of 130 /130
Laboratorio de Paralelismo IF - EHU . 4 . TIPOS DE PROBLEMAS PARALELOS. METODOLOGÍA DE DESARROLLO DE PROGRAMAS PARALELOS.

4 . T IPOS DE P ROBLEMAS P ARALELOS. M ETODOLOGÍA DE D ESARROLLO DE P ROGRAMAS P ARALELOS

  • Upload
    pilis

  • View
    29

  • Download
    0

Embed Size (px)

DESCRIPTION

. 4 . T IPOS DE P ROBLEMAS P ARALELOS. M ETODOLOGÍA DE D ESARROLLO DE P ROGRAMAS P ARALELOS. Índice. 1. Introducción. 2. Análisis de algoritmos. 3. Metodología de desarrollo de programas paralelos. 4. Esquemas de algoritmos paralelos. 5.Problemas numéricos. Librerías. - PowerPoint PPT Presentation

Citation preview

Page 1: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

. 4 .TIPOS DE PROBLEMAS

PARALELOS.

METODOLOGÍA DE DESARROLLO DE PROGRAMAS PARALELOS.

Page 2: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Índice

1. Introducción.2. Análisis de algoritmos.3. Metodología de desarrollo de programas

paralelos.4. Esquemas de algoritmos paralelos.5. Problemas numéricos. Librerías.

Page 3: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Introducción 34

Los problemas que pueden resolverse mediante un algoritmo paralelo son, obviamente, muy heterogéneos.Suelen ser problemas de complejidad elevada, aún no perteneciendo al grupo de problemas intratables (el número de operaciones crece de forma rápida –p.e. exponencial– con el tamaño del problema).

Page 4: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Introducción 44

Dentro del conjunto de problemas tratables (el número de operaciones crece polinómicamente con el tamaño del problema) se suelen dar dos situaciones que hacen necesaria la programación paralela:

- Problemas de gran dimensión- Problemas de tiempo real

Otro tipo de problemas: problemas de gran desafío, por su relevancia social (genoma humano, meteorología, clima, fenómenos sísmicos…).

Page 5: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Introducción 54

Diferentes modelos sobre distintos aspectos de la programación paralela:- Modelo arquitectónico: arquitectura de la máquina -- multiprocesadores: memoria compartida

-- multicomputadores: paso de mensajes-- modelos mixtos- Modelo de programación: herramientas de alto

nivel (OpenMP, MPI).- Modelo de coste: permite evaluar el coste del

algoritmo.

Page 6: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Índice

1. Introducción.2. Análisis de algoritmos.3. Metodología de desarrollo de programas

paralelos.4. Esquemas de algoritmos paralelos.5. Problemas numéricos. Librerías.

Page 7: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 74

En la programación paralela (al igual que en la secuencial) son necesarias herramientas que permitan estimar el tiempo de ejecución y la memoria consumidos por un algoritmo, para determinar si es adecuado o no para la resolución del problema.

El objetivo es desarrollar algoritmos eficientes (eficiencia: relación entre los recursos que consume y los resultados que obtiene).

Page 8: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 84

Factores que influyen en el tiempo de ejecución de un programa:

- el lenguaje de programación (el programador)

- la máquina- el compilador (opciones)- los tipos de datos- los usuarios que estén trabajando

en el sistema

Page 9: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 94

Factores que influyen en el tiempo de ejecución de un programa paralelo:

- la competencia por la memoria (bloques de cache)

- la fracción de código secuencial (Amdahl)

- la creación/asignación de procesos- la computación extra: variables de

control, identificación de procesos, cálculos adicionales…

- la comunicación (para memoria distribuida)

- la sincronización- los desequilibrios de carga

Page 10: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 104

Estudio del algoritmo a priori

Antes de hacer el programa correspondiente.Sirve para identificar si el algoritmo es adecuado para el problema, o para seleccionar entre varios algoritmos.También sirve para determinar el tamaño de los problemas a resolver en función de las limitaciones de tiempo y memoria.

Page 11: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 114

Estudio a posteriori

Tras haber hecho el programa.Sirve para comparar entre dos programas según el tamaño de entrada.También para encontrar fallos o posibles mejoras de un programa.

Estudio teórico (a priori o posteriori) y estudio experimental (a posteriori).

Page 12: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 124

Tipos de estudios teóricos:Tiempo de ejecución (ej. ordenación)

- caso más favorable, cota inferior: tm (n)

- caso más desfavorable, cota superior: tM (n)

- caso promedio:tp (n)

S

p pntnt

,

donde:n es el tamaño de la entrada es una entrada de las S posibles

entradas

Page 13: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 134

Tipos de estudios teóricos:Ocupación de memoria

- caso más favorable, cota inferior: mm (n)

- caso más desfavorable, cota superior: mM (n)

- caso promedio:mp (n)

S

p pnmnm

,

donde:n es el tamaño de la entrada es una entrada de las S posibles

entradas

Page 14: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 144

Conteo de instrucciones- decidir qué instrucciones/operaciones (flop) se quieren contar.- asignar costes a instrucciones de cada tipo.- una función: coste de las instrucciones que la componen.- bucles: mediante sumatorios o cotas superior e inferior si no se conoce el número de veces que se ejecutará.- bifurcaciones: contar el número de veces que pasa por cada rama, o establecer una cota superior (rama más costosa) o una inferior (rama menos costosa).

Page 15: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 154

Conteo de instrucciones (caso promedio)

k número de instrucciones del programatp (n,i) número promedio de veces que la instrucción i se ejecuta para una entrada de tamaño n

k

i pp intnt1

,

1,,

jp jjipint

p (i,j) probabilidad de que la instrucción i se ejecute j veces

Page 16: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 164

Notación asintóticaDado que lo que interesa es saber cómo se comporta el algoritmo cuando crece el tamaño de la entrada (tamaños grandes), ya que es cuando podemos tener problemas de tiempo, se suelen utilizar notaciones asintóticas.Acotan la forma en que crece el tiempo de ejecución cuando el tamaño de la entrada tiende a infinito, sin tener en cuenta las constantes que le afectan.

Page 17: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 174

Acotar superiormente, orden de f:

nfkntennNnkNtefO :,,/: 00

Acotar inferiormente, omega de f: nfkntennNnkNtef :,,/: 00

Acotar sup. e inferiormente, orden exacto de f: nflntenfknnNnlkNtef :,,,/: 00

Page 18: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 184

A nivel práctico, a veces interesa no perder la información de las constantes del término de mayor orden:

1lim/:nfnteNtefo

n

nnOnOnOnOO loglog1

nn nOnOOnOnOnnnO !2...loglog 32

Algunas relaciones entre órdenes:

Page 19: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 194

Factores que afectan al tiempo de ejecución de un programa paralelo:

pntpntpntpntpnt goverlappinoverheadcomcalc ,,,,,

Estimación del tiempo de ejecución real

pntcom ,

pntcalc , Conteo de instrucciones

¿?

Page 20: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 204

Tiempo de comunicación punto a punto entre dos procesadores:

nttt wscom

paqwspaq

menspaqwscom Ltt

LLLttdt

1

Tiempo de comunicación de un mensaje dividido en paquetes a distancia d:

En general, conviene agrupar mensajes (full duplex?, red conmutada?, Ethernet…)

Page 21: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 214

Ejemplo: suma de n números

s = a[0];for(i=1; i<n; i++) s = s + a[i];

Tiempos de la versión secuencial:- conteo de instrucciones: t(n) =

tcalc(n) = 2n - 1- conteo de operaciones: t(n) =

tcalc(n) = n - 1

Page 22: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 224

Ejemplo: suma de n números (memoria compartida)- una versión paralela con n/2 procesos

doall pid = 0, n/2-1 {

ini = 2 * pid;des = 1;act = true;for (k=1; k++; k <= log n) {

if (act) {a[ini] = a[ini] + a[ini+des];des = des * 2;

}if ((i mod des)!=0) act = false;

}}

Page 23: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 234

Ejemplo: suma de n números (memoria compartida)- una versión paralela con n/2 procesos (memoria compartida):

0 1 2 3 4 5 6 7 k = 1

0, 1 2, 3 4, 5 6, 7 k = 2

0, 1, 2, 3, 4, 5, 6, 7 k = log n

0, 1, 2, 3 4, 5, 6, 7 …

Page 24: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 244

Ejemplo: suma de n números (memoria compartida)

Problemas:- distribución del trabajo entre procesos- overheads = variables auxiliares,

comprobaciones…- ley de Amdahl

Tiempos de la versión paralela (mem. compartida):

- conteo de instrucciones: tcalc(n, n/2) = 3 + 6 log n

- conteo de operaciones: tcalc(n, n/2) = log n

(+ sincronización tras cada iteración)

Page 25: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 254

Ejemplo: suma de n números (memoria distribuida)- una versión paralela con n/2 procesos

doall Pi, i = 0, n/2-1 {des = 1;

act = true; for (k=1; k++; k <= log n -1) {

if (act) { a = a + b;

des = des * 2; if ((i mod des)!=0) {

act = false;Envia (a, Pi-des/2);

}else Recibe (b, Pi+des/2);

} } if (i = 0) a = a + b;}

Page 26: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 264

Ejemplo: suma de n números (mem. distribuida)

Problemas:- añade la comunicación y su

gestión, cuyo coste puede influir más o menos

Tiempos de la versión paralela (mem. distribuida):

- instrucciones: tcalc(n, n/2) = 4+6 (log n -1) - operaciones: tcalc(n, n/2) = log n

- comunicación: tcom(n, n/2) = (log n -1) (ts + tw)

(suponiendo comunicaciones directas y en paralelo)

Page 27: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 274

Ejemplo: suma de n números (mem. distribuida)

speed-up para n=64 y p=32 según relación entre ts, tw y topsistema intrucciones flops

mem. compartida 4.70 10.50

mem. distribuida

ts = tw

tw = top2.89 3.94

mem. distribuida

ts = 2 tw

tw = 2 top1.98 1.75

mem. distribuida

ts = 10 tw

tw = 10 top

0.22 0.11

Page 28: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 284

Algunas conclusiones:- No tiene sentido suponer p ilimitado para

una entrada constante (eliminar la restricción n = 2p), n y p deben ser independientes.

- No tiene sentido utilizar programación paralela para resolver problemas pequeños. Mejor resolverlos secuencialmente. En el ejemplo, el coste es lineal, y, por tanto, no es adecuado.

- Dependiendo de la plataforma, un programa derivado de un algoritmo puede proporcionar unas prestaciones muy diferentes.

Page 29: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 294

Medidas de prestaciones:- Speed-up

pntntpnS,

,

1log

1,

ppn

npnS

Ejemplo: suma de n números (instr./flops)- Memoria compartida

- Memoria distribuida

ws ttpppn

npnS

1log1log

1,

p

pn

npnSlog62

12,

ws ttpp

pn

npnS

1log4log62

12,

Page 30: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 304

pppn

npnE

log1,

Ejemplo: suma de n números (flops)- Memoria compartida

- Memoria distribuida ws ttpppppnnpnE

1loglog

1,

Medidas de prestaciones:- Eficiencia

pntpnt

ppnSpnE

,*,,

Page 31: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 314

Medidas de prestaciones:- Coste

- Función overhead:

pntppnC ,*,

ntpntpntpnCpntover ,*,,

pppnpnC log, Ejemplo: suma de n números (flops)

- Memoria compartida

- Memoria distribuida 1log, ppppntover

ws ttpppppnpnC 1loglog, 1log, ppppntover

Page 32: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 324

EscalabilidadQue se mantengan las prestaciones al aumentar p y el tamaño del problema.

Función de isoeficienciaIndica la forma en la que debe aumentar el tamaño de la entrada en función del tamaño del sistema para mantener las prestaciones (despejar n en función de p).

K

ntpntnt

pnCnt

pntpntpnE

over

,,,*

,

pntKpntK

Knt overover ,',1

Page 33: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 334

Ejemplo: suma de n números (flops)Memoria compartida- manteniendo proporcional el coste del secuencial a la función overhead:

pntpppnnt over ,1log1

- comparando los términos de mayor orden: I(p) = p log pMemoria distribuida- manteniendo proporcional el coste del secuencial a la función overhead:

ws ttpppppn 1log1log1

- comparando los términos de mayor orden: I(p) = p log p

Page 34: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Análisis de algoritmos 344

Ejemplo: suma de n números (flops)- en ambos casos I(p) = p log p

Incremento de procesadores 4 a 16 16 a 64 64 a 256Aumento de tamaño del problema necesario para mantener la eficiencia

8 6 5.33

11

22

loglog

pppp

Page 35: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Índice

1. Introducción.2. Análisis de algoritmos.3. Metodología de

desarrollo de programas paralelos.

4. Esquemas de algoritmos paralelos.5. Problemas numéricos. Librerías.

Page 36: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 364

Es diferente paralelizar un algoritmo o programa secuencial, que programar en paralelo una aplicación desde el comienzo.

En el primer caso, interesa detectar aquellas partes del código con un mayor coste computacional.Lo más habitual es utilizar trazas, timers, profiling, etc., y ejecutar en paralelo aquellas partes que ofrecen un buen rendimiento (por ejemplo, paralelismo incremental de OpenMP).

Page 37: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 374

En el segundo caso, se empieza analizando las carac-terísticas de la propia aplicación, para determinar el/los algoritmos paralelos más adecuados.OJO: conviene partir de un buen algoritmo ya optimizado (¡no hay que reinventar la rueda!).

Aunque no hay un “camino único”, se suele recomendar utilizar un determinado procedimiento o metodología.

Page 38: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 384

La programación paralela añade, respecto a la programación secuencial, una serie de aspectos a tener en cuenta:

- Concurrencia (sincronización, comunicación).

- Asignación de datos y código a procesadores.

- Acceso simultáneo a datos compartidos (sincronización).

- Escalabilidad.

Page 39: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 394

Otra diferencia entre la programación secuencial y la paralela es la forma en que los módulos que componen una aplicación se pueden ensamblar:- Composición secuencial: los módulos se

ejecutan secuencialmente.- Composición paralela: diferentes módulos se

ejecutan simultáneamente sobre conjuntos disjuntos de procesos (escalabilidad y localidad).

- Composición concurrente: diferentes módulos se ejecutan concurrentemente sobre los mismos procesos (solapamiento computación y comunicación).

Page 40: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 404

PROBLEMAParticionado

Comunicación

Aglomerado

Mapeado

Modelo PCAM

Page 41: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 414

PROBLEMAParticionado

Comunicación

Aglomerado

Mapeado

Descomposición (tareas+comunicación)

Asignación (tareas a procesos)

Modelo PCAM

Page 42: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 424Descomposición

La descomposición consiste en dividir el cálculo en partes de menor tamaño que vamos a denominar tareas, con el objetivo de ejecutarlas en paralelo.

Según el tamaño (coste computacional) de las tareas se habla de:

- granularidad fina (muchas tareas pequeñas).- granularidad gruesa (pocas tareas grandes).

Page 43: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 434Descomposición

En esta fase es fundamental tener en cuenta las dependencias entre las tareas y reflejarlas en un grafo de dependencias para poder estimar las necesidades de sincronización y estructura de comunicación que hay entre las tareas.

Es deseable obtener un número suficientemente alto de tareas (grano fino) para tener más flexibilidad en la fase de asignación.

Page 44: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 444Descomposición

Ejemplo 1: Evaluación polinomialSe trata de evaluar, para un valor x = b, m funciones polinomiales de grado n f i (x) con i=0,…,m-1; y obtener el valor mínimo.

Un posible reparto es asignar una tarea a la evaluación de cada polinomio (o conjunto de polinomios) y luego ir calculando el mínimo entre las tareas.

Page 45: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 454Descomposición

Ejemplo 1: Evaluación polinomialVeamos dos grafos de dependencias entre las tareas (para el caso de 4 polinomios), con sus costes computacionales (cc=5 para evaluar y cc=1 para calcular el mínimo):

f1(b)5

f0(b)5

f2(b)5

f3(b)5

min1

min1

min1

(a)f1(b

)5f0(b

)5f2(b

)5f3(b

)5

min1

min1

min1

(b)

Page 46: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 464Descomposición

Mediante el grafo de dependencias se puede establecer el máximo grado de concurrencia de un algoritmo.Para caracterizar el paralelismo potencial de un algoritmo se suele calcular el grado medio de concurrencia (gmc), es decir, el número medio de tareas que se podrían ejecutar en paralelo.gmc

N

iinodocc

Lgmc

1

)(1 gmc(grafo a) = 23/7 = 3,28

gmc(grafo b) = 23/8 = 2,875L: long. camino crítico

cc: coste computacional

Page 47: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 474Descomposición

Para el ejemplo 1 (evaluación polinomial) el grafo con la estructura de comunicación necesaria para el caso de paso de mensajes sería:

f1(b)5

f0(b)5

f2(b)5

f3(b)5

min1

min1

min1

Lectura+reparto4

4 4 4

1 1 1 1

1 1 Patrón de comunicación(recursiva)

Page 48: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 484Descomposición

Algunas técnicas de descomposición

- Descomposición de dominio (salida/entrada/bloques)- Descomposición funcional (flujo de datos)- Descomposición recursiva

- Descomposición exploratoria- Descomposición especulativa

Page 49: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 494Descomposición

Algunas técnicas de descomposición- Descomposición de dominio

- Centrada en los datos de salida

Ejemplo 2: diferencias finitas Jacobi

84 )(

1,)(

1,)(,1

)(,1

)(,)1(

,

tji

tji

tji

tji

tjit

ji

XXXXXX

Patrón de comunicación

Page 50: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 504Descomposición

Algunas técnicas de descomposición- Descomposición de dominio

- Centrada en los datos de entrada

Ejemplo 3: Producto escalar de dos vectoresProducto escalar de vectores de longitud n con p tareas

1

0

p

pidpidpepe

1)1(

pnpid

pnpidj

jjpid yxpe

Suma final patrón recursivo (≈ ejemplo1)

Page 51: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 514Descomposición

Algunas técnicas de descomposición- Descomposición de dominio

- Basada en bloques (algoritmos matriciales)

Ejemplo 4: Multiplicación matriz-vector (x=Ab)Producto matriz-vector con 2 tareas

A0

1

A0

0A1

0

A1

1

b0

b1

x0

x1

× = tarea 0tarea 1

A0

1

A0

0A1

0

A1

1

Page 52: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 524Descomposición

Algunas técnicas de descomposición- Descomposición funcionalDirigida por el flujo de datos, se identifican las partes funcionales del cálculo y se asocian con tareas. Luego se hace un análisis del solapamiento de datos y del flujo de datos entre tareas para validar o no la división planteada.

Ejemplo 5: Filtrar una lista de enterosSe desea encontrar aquellos números de una lista (longitud n) que sean múltiplos de todos los números primos pertenecientes a otra lista (longitud m, m<<n)múltiplo

de 3?múltiplo

de 5?múltiplo

de 7?lista

entradalista

salidatarea 0 tarea 1 tarea 2

Otros diagramas de flujo

Page 53: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 534Descomposición

Algunas técnicas de descomposición- Descomposición recursiva

- aplicación de la técnica divide-y-vencerás.- se generan subproblemas que son instancias del original pero independientes entre sí.

- se sigue dividiendo hasta que no merezca la pena.

- al final, combinación de resultados.- esquema de planificación adecuado: granja de tareas (estructura de datos compartida).

Page 54: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 544Descomposición

Algunas técnicas de descomposición- Descomposición recursiva

Ejemplo 6: Integración numérica por cuadratura adaptativaSe desea aproximar numéricamente el valor de una integral, es decir, el área bajo la curva de una función.Objetivo: una precisión determinada. No se conocen a priori el número de iteraciones y hay que definir un criterio de parada.

Page 55: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 554Descomposición

Algunas técnicas de descomposición- Descomposición exploratoria

- problemas de búsqueda de soluciones en un espacio de estados.- ir descomponiendo el espacio de búsqueda en partes de menor tamaño para irlas asignando a tareas diferentes.- normalmente se estructura el espacio de búsqueda en forma de árbol.- el criterio de parada puede ser cuando se encuentra la primera solución o cuando se han explorado todos los nodos del árbol.

Page 56: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 564Descomposición

Algunas técnicas de descomposición- Descomposición exploratoria

Ejemplo 7: Suma del subconjuntoSe trata de encontrar las posibles combinaciones de números pertenecientes a un conjunto determinado tales que la suma de los mismos valga un valor s concreto.Se puede plantear como un algoritmo de búsqueda en el que se van seleccionando los diferentes elementos del conjunto determinando los subconjuntos cuya suma tiene un valor de s.

Page 57: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 574Descomposición

Algunas técnicas de descomposición- Descomposición exploratoria

Ejemplo 7: Suma del subconjunto

----

0---

00-- 01--

1---tarea i tarea j

ojo, reparto de trabajo!

Page 58: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 584Descomposición

Algunas técnicas de descomposición- Descomposición especulativa

- en este tipo de descomposición se adelanta cálculo que hay que realizar selectivamente (todas las ramas o las estimadas más probables) para reducir el tiempo medio de respuesta.

Entrada

Cálculo selección

Cálculo tipo1

Cálculo tipo2

Cálculo tipoX… Salida

Page 59: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 594Descomposición

Algunas técnicas de descomposición- Enfoques mixtosEn muchas ocasiones hay que aplicar diferentes esquemas de descomposición para extraer paralelismo en diferentes fases de procesamiento de una aplicación.

En el ejemplo 1 –evaluación polinomial– hemos aplicado descomposición de dominio para realizar la evaluación de los polinomios y descomposición recursiva para calcular el mínimo de las evaluaciones.

Page 60: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 604Descomposición

Algunas técnicas de descomposición- Enfoques mixtosCaso meteorológico/climático

> Paralelismo de datos > Paralelismo de función

Page 61: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 614Descomposición

Factores a considerar en la descomposición- Características de las tareas

-- Creación estática/dinámicaSegún se conozcan a priori las tareas a realizar (ejemplo 2 – jacobi) o se vayan generando durante la ejecución del programa (ejemplo 6 – integración numérica).

Page 62: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 624Descomposición

Factores a considerar en la descomposición- Características de las tareas

-- Número de tareas obtenidasDebería de ser suficientemente grande para facilitar la fase de asignación de tareas.Aconsejable obtener un orden de magnitud más de tareas que de procesadores (si la aplicación lo permite).Es importante que el número de tareas escale con el tamaño del problema.

Page 63: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 634Descomposición

Factores a considerar en la descomposición- Características de las tareas

-- Tamaño de las tareasInteresa que el coste (computacional) de las diferentes tareas sea similar y se pueda estimar a priori (esto dependerá del problema), para evitar problemas de load-balancing durante el reparto a procesadores.

Page 64: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 644Descomposición

Factores a considerar en la descomposición- Características de las tareas

-- Tamaño de las tareas

Esto es fácil en los ejemplos 1, 2 y 3 –evaluación polinomial, jacobi y producto escalar– pero no lo es para el ejemplo 7 –suma del subconjunto– si se aplican técnicas de poda.

Page 65: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 654Descomposición

Factores a considerar en la descomposición- Características de las tareas

-- Replicación de datos/cálculoConviene evitar que las tareas compartan mucho cálculo o datos del problema.

-- Tamaño y localización de los datos asociados a cada tareaDeben ser accesibles por el proceso que ejecuta esa tarea (fase de asignación) y hay que evitar una sobrecarga por cálculo y/o comunicación.

Page 66: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 664Descomposición

Factores a considerar en la descomposición- Patrones de comunicación entre tareas-- Patrones locales/globales

Un patrón de comunicación se dice que es local cuando cada tarea interacciona sólo con un subconjunto pequeño de tareas (vecinas).Se utiliza el grafo de dependencias para determinar las necesidades de comunicación o sincronización.

Page 67: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 674Descomposición

Factores a considerar en la descomposición- Patrones de comunicación entre tareas-- Patrones locales/globales

El ejemplo 2 –jacobi– es un caso de patrón local de comunicación.

Page 68: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 684Descomposición

Factores a considerar en la descomposición- Patrones de comunicación entre tareas-- Patrones locales/globales

Un patrón de comunicación se dice que es global cuando múltiples tareas aportan datos para realizar un cálculo en paralelo. Ejemplo 3 – producto escalar.

Comunicación global (centralizado) Distribución de cálculo y comunicación

Descomp. recursiva

Page 69: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 694Descomposición

Factores a considerar en la descomposición- Patrones de comunicación entre tareas-- Patrones estáticos/dinámicos

En los estáticos se conoce a priori qué tareas y cuándo se comunican.Los ejemplos 1, 2 y 3 –eval. polinomial, jacobi y producto escalar– tienen patrones de comunicación estáticos.Sin embargo, en el ejemplo 6 –integración numérica– no se sabe a priori cuándo se va a producir la actualización del área global, ya que depende de la función que se esté integrando.

Page 70: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 704Descomposición

Factores a considerar en la descomposición- Patrones de comunicación entre tareas-- Patrones regulares/irregulares

Se habla de patrón regular cuando la comunicación presenta una topología espacial. Los patrones regulares simplifican la etapa de asignación y programación en el modelo de paso de mensajes.En el ejemplo 2 –jacobi– la comunicación se realiza entre las cuatro tareas vecinas en la malla.El ejemplo 6 –integración numérica– presenta un patrón de comunicación irregular.

Page 71: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 714Descomposición

Factores a considerar en la descomposición- Patrones de comunicación entre tareas-- Datos compartidos de lectura/lectura+escritura-- Comunicación unilateral/bilateral

En la comunicación unilateral la comunicación de una tarea con otra tarea (productora) se hace sin interrumpirla; sin embargo, en la bilateral la comunicación se hace de forma explícita entre la tarea productora y la tarea que precisa de los datos.En el modelo de paso de mensajes la comunicación unilateral se convierte en bilateral, y con patrón irregular, la dificultad aumenta (ejemplo 9 –suma del subconjunto 9– con poda).

Page 72: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 724Asignación

Tras la fase de descomposición se obtiene un algoritmo paralelo de grano fino, independiente de la plataforma paralela que se vaya a usar para su ejecución.La fase de asignación es en la que se decide qué tareas agrupar y en qué unidades de procesamiento se va a ejecutar cada tarea y en qué orden. Por ello, es en esta fase en la que se tienen en cuenta aspectos de la plataforma paralela como: número de unidades de procesamiento, modelo de memoria compartida o paso de mensajes, costes de sincronización y comunicación, etc.

Page 73: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 734Asignación

Agrupamiento y replicación en la asignaciónMediante el agrupamiento de tareas se consigue minimizar el volumen de datos a transferir entre las tareas y se reduce el número de interacciones entre ellas (también se suelen agrupar mensajes).La replicación de datos y de cómputo/comunicación también se utilizan para reducir el tiempo de ejecución. ¡Ojo! Limitan la escalabilidad de la aplicación.

Page 74: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 744Asignación

En esta fase se asocian las tareas a los procesos (entidades abstractas capaz de ejecutar cálculo) y no a los procesadores (entidad física, hardware) para mantener un mayor nivel de abstracción que aumente la flexibilidad del diseño.Será en las últimas fases de implementación del algoritmo cuando se asignen los procesos a procesadores (normalmente, uno a uno).

Page 75: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 754Asignación

Objetivos de la asignación:- Reducir el tiempo de computación.- Minimizar el tiempo de comunicación.- Evitar el tiempo de ocio (por mal reparto de carga o por esperas en sincronizaciones/comunicaciones).

Dos tipos generales de esquemas de asignación:- Asignación estática (técnicas de

planificación deterministas).- Asignación dinámica.

Page 76: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 764Asignación

Asignación estáticaCuando se conoce o se puede estimar a priori el coste computacional de las tareas y las relaciones entre ellas, y, por tanto, se decide a priori qué unidad de proceso ejecutará cada tarea.El problema de asignación estática óptima es NP-completo técnicas heurísticas.La gran ventaja frente a los dinámicos es que no añaden ninguna sobrecarga en tiempo de ejecución.

Page 77: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 774Asignación

Asignación dinámicaSe utiliza cuando las tareas se generan dinámicamente (ejemplo 6 –integración numérica–), o cuando no se conoce a priori el tamaño de las tareas (ejemplo 7 –suma del subconjunto– con poda).Es más compleja que la estática: ¿cómo redistribuir el trabajo en tiempo de ejecución?

Page 78: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 784Asignación

Esquemas de asignación estáticaAlgunos se centran en métodos para descomposición de dominio (distribuciones de matrices por bloques, diferencias finitas en una malla bidimensional…).Otros se centran en métodos sobre grafos de dependencias estáticas (normalmente obtenidas mediante descomposición funcional o recursiva).

Page 79: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 794Asignación

Esquemas de asignación dinámicaCuando se aplican descomposiciones recursivas o exploratorias suele ser más adecuado utilizar esquemas de asignación dinámica.

Uno de los problemas a afrontar es la necesidad de un mecanismo de detección de fin de trabajo.

Page 80: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 804Asignación

Esquemas de asignación dinámica- Esquemas centralizados: maestro – esclavos

MaestroColección de subproblemas

Esclavo 0Subproblemas

Petición de subproblemas / Resultados

Esclavo 1 Esclavo p-1…

Page 81: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 814Asignación

Esquemas de asignación dinámica- Esquemas centralizados: maestro – esclavos

Adecuado con un número moderado de esclavos y cuando el coste de ejecutar los subproblemas es alto comparado con el coste de obtenerlos.Algunas estrategias para mejorar la eficiencia (reduciendo la interacción entre maestro y esclavos):

- Planificación por bloques.- Colecciones locales de subproblemas.- Captación anticipada (solapar cálculo y

comunic.).Fácil determinación de fin (en el maestro).

Page 82: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 824Asignación

Esquemas de asignación dinámica- Esquemas completamente descentralizados

No existe un proceso maestro; los subproblemas se encuentran distribuidos por todos los procesos.

Proceso iColección de subproblemas

Proceso jColección de subproblemas

Proceso kColección de subproblemas

Page 83: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Metodología 834Asignación

Esquemas de asignación dinámica- Esquemas completamente descentralizados

El equilibrio de carga es más difícil y requiere poder transferir subproblemas a procesos ociosos (cuántos?): - Transferencia iniciada por el receptor (sondeo aleatorio, sondeo cíclico…) - Transferencia iniciada por el emisor (cargas bajas)

La detección de fin es más compleja (algoritmo de terminación de Dijkstra…)

Page 84: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Índice

1. Introducción.2. Análisis de algoritmos.3. Metodología de desarrollo de programas

paralelos.4. Esquemas de algoritmos

paralelos.5. Problemas numéricos. Librerías..

Page 85: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 854

Un esquema algorítmico es un patrón común a la resolución de distintos problemas. En el caso paralelo se encuentran versiones paralelas de esquemas secuenciales, esquemas que son propiamente paralelos (maestro-esclavo, granja de procesos…) o esquemas que son adecuados para ciertos sistemas o topologías paralelas o para esquemas concretos de descomposición/asignación vistos en el apartado anterior.

Page 86: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 864

Paralelismo de datos (bucles)Normalmente en memoria compartida trabajando distintos threads o procesos sobre una estructura de datos común pero en zonas diferentes.Algunos ejemplos:- Suma de n números- Ordenación por rango- Evaluación polinomial (ejemplo 1)- Multiplicación matriz-vector (ejemplo 4)- Integración numérica (ejemplo 6)

Page 87: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 874

Particionado de datosEs una especie de paralelismo de datos con paso de mensajes.La diferencia está en que no sólo se reparte el trabajo sino que hay que distribuir los datos entre los procesos. Por tanto, hay que tener en cuenta las necesidades de comunicación entre procesos (y la topología sobre la que se trabaja).Los mismos ejemplos que en el paralelismo de datos se pueden programar mediante el particionado de datos.

Page 88: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 884

Esquemas en árbol y grafoMuchos problemas tienen una representación en forma de árbol (por ejemplo, la suma de n números).Este tipo de problemas se resuelven asignando el trabajo de diferentes nodos a distintos procesos, de manera que la carga esté equilibrada.Para minimizar sincronizaciones/comunicaciones la asignación habrá que hacerla de manera que se minimice el número de arcos entre nodos asignados a procesos distintos.Algunos ejemplos: barreras en árbol, mergesort…

Page 89: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 894

Esquemas en árbol y grafoAlgoritmos de ordenación, de cálculo de máximos...(en general, “búsquedas” de algún tipo en grandes cantidades de datos)-- reparto de las tareas entre los procesadores, que procesarán localmente un subconjunto de los datos.-- puede haber algo de comunicación, durante el proceso de los datos o al final del mismo.

Page 90: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 904

Esquemas en árbol y grafoInteracciones entre N cuerpos (the N-body problem)

Cálculo de la posición y velocidad de cuerpos en el espacio (o de partículas cargadas...).

F = G (M1M2/R2) → F = m Δv/Δt → Δx = v Δt

Cálculo de orden O(N3) → en paralelo, muchos mensajes, ya que todos los cuerpos interaccionan con todos en cada iteración de la simulación.

Page 91: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 914

Esquemas en árbol y grafoInteracciones entre N cuerpos (the N-body problem)

Reducir la comunicación mediante técnicas de clustering.

Un grupo de cuerpos se considera como uno solo situado en el centro de masas si se cumple, por ejemplo, que r > d / .

dr

Page 92: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 924

Algoritmos relajados o paralelismo “obvio” (embarrassingly parallel)

El cálculo de cada proceso es independiente por lo que no hay sincronización ni comunicación, excepto, quizás, al comienzo y al final.Algunos ejemplos: suma de n números, ordenación por rango, multiplicación matrices, el ejemplo 6 de integración numérica (si se determina el número de subintervalos y el reparto entre los procesos).Otros ejemplos

Page 93: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 934

Algoritmos relajados o paralelismo “obvio”Procesado de imagen> desplazamiento: (x, y) → (x+Δx, y+Δy)> escalado: (x, y) → (x*Sx, y*Sy)> rotación: x → x cos + y sen

y → -x sen + y cos > recorte (clipping): borrar fuera de un área

Reparto de tareas: por filas, columnas, bloques...

Page 94: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 944

Algoritmos relajados o paralelismo “obvio”Cálculo de funciones tipo “Mandelbrot”

> Iteración de una función con los puntos de una determinada área hasta que se cumpla cierta condición.

Por ejemplo: Zk+1 = Zk2 + C

(complejos)hasta que |Zk| > 2

Reparto de puntos independientes; la asignación de tareas podría ser dinámica.

Page 95: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 954

Algoritmos relajados o paralelismo “obvio”Procesos tipo “Montecarlo” (aleatoriedad)Selección aleatoria de puntos para procesar una determinada función.

xx

x x

x

xPor ejemplo, cálculo de pi como la relación de áreas entre un cuadrado y un círculo.

Problemas con la generación de números aleatorios.

Page 96: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 964

Computación pipeline o segmentadaEl problema se divide en una serie de etapas.Cada etapa se ejecuta, por ejemplo, en un procesador, y pasa resultados a la siguiente.

Es un tipo de descomposición funcional, relacionado con la repetición del mismo proceso sobre una serie larga de datos (p.e., en tiempo real: procesado de vídeo).

f1 f2 f3 f4

Page 97: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 974

Computación pipeline o segmentada

Condiciones:-- que se ejecute más de una vez el mismo problema.-- que se procese una serie larga de datos.-- que se pueda pasar datos a la siguiente fase mucho antes del final del cálculo de cada fase.-- que el tiempo de proceso asociado a cada fase sea similar (load balancing).Topología ideal: cadena / anillo.

Page 98: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 984

Computación pipeline o segmentada

Normalmente no se genera un número muy elevado de procesos.

Algunos ejemplos:-- procesado de señal (sonido, vídeo...)-- simulaciones de procesos segmentados (computación)

Page 99: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 994

Paralelismo síncronoEs el caso más habitual. Dos tipos:

-- paralelismo de datos-- procesos iterativos

Hay que sincronizar los procesos, bien al final de una operación o bien al final de una iteración.Lo más habitual es que la sincronización sea global (p.e., al final de cada iteración, para decidir si seguir o parar). La implementación de la barrera debe ser eficiente.

Page 100: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 1004

Paralelismo síncrono

La sincronización / comunicación entre procesos añade problemas:

-- carga añadida al tiempo de cálculo → reducción del speed-up.

-- posibles problemas con el reparto equilibrado de tareas (load balancing).

-- posibles deadlocks.

Page 101: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 1014

Paralelismo síncronoComo siempre, hay que intentar reducir las necesidades de comunicación.

Un ejemplo: una determinada aplicación procesa una matriz de N×N elementos entre P procesadores. Durante la ejecución, los procesos necesitan intercambiarse los datos de “la frontera”. ¿Cuál es el reparto más adecuado de los datos de la matriz, por filas/columnas o por bloques?

Page 102: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 1024

Paralelismo síncrono

Total de comunicación:2 veces N elementos 4 veces N / P1/2

elementosTiempo de comunicación (send + receive):

Tcol = 4 × (ti + te × N) Tblo = 8 × (ti + te × N/P1/2)

N/P1/2

N/P1/2N

N/P

Page 103: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 1034

Paralelismo síncrono

Tcol > Tblo → ti / te < N × (1 - 2/P1/2)

0

50

100

150

1 10 100 1000

ti / te

P

N = 32

N = 64

N = 128

ti grande, mejor por columnas

ti pequeño, mejor por bloques

Page 104: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 1044

Paralelismo síncronoOtros ejemplos:-- Resolución de un sistema de ecuaciones por el método iterativo de Jacobi (ejemplo 2).-- Difusión de calor en un determinado medio físico.-- Autómatas celulares.-- Multiplicación de matrices por el método Cannon.-- Resolución de sistemas de ecuaciones lineales por métodos iterativos.-- El juego de la vida (problemas de simulación).

Page 105: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 1054

Paralelismo síncrono-- Resolución de un sistema de ecuaciones por el método iterativo de Jacobi

84 )(

1,)(

1,)(,1

)(,1

)(,)1(

,

tji

tji

tji

tji

tjit

ji

XXXXXX

> Diferencias finitas: Jacobifácil de paralelizar

84 )(

1,)1(1,

)(,1

)1(,1

)(,)1(

,

tji

tji

tji

tji

tjit

ji

XXXXXX

Gauss-Seidel: más eficiente, más complejo

“Red/black” una alternativa

Page 106: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Esquemas de algoritmos paralelos 1064

Paradigma maestro-esclavoThread/proceso maestro que se encarga de poner en marcha los esclavos dándoles trabajo y recopilando las soluciones que van calculando.

Granja de procesosConjunto de procesos que trabaja de manera conjunta pero independiente en la resolución de un problema (similar al de los algoritmos relajados). Similar a maestro-esclavo, pero los procesos hacen un trabajo idéntico. Trabajadores replicadosLos workers son capaces de generar nuevas tareas que pueden ejecutarlas ellos mismos y otros workers. Es una versión descentralizada (control de finalización!).

Page 107: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Índice

1. Introducción.2. Análisis de algoritmos.3. Metodología de desarrollo de programas

paralelos.4. Esquemas de algoritmos paralelos.5. Problemas numéricos.

Librerías.

Page 108: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1084

La computación paralela está ligada al desarrollo e implementación de algoritmos numéricos, principalmente los matriciales.

Por ello, el estudio de la implementación paralela de algoritmos numéricos paralelos y de las librerías numéricas matriciales paralelas es necesario para el aprendizaje de la programación paralela.

Page 109: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1094

Las primeras aplicaciones de la computación paralela fueron la aceleración de todo tipo de algoritmos numéricos, especialmente los matriciales.La regularidad de las estructuras matriciales las hace especialmente adecuadas para su procesamiento paralelo.Los problemas que se tratan suelen ser de gran dimensión o problemas cuya respuesta debe obtenerse en tiempo real.

Page 110: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1104

Se han desarrollado numerosas librerías orientadas a conseguir altas prestaciones (speed-up, eficiencia, escalabilidad…).Su legibilidad, portabilidad y eficiencia ha permitido no tener que reescribir gran cantidad de código.Sin embargo, desarrollar algoritmos matriciales paralelos eficientes y precisos no suele ser una tarea trivial (p.e., eficiencia versus estabilidad numérica).

Page 111: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1114

Dos problemas tipo (muchos de los problemas se reducen a éstos):

- Resolución de sistemas de ecuaciones lineales

Ax = b- Cálculo de valores y vectores propios

Ax = λx

Page 112: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1124

A su vez, estos problemas suelen utilizar en sus cálculos productos escalares de vectores, productos matriz-matriz, producto vector-matriz, etc.

Por ello se puede abordar el análisis computacional con una visión de niveles, diseñando rutinas sencillas pero eficientes que resuelvan estos cálculos matriciales (nivel de núcleo) para utilizarlas en un nivel más alto (nivel de librería).

Page 113: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1134

Los problemas matriciales que se suelen resolver mediante técnicas paralelas, normalmente, tienen una característica clave para poderlos afrontar de una manera eficiente:

Matrices de gran tamaño y con algún tipo de estructura. El tamaño de las matrices (104x104, 105x105)

plantea problemas en cuanto al coste de computación –suelen ser algoritmos de O(n3)–, y en cuanto a la cantidad de memoria necesaria –normalmente datos de doble precisión, una matriz de 105x105 son 74 GB–.

Page 114: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1144

En cuanto a la estructura, se pueden clasificar en:- Matrices densas

con un patrón aleatorio en cuanto a valores y posiciones en la matriz

- Matrices dispersascon un número elevado de

elementos con valor cero- Matrices estructuradas

la posición de los elementos no nulos de la matriz sigue un patrón concreto

Page 115: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1154

En cuanto a la estructura, se pueden clasificar en:- Matrices estructuradas

Algunos ejemplos: matriz banda

cf

0’s

0’s

cijsifjisijiAA 0,:

Page 116: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1164

En cuanto a la estructura, se pueden clasificar en:- Matrices estructuradas

Otros ejemplos:Matriz de tipo Toeplitz gfjisigfTjiT ,,

3 4 5 18 3 4 56 8 3 49 6 8 3

Matriz de tipo Hankel gfjisigfHjiH ,,

3 4 5 14 5 1 25 1 2 71 2 7 8

Page 117: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1174

Núcleos computacionales y libreríasLos núcleos computacionales son un conjunto de funciones o subprogramas que resuelven operaciones vectoriales y/o matriciales sencillas: producto escalar, suma vectores, producto matriz-vector…

Las librerías están constituidas por un conjunto de rutinas que resuelven problemas de más alto nivel utilizando los núcleos computacionales.

Page 118: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1184

Núcleos computacionales: BLASBasic Linear Algebra Subprograms http://www.netlib.org/blas/

BLAS 1 (1973)Programada en Fortran77, sólo cubría operaciones elementales de complejidad O(n), p.e.: producto escalar de vectores, suma de vectores con escalado: y = ax + yEn la optimización de código para arquitecturas vectoriales BLAS 1 puede ser un problema ya que oculta al compilador la naturaleza de las operaciones matriz-vector impidiendo su optimización.

Page 119: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1194

Núcleos computacionales: BLAS

BLAS 2Cubre un conjunto de operaciones sencillas de tipo matriz-vector. Son operaciones de O(n2) del estilo:

y = aAx + by (A matriz, x e y vectores, a escalar)

A = axyT + A, × = A-1x (con A triangular superior)

Page 120: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1204

Núcleos computacionales: BLAS

BLAS 3Para computadores con jerarquía de memoria, la descomposición por bloques manteniendo el cálculo matricial es mejor que la descomposición matriz-vector, ya que se consigue una mayor reutilización de los datos en la memoria cache (o memoria local).BLAS 3 cubre estas necesidades implementando operaciones tales como: C = aAB + bC, C = aAAT + bC, B = aT-1B (con T triangular)

Page 121: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1214

Librería LAPACKhttp://www.netlib.org/lapack/

Escrita inicialmente en Fortran77; también puede invocarse desde C.

Surge como una fusión mejorada de las librerías LINPACK (resolución de ecuaciones lineales) y EISPACK (cálculo de valores propios).

Page 122: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1224

Librería LAPACK

Está compuesta de subrutinas para resolver sistemas de ecuaciones lineales, problemas de mínimos cuadrados lineales, y problemas de valores propios y valores singulares.También contiene las descomposiciones que permiten resolver los problemas anteriores: LU, Cholesky, QR, SVD,…).

Page 123: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1234

Librería LAPACK

Utiliza sobre todo el núcleo BLAS 3. De este modo los fabricantes pueden proporcionar versiones nativas de BLAS y conseguir muy buenas prestaciones para LAPACK.Sirve para matrices densas y banda, pero no para dispersas. Para datos reales y complejos de simple y doble precisión.

Page 124: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1244

Librería LAPACK

Contiene tres tipos de rutinas:> Rutinas driver: resuelven un problema completo (cálculo de valores propios de una matriz simétrica, resolución de un sistema de ecuaciones lineales…).> Rutinas computacionales: resuelven cálculos como las factorizaciones matriciales (descomposición QR, descomposición LDLT…), reducción de una matriz a la forma diagonal, etc.

Page 125: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1254

Librería LAPACK

Contiene tres tipos de rutinas:> Rutinas auxiliares: realizan subtareas de los algoritmos orientados a bloques; se pueden considerar como extensiones de BLAS.

Documentación en working notes (buena fuente de aprendizaje de diseño de algoritmos numéricos matriciales eficientes.http://www.netlib.org/lapack/lawns/downloads/

Page 126: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1264

Librería ScaLAPACKhttp://www.netlib.org/scalapack/

Es la versión para memoria distribuida de la librería LAPACK. Aparece a finales de los 90 y contempla redes de computadores y paralelos heterogéneos.Resuelve problemas de álgebra lineal numérica: sistemas de ecuaciones lineales, problemas de mínimos cuadrados y problemas de valores propios.

Page 127: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1274

Librería ScaLAPACK

Portable a cualquier computador en el que esté instalado MPI, y está escrito siguiendo el modelo SPMD.Trabaja con matrices que están distribuidas por los procesadores mediante una distribución cíclica por bloques, y sirve para matrices densas y banda, no para dispersas.Los tipos de datos que contempla son reales y complejos de simple y doble precisión.

Page 128: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1284

Librería ScaLAPACK

Se basa en el núcleo PBLAS (Parallel Basic Linear Algebra Subroutines), que es una extensión de BLAS para el modelo de paso de mensajes. Al igual que BLAS, está organizada por niveles (PBLAS 1, PBLAS 2 y PBLAS 3).Para el diseño de PBLAS se diseñó otro paquete núcleo computacional especializado en las comunicaciones denominado BLACS (Basic Linear Algebra Communications Subroutines), que a su vez utiliza MPI.

Page 129: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Problemas numéricos. Librerías 1294

Librería ScaLAPACK

Global

LocalLAPACK

BLAS

BLACS

Primitivas de paso de mensajes(MPI, PVM…)

PBLASScaLAPACK

http://www.netlib.org/

Page 130: 4 . T IPOS DE  P ROBLEMAS  P ARALELOS. M ETODOLOGÍA DE  D ESARROLLO DE  P ROGRAMAS  P ARALELOS

Laboratorio de ParalelismoIF - EHU

Programación Paralela• F. Almeida et al: Introducción a la programación

paralela.Paraninfo, 2008.

• I. Foster: Designing and Building Parallel Programs.Addison Wesley (version on-line).

• B. Wilkinson, M. Allen: Parallel Programming Techniques and Applications… Pearson, 2005 (2. ed.).

• M.J. Quinn: Parallel Programming in C with MPI and OpenMP.McGraw Hill, 2003.

• A. Grama, A. Gupta, G. Karypis, V. Kumar: Introduction to Parallel Computing (2. ed.). Pearson, 2003.

Referencias