Upload
jacqueline-salomon
View
109
Download
2
Embed Size (px)
Citation preview
Algorithmes Parallèleset Systèmes Réparties
Frédéric Gava (MCF)[email protected]
LACL, bâtiment P2 du CMC, bureau 221Université de Paris XII Val-de-Marne
61 avenue du Général de Gaulle94010 Créteil cedex
Différents modèles de programmation
Modèles de programmation Modèles de programmation et modèles d’exécution d’exécution
Ordonnancement et placement
Modèles de programmation
D’exécution, une abstraction de l’architecture matérielle mémoire partagée vs mémoire distribuée
SIMD/MIMD
De programmation, une abstraction de la sources du parallélisme : données/contrôle
Modèles de prog : Djikstra/Flynn
Parallélisme de contrôle
Composition parallèle de processus séquentiels
PAR(SEQ) MIMD
pardo i = 1, n
a(i) = b(i) +c(i)
x(i) = y(i) + z(i)
end do
Parallélisme de données
Composition séquentielle de processus parallèles
SEQ(PAR) SIMD
forall(||) i = 1, na(i) = b(i) +c(i)
forall(||) i = 1, nx(i) = y(i) + z(i)
Modèles d’exécution Espaces d’adressage multiples
p processus
Communiquent par messagerie
Le programmeur ou le compilateur doit définir le placement des données et l’ordonnancement des calculs
Le placement des données peut définir celui des calculs
Espaces d’adressage unique p threads
Communiquent à travers des variables partagées
Le programmeur ou le compilateur doit définir le placement et l’ordonnancement des calculs
Ordonnancement Programme = Graphe de tâches
Une tâche est une unité de traitement séquentiel
Un arc (T1, T2) correspond à un transfert d’information à la fin de T2 vers le début de T1
Un graphe de tâches sans cycle définit un ordre partiel
T1 << T2 s’il existe un chemin de T1 vers T2
Ordre total : programme séquentiel
Ordre partiel : programme parallélisable
Ordonnancement et modèle de programmation
La définition de l’ordonnancement peut être : Réalisée dans un programme parallèle
Extraite automatiquement d’une spécification plus ou moins contrainte : parallélisation automatique
L’expression de l’ordonnancement dans les langages parallèles : Par structures de contrôle : SEQ(PAR)
Par synchronisation : PAR(SEQ)
Placement : L’ordonnancement ne prend pas en compte le nombre de processeurs disponibles
Le placement replie le parallélisme illimité sur les ressources réelles
Contrainte : minimisation des surcoûts
Parallélisation = placement + ordonnancement
Placement statique
Off-line, éventuellement paramétré par le nombre de processus et le numéro de processus
Les temps de calcul doivent être connus : Cas régulier : Bloc, cyclique, cyclique (k), …
Cas irrégulier : ad hoc (p. ex. bisection récursive)
Décalage, distribution bloc
Bisection récursiveLes éléments de calcul sont caractérisés par une donnée nD souvent une position spatiale
Applicable aussi à un maillage
Placement et ordonnancement dynamique
Motivation: La durée des calculs n’est pas prévisible
La puissance des machines n’est pas connue
Placement/ordonnancement on-line : décidé à l’exécution
Questions : Surcoûts : gestion des processus ou des threads, des échanges d’information
Robustesse à l’irrégularité des temps d’exécution
Centralisé: Maître-Esclave Maître :
Implémente un algorithme de partitionnement, par exemple bloc, avec possibilité de taille variable du bloc
– Taille fixe : équivalent à statique
– Guided self-scheduling: chaque esclave prend 1/p de ce qui reste
– Factoring: chaque esclave prend 1/P de la moitié du batch restant
Effectue les opérations globales par exemple réduction
p esclaves : Exécutent un bloc, et redemandent du travail dès que terminé
Placement et ordonnancement dynamique
Répartition par vol de travail Un processus pousse sur la pile des travaux en attente les tâches les plus longues
Les processus ou threads inactifs sélectionnent un autre processus auquel ils prennent du travail au fond de la pile
Peut être prouvé optimal pour une large classe d’applications
Implémentation délicate : gestion de verrous en espace d’adressage unique, protocole en espaces d’adressages multiples
http://supertech.lcs.mit.edu/cilk/
Placement et ordonnancement dynamique
Analyse de performances
Suite du cours ...
Parallelisation Automatique
Introduction Méthodes systématiques et automatisables
Analyse d’un programme séquentiel, fonctionnel, parallèle
Pour la définition d’un ordonnancement compatible avec la sémantique du programme
Exprimable dans une syntaxe parallèle
Aide à la parallélisation manuelle.
Les paralléliseurs automatiques et leurs limites
Reférence : Randy Allen and Ken Kennedy. Optimizing compilers for modern architectures. Morgan Kaufmann. 2002.
Mais les aspects avancés (“méthodes polyédriques”) ne sont pas traités.
Nids de boucles Boucles et séquences :
pas de conditionnelles,
ni de procédures
Instruction : occurrence textuelle
Opération, occurrence dynamique. Ex : A(1, 3, 2)= ...
Méthodologie Programme de départ :
Grain très finVectorisation
SIMD
Machines parallèles si grands vecteurs
Grain moyen : transcription directe en espace d’adressage unique
Dépendances Soient s et t deux opérations d'un programme P.
Collision : s et t sont en collision si s et t accèdent au même emplacement mémoire et l’une au moins écrit.
Dépendance : il existe une dépendance de s vers t si s et t sont en collision
ET
s avant t dans l’exécution de P
Notation : s -> t
L’ensemble des dépendances définit le graphe de dépendances développé du programme
Typologie : Dépendance de flot (RAW) ; s écrit, t lit
Anti-dépendance (WAR) ; s lit, t écrit
Dépendance de sortie (WAW) ; s et t écrivent
Repères d’instructions et prédicat de séquencement Repère d’instruction :
décrit une opération dans un nid de boucles
(nom_inst, i1, i2, …, in) où i1, i2, …, in sont les indices des boucles qui englobent l’instruction
Prédicat de séquencement : s, t deux instructions englobées dans n boucles
L’ ordre d’exécution des opérations est
(s, i1, i2, …, in) << (t, i’1, i’2, …, i’n) ssi (i1, i2, …, in) < (i’1, i’2, …, i’n) dans l’ordre lexicographique
OU (i1, i2, …, in)=(i’1, i’2, …, i’n) et s avant t dans l’ordre syntaxique de P
Niveau des dépendances et GDR La dépendance (s, i1, i2, …, in) -> (t, i’1, i’2, …, i’n)
est de niveau k si k est le premier indice tel que ik < i’k (inter-itération ; loop carried dependency)
est de niveau inf si (i1, i2, …, in) = (i’1, i’2, …, i’n) (intra-itération ; loop-independent dependency)
Graphe de dépendance réduit (GDR)Multi-graphe
Noeuds = instructions (statiques)
Arcs = dépendances étiquetées par leur niveau
Exemplefor (i=1;i<=N;i++) for (j=1;j<=N;j++) a(i+j) = a(i+j-1)+1;
Avec flèches pleines=flot sinon=anti/sortie
Suitefor (i=2;i<=N;i++) { S1: s(i) = 0; for (j=1;j<i-1;j++) S2: s(i) = s(i)+a(j,i)*b(j); S3: b(i) = b(i)-s(i);}
Avec a=anti o=sortie f=flot
Equivalence Deux programmes sont équivalents s’ils produisent le même résultat
Transformation Ré-ordonnancement, ré-indexation, parallélisation,…
Les instances dynamiques ne changent pas : pas d’instructions ajoutées ou supprimées
La structure de contrôle et les indices peuvent changer
« Proposition » Une transformation d’un programme P qui préserve le graphe de dépendances développé fournit un programme équivalent à P
Distribution de boucles
Autres transformations Échange de boucles
But : Modifier la granularité du parallélisme
Moyen : Modifier le parcours de l’espace d’itération pour faire apparaître du parallélisme
Torsion de boucles (Loop skewing) But : faire apparaître du parallélisme.
Moyen : Modifier le parcours de l’espace d’itération pour faire apparaître du parallélisme
Agrégation de boucles But : diminuer le surcoût de synchronisation
Transformations du code séquentiel But : faire apparaître du parallélisme
Etc.
Exemples Fusion de boucles
forall(i=1;i<=N;i++)
D[i]=E[i]+F[i];
forall(j=1;j<=N;j++)
E[j]=D[j]*F[j];
Composition de boucles
forall(j=1;j<=N;j++)
forall(k=1;k<=N;k++)
Échange de boucles
for(i=1;i<=N;i++)
for(j=2;j<=M;j++)
A[i,j]=A[i,j-1]+1;
DONNE :
forall(i=1;i<=N;i++)
D[i]=E[i]+F[i];
E[i]=D[i]*F[i];
forall(i=1;i<=N*N;i++)
for(j=2;j<=M;j++)
A[1:N,j]=A[1:N,j-1]+1;
Exemples Déroulement de boucle
for (i=1;i<=100;i++)
A[i]=B[i+2]*C[i-1];
Rotation de boucle [skewing]
for (i=1;i<=N;i++)
for (j=1;j<=N;j++)
a[i,j]=(a[i-1,j]+a[i,j-1])/2;
DONNE :
for (i=1;i<=99;i=i+2)
A[i]=B[i+2]*C[i-1];
A[i+1]=B[i+3]*C[i];
for(k=2;k<=N;k++)
forall(l=2-k;l<=k-2;l+=2)
a[(k-l)/2][(k+l)/2] = a[(k-l)/2-1][(k+l)/2]+a[(k-l)/2][(k+l)/2-1];
for(k=1;k<=N;k++)
forall(l=k-N;l<=N-k;l+=2)
a[(k-l)/2][(k+l)/2] = a[(k-l)/2-1][(k+l)/2]+a[(k-l)/2][(k+l)/2-1];
Exemple : décomposition LUSoit donc à résoudre le système triangulaire supérieur : Ux=b pour i=n-1, n-2,…, 1x[n]=b[n]/U[n,n] ;for(i=n-1;i>=1;i--) x[i]=0; for(j=i+1;j<=n;j++) L:x[i]=x[i]+U[i,j]*x[j]; x[i]=(b[i]-x[i])/U[i,i];
Graphe de dépendances
Il est à noter qu'il y a aussi des anti-dépendances des itérations (i,j) vers (i-1,j)
En faisant une rotation et une distribution de boucles
H':forall(i=1;i<=n-1;i++) x[i]=b[i];T': x[n]=b[n]/U[n,n];H: for(t=1;t<=n-1;t++) forall(i=1;i<=n-t;i++) L:x[i]=x[i]-x[n-t+1]*U[i],n-t+1]; T:x[n-t]=x[n-t]/U[n-t,n-t];
« Contre-exemple »
Préfixe parallèle
Algo d'Allen et KennedyLe principe est de remplacer certaines boucles for par des boucles forall (avec distribution de boucles pour limiter les dépendances)
Commencer avec k=1
Supprimer dans le GDRN G toutes les arêtes de niveau inférieur à k
Calculer les Composantes Fortement Connexes (CFC) de G
Pour tout CFC C dans l'ordre topologique : Si C est réduit à une seule instruction S sans arête, alors générer des boucles parallèles dans toutes les dimensions restantes (i.e. niveaux k à nS) et générer le code pour S
Sinon, l=l_min(C), et générer des boucles parallèles du niveau k au niveau l-1, et une boucle séquentielle pour le niveau l. Puis reboucler l'algorithme avec C et k=l+1
Illustrationfor(i=1;i<=N;i++) for(j=1;j<=N;i++) { S1: a(i+1,j+1) = a(i+1,j)+b(i,j+2); S2: b(i+1,j) = a(i+1,j-1)+b(i,j-1); S3: a(i,j+2) = b(i+1,j+1)-1; }
Ce GDRN est fortement connexe et a des dépendances de niveau 1. La boucle sur i sera donc séquentielle. On enlève maintenant les dépendances de niveau 1
Illustration
for(i=1;i<=N;i++) { for(j=1;j<=N;j++) S1: a(i+1,j+1) = a(i+1,j)+b(i,j+2); forall(j=1;j<=N;j++) S3: a(i,j+2) = b(i+1,j+1)-1; forall(j=1;j<=N;j++) S2: b(i+1,j) = a(i+1,j-1)+b(i,j-1);}