMD). A cada thread se le asigna un identificador (tid).  Para diferenciar las tareas ejecutadas por cada thread:  if (tid == 0) then ... else ...  constructores específicos de reparto de tareas (work sharing).

9 Introducción  En resumen, partiendo de un programa serie, para obtener un programa paralelo OpenMP hay que añadir:  directivas que especifican una región paralela (código replicado), reparto de tareas (específicas para cada thread), o sincronización entre threads.  funciones de biblioteca (include <omp.h>): para gestionar o sincronizar los threads..

10 Ejemplo main () { #pragma omp parallel private(tid) {
for (i=0; i<1000; i++) { A[i] = A[i] + 1; B = B + A[i]; } printf(“ B = %d \n”, B); #pragma omp parallel private(tid) { } tid = omp_get_thread_num(); printf (“ thread %d en marcha \n”, tid); #pragma omp for schedule(static) reduction(+:B) if (tid==0)

11 0 Procesos paralelos (threads).
Conceptos básicos 0 Procesos paralelos (threads). 1 REGIONES PARALELAS. Ámbito de las variables. 2 REPARTO DE TAREAS. Datos: bucles for. Reparto de iteraciones. Funciones: sections / single / ... 3 SINCRONIZACIÓN. Secciones críticas, cerrojos, barreras.

12 0 ¿Quién soy / cuántos somos?
Conceptos básicos 0 Número de threads  estático, una variable de entorno:: > export OMP_NUM_THREADS = 10  dinámico, mediante una función: omp_set_num_threads (10); 0 ¿Quién soy / cuántos somos? tid = omp_get_thread_num(); nth = omp_get_num_threads();

13 1 REGIÓN PARALELA (parallel regions)
Regiones paralelas 1 REGIÓN PARALELA (parallel regions) # pragma omp parallel [VAR,...] { código } Una región paralela es un trozo de código que se va a repetir y ejecutar en paralelo en todos los threads. Las variables de una región paralela pueden ser compartidas (shared) o privadas (private).

14 Regiones paralelas > Un ejemplo sencillo: barrera
... #define N 12 int i, tid, nth, A[N]; main ( ) { for (i=0; i<N; i++) A[i]=0; #pragma omp parallel { nth = omp_get_num_threads (); tid = omp_get_thread_num (); printf ("Thread %d de %d en marcha \n", tid, nth); A[tid] = 10 + tid; printf (" El thread %d ha terminado \n", tid); } for (i=0; i<N; i++) printf (“A(%d) = %d \n”, i, A[i]); private(tid,nth) shared(A) barrera

15 ? Reparto de tareas: bucles 2 REPARTO DE TAREAS: bucles
Los bucles son uno de los puntos de los que extraer paralelismo de manera “sencilla” (paralelismo de datos (domain decomposition) de grano fino). Obviamente, la simple replicación de código no es suficiente. Por ejemplo, #pragma omp parallel shared(A) private(i) { for (i=0; i<100; i++) A[i] = A[i] + 1; } ?

16 ! Reparto de tareas: bucles Tendríamos que hacer algo así:
#pragma omp parallel shared(A) private(tid,nth, ini,fin,i) { tid = omp_get_thread_num(); nth = omp_get_num_threads(); ini = tid * 100 / nth; fin = (tid+1) * 100 / nth; for (i=ini; i<fin; i++) A[i] = A[i] + 1; } ! El reparto de bucles se realiza automáticamente con la directiva pragma omp for.

17 Reparto de tareas: bucles
#pragma omp parallel [...] { … #pragma omp for [clausulas] for (i=0; i<100; i++) A[i] = A[i] + 1; … } ámbito variables reparto iteraciones sincronización barrera 0..24 25..49 50..74 75..99

18 Reparto de tareas: bucles
#pragma omp parallel for private (i,j,X) for (i=0; i<N; i++) for (j=0; j<M; j++) { X = B[i][j] * B[i][j]; A[i][j] = A[i][j] + X; C[i][j] = X * 2 + 1; } for (i=0; i<N; i++) for (j=0; j<M; j++) { X = B[i][j] * B[i][j]; A[i][j] = A[i][j] + X; C[i][j] = X * 2 + 1; } Se ejecutará en paralelo el bucle externo, y los threads ejecutarán el bucle interno. Paralelismo de grano “medio”. Las variables i, j y X se declaran como privadas.

19 Reparto de tareas: bucles
for (i=0; i<N; i++) #pragma omp parallel for private (j,X) for (j=0; j<M; j++) { X = B[i][j] * B[i][j]; A[i][j] = A[i][j] + X; C[i][j] = X * 2 + 1; } for (i=0; i<N; i++) for (j=0; j<M; j++) { X = B[i][j] * B[i][j]; A[i][j] = A[i][j] + X; C[i][j] = X * 2 + 1; } Los threads ejecutarán en paralelo el bucle interno (el externo se ejecuta en serie). Paralelismo de grano fino. Las variables j y X se declaran como privadas.

20 Reparto de las iteraciones
 ¿Cómo se reparten las iteraciones de un bucle entre los threads? Puesto que el pragma for termina con una barrera, si la carga de los threads está mal equilibrada tendremos una pérdida (notable) de eficiencia.  La cláusula schedule permite definir diferentes estrategias de reparto, tanto estáticas como dinámicas.

21 Reparto de las iteraciones
> Ejemplo #pragma omp parallel for shared(A) private(i) schedule(static,2) for (i=0; i<32; i++) A[i] = A[i] + 1; pid iteraciones 0: 0,1,8,9,16,17,24,25 1: 2,3,10,11,18,19,26,27 2: 4,5,12,13,20,21,28,29 3: 6,7,14,15,22,23,30,31 Recuerda: estático menos coste / mejor localidad datos dinámico más coste / carga más equilibrada

22 Rep.de tareas: funciones
2 REPARTO DE TAREAS: funciones También puede usarse paralelismo de función (function decomposition), mediante la directiva sections. #pragma omp parallel [clausulas] { #pragma omp sections [clausulas] #pragma omp section fun1(); fun2(); fun3(); } fun1 fun2 fun3 pragma omp sections

23 Rep.de tareas: funciones
2 REPARTO DE TAREAS: funciones Dentro de una región paralela, la directiva single asigna una tarea a un único thread. Sólo la ejecutará un thread, pero no sabemos cúal.

24 Sincronización de threads
Cuando no pueden eliminarse las dependencias de datos entre los threads, entonces es necesario sincronizar su ejecución. OpenMP proporciona los mecanismos de sincronización más habituales: exclusión mutua y sincronización por eventos.

25 Sincronización de threads
a. Secciones críticas: pragma omp critical #pragma omp parallel for for (i=0; i<N; i++) { A[i] = fun(i); if (A[i]>MAX) #pragma omp critical(SMAX) { if (A[i]>MAX) MAX = A[i]; } if (A[i]<MIN) #pragma omp critical(SMIN) { if (A[i]<MIN) MIN = A[i]; } } Por ejemplo, calcular el máximo y el mínimo de los elementos de un vector.

26 Sincronización de threads
a. Secciones críticas: pragma omp atomic Una sección crítica para una operación simple de tipo RMW. Por ejemplo, #pragma omp parallel ... { ... #pragma omp atomic X = X + 1; }

27 Sincronización de threads
b. Cerrojos - omp_set_lock (&C) espera a que el cerrojo C esté abierto; en ese momento, cierra el cerrojo en modo atómico. - omp_unset_lock (&C) abre el cerrojo C. - omp_test_lock (&C) testea el valor del cerrojo C; devuelve T/F.

28 Sincronización de threads
> Ejemplo #pragma omp parallel private(nire_it) { omp_set_lock(&C1); mi_it = i; i = i + 1; omp_unset_lock(&C1); while (mi_it<N) A[mi_it] = A[mi_it] + 1; }

29 Sincronización de threads
c. Barreras: pragma omp barrier #pragma omp parallel private(tid) { tid = omp_get_thread_num(); A[tid] = fun(tid); #pragma omp for for (i=0; i<N; i++) B[i] = fun(A,i); for (i=0; i<N; i++) C[i] = fun(A,B,i); D[tid] = fun(tid); } #pragma omp barrier nowait

30 Resumen  Variables de entorno y funciones (núm. de hilos, identificadores...)  Directiva para definir regiones paralelas #pragma omp parallel [var…]  Directivas de reparto de tareas #pragma omp for [var,sched…] #pragma omp sections [var]  Directivas y funciones de sincronización #pragma omp critical [c] / atomic #pragma omp barrier cerrojos (set_lock, unset_lock, test_lock)

31 Más información TEXTOS WEB COMPILADORES
• R. Chandra et al.: Parallel Programming in OpenMP Morgan Kaufmann, 2001. WEB • (especificación 3.0, software…) COMPILADORES • de pago • libres: p. e., el compilador de C/C++ de Intel

32 una pequeña introducción
MPI una pequeña introducción

33  MPI indica explicitamente la comunicación entre procesos, es decir:
Introducción  Si para los sistemas SMP la opción es OpenMP, el “estándar” actual de programación de los sistemas de memoria distribuida, mediante paso de mensajes, es MPI (message-passing interface).  MPI es, básicamente, una librería (grande) de funciones de comunicación para el envío y recepción de mensajes entre procesos.  MPI indica explicitamente la comunicación entre procesos, es decir: -- los movimientos de datos -- la sincronización

34  Dos tipos de comunicación:
• punto a punto • global  El modelo de paralelismo que implementa MPI es SPMD. if (pid == 1) ENVIAR_a_pid2 else if (pid == 2) RECIBIR_de_pid1 Recuerda: cada proceso dispone de su propio espacio independiente de direcciones.

35  Modos de comunicación (1)
Tipos de comunicación  Modos de comunicación (1) • síncrona La comunicación no se produce hasta que emisor y receptor se ponen de acuerdo. • mediante un búfer El emisor deja el mensaje en un búfer y retorna. La comunicación se produce cuando el receptor está dispuesto a ello. El búfer no se puede reutilizar hasta que se vacíe.

36  Modos de comunicación (2)
Tipos de comunicación  Modos de comunicación (2) • bloqueante Se espera a que la comunicación se produzca. La comunicación síncrona es siempre bloqueante. En el caso buffered, existen ambas alternativas. • no bloqueante Se retorna y se continúa con la ejecución. Más adelante, se comprueba si la comunicación ya se ha efectuado.

37  Cada estrategia tiene sus ventajas e inconvenientes:
Tipos de comunicación  Cada estrategia tiene sus ventajas e inconvenientes: > síncrona: es más rápida si el receptor está dispuesto a recibir; nos ahorramos la copia en el buffer. Además del intercambio de datos, sirve para sincronizar los procesos. Ojo: al ser bloqueante es posible un deadlock! > buffered: el emisor no se bloquea si el receptor no está disponible, pero hay que hacer copia(s) del mensaje (más lento).

38 Introducción  MPI gestiona los procesos estáticamente (número y asignación) (MPI2 también dinámicamente). Cada proceso tiene un identificador o pid.  MPI agrupa los procesos implicados en una ejecución paralela en “comunicadores”. Un comunicador agrupa a procesos que pueden intercambiarse mensajes. El comunicador MPI_COMM_WORLD está creado por defecto y engloba a todos los procesos.

39 Funciones básicas  Aunque MPI consta de más de 300 funciones, el núcleo básico lo forman sólo 6: 2 de inicio y finalización del programa. 2 de control del número de procesos. 2 de comunicación. Sintaxis: MPI_Funcion(…)

40 1. Comienzo y final del programa:
F. básicas: Init / Finalize 1. Comienzo y final del programa: > MPI_Init(&argc, &argv); > MPI_Finalize(); Estas dos funciones son la primera y última función MPI que deben ejecutarse en un programa.

41 2. Identificación de procesos
F. básicas: Comm_rank / _size 2. Identificación de procesos > MPI_Comm_rank(comm, &pid); Devuelve en pid el identificador del proceso dentro del comunicador comm especificado. Los procesos se identifican mediante dos parámetros: el pid y el grupo (comm, p.e., MPI_COMM_WORLD). > MPI_Comm_size(comm, &npr); Devuelve en npr el número de procesos del comunicador comm.

42 Funciones básicas  Un ejemplo sencillo #include <stdio.h>
#include <mpi.h> main (int argc, char *argv[]) { int pid, npr, A = 2; MPI_Init(&argc, &argv); MPI_Comm_rank(MPI_COMM_WORLD, &pid); MPI_Comm_size(MPI_COMM_WORLD, &npr); A = A + 1; printf(“Proc. %d de %d activado, A = %d\n”, pid,npr,A); MPI_Finalize(); }

43 A 3. Envío y recepción de mensajes F. básicas: Send / Receive B
La comunicación entre procesos necesita (al menos) de dos participantes: el emisor y el receptor. El emisor ejecuta la función de envío de mensajes, y el receptor la de recepción. A B enviar recibir La comunicación es un proceso cooperativo. Si una de las dos funciones no se ejecuta, la comunicación no tiene lugar (y podría producirse un deadlock!).

44 F. básicas: Send / Receive
 Función básica para enviar un mensaje: > MPI_Send(&mess, count, type, dest, tag, comm); - mensaje: [mess count (tamaño), type] - receptor: [dest, comm (grupo)] - tag: dato de control, de 0 a 32767 (tipo de mensaje, orden...)

45 F. básicas: Send / Receive
 Función básica para recibir un mensaje: > MPI_Recv(&mess, count, type, source, tag, comm, &status); - mensaje (espacio): [mess, count, type] - emisor: [source, comm] - tag: clase de mensaje... - status: información de control sobre el mensaje recibido Recv se bloquea hasta que se recibe el mensaje.

46 Ejemplo ... #define N 10 int main (int argc, char **argv) {
int pid, npr, orig, dest, ndat, tag; int i, VA[N]; MPI_Status info; MPI_Init(&argc, &argv); MPI_Comm_rank(MPI_COMM_WORLD,&pid); for (i=0;i<N;i++) VA[i] = 0; if (pid == 0) for (i=0;i<N;i++) VA[i] = i; dest = 1; tag = 0; MPI_Send(VA, N, MPI_INT, dest, tag, MPI_COMM_WORLD); } else if (pid == 1) { for (i=0;i<N;i++) printf(“%4d”,VA[i]); orig = 0; tag = 0; MPI_Recv(VA, N, MPI_INT, orig, tag, MPI_COMM_WORLD, &info); MPI_Get_count(&info, MPI_INT, &ndat); printf(“Datos de pr%d; tag = %d, ndat = %d \n”, info.MPI_SOURCE, info.MPI_TAG, ndat); for (i=0;i<ndat;i++) printf(“%4d”,VA[i]); } MPI_Finalize();

47 Más tipos de Send / Receive
 Síncrono: MPI_Ssend (&mes,count,datatype,dest,tag,comm); Ssend no devuelve control hasta que el receptor comienza la lectura.  Inmediato: MPI_Isend (...); Retorna nada más ejecutarse; luego, para saber si se ha producido o no la comunicación: MPI_Test (...) devuelve 0 o 1 MPI_Wait (...) espera a que finalice

48 Comunicaciones colectivas
 Muchas aplicaciones requieren de operaciones de comunicación en las que participan muchos procesos. La comunicación es colectiva si participan en ella todos los procesos del comunicador.  Ejemplo: un broadcast, envío de datos desde un proceso a todos los demás. ¿Uno a uno en un bucle?

49 Comunicaciones colectivas
 Las funciones de comunicación colectiva son bloqueantes. Todos los procesos que forman parte del comunicador deben ejecutar la función.  Tres tipos 1 Movimiento de datos 2 Operaciones en grupo 3 Sincronización

50 CC: movimento de datos 1a Broadcast: envío de datos desde un proceso (root) a todos los demás. A P0 P2 P3 P1 A P0 P2 P3 P1 A > MPI_Bcast(&mess, count, type, root, comm); (implementación logarítmica en árbol)

51 CC: movimento de datos 1b Scatter: reparto de datos desde un proceso al resto ABCD P0 P2 P3 P1 A B C D P0 P2 P3 P1 C B D A 1c Gather: recolección de datos de todos los procesos A P0 P2 P3 P1 C D B A P0 P2 P3 P1 C D B ABCD

52 KK: operaciones en grupo
2. Reduce (en árbol) A P0 P2 P3 P1 C D B A P0 P2 P3 P1 C D B A+B+C+D Allreduce: todos obtienen el resultado (Reduce + BC)

53 CC: sincronización 3. Barreras de sincronización
Sincronización global entre todos los procesos del comunicador. MPI_Barrier (comm); La función se bloquea hasta que todos los procesos del comunicador la ejecutan.

54 Comunicaciones colectivas
> Ejemplo: V(i) = V(i) *  V(j) sum = 0; for (j=0; j<N; i++) sum = sum + V[j]; for (i=0; i<N; i++) V[i] = V[i] * sum; 1. Leer N (el pid = 0) 2. Broadcast de N/npr (tamaño del vector local) 3. Scatter del vector V (trozo correspondiente) 4. Cálculo local de la suma parcial 5. Allreduce de sumas parciales (todos obtienen suma total) 6. Cálculo local de V(i) * sum 7. Gather de resultados 8. Imprimir resultados (el pid = 0)

55 Ej.: cálculo del número pi
#include <stdio.h> #include <mat.h> #include “mpi.h” int main (int argc, char **argv) { int pid, npr, i, n; double PI = ; double h, ×, pi_loc, pi_glob, sum; MPI_Init(&argc, &argv); MPI_Comm_rank(MPI_COMM_WORLD,&pid); MPI_Comm_size(MPI_COMM_WORLD,&npr); if (pid == 0) { printf(“ Núm de intervalos”; scanf("%d",&n); } MPI_Bcast(&n, 1, MPI_INT, 0, MPI_COMM_WORLD); h = 1.0 / (double) n; sum = 0.0; for (i=pid; i<n; i+=npr) { x = (i + 0.5) * h; sum += 4.0 / (1.0 + x*x); } pi_loc = h * sum; MPI_Reduce(&pi_loc, &pi_glob, 1, MPI_DOUBLE, MPI_SUM, 0, MPI_COMM_WORLD); if (pid == 0) printf("pi(+/-) = %.16f, error = %.16f\n", pi_glob, fabs(pi_glob - PI)); MPI_Finalize(); }

56 Implementaciones de MPI
 De libre distribución: MPICH / LAM  En general, previo a la ejecución en paralelo en un máquina tipo cluster, se necesita: - un fichero con la lista de máquinas que conforman el sistema (identificadores en la red). - unos daemons que se ejecuten en cada máquina. - indicar, al ejecutar, el número concreto de procesos que se desea generar: mpiexec -n 8 pi

57 Más información TEXTOS WEB
• P. S. Pacheco: Parallel Programming with MPI. Morgan Kaufmann, 1997. • W. Groop et al.: Using MPI. Portable Parallel Programming with the Message Passing Interface (2. ed.). MIT Press, 1999. • M. Snir et al.: MPI - The complete reference (vol. 1 y 2). The MIT Press, 1998. WEB • www-unix.mcs.anl.gov/mpi/ (todo)