1 / 56

Paradigma “Shared Address Space”

Paradigma “Shared Address Space”. Algoritmos paralelos Glen Rodríguez. Plataformas de memoria compartida. En MPI: division de tareas y comunicación es explícita. En memoria compartida es semi-implícita. Además la comunicación es a través de la memoria común.

maille
Download Presentation

Paradigma “Shared Address Space”

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

E N D

Presentation Transcript

  1. Paradigma “Shared Address Space” Algoritmos paralelos Glen Rodríguez

  2. Plataformas de memoria compartida • En MPI: division de tareas y comunicación es explícita. • En memoria compartida es semi-implícita. Además la comunicación es a través de la memoria común. • Tecnologías: OpenMP, Parallel toolbox de Matlab

  3. Hilos • Un hilo es un flujo de control individual en un programa. • Ej. Mult.matrices. • for (row = 0; row < n; row++) • for (column = 0; column < n; column++) • c[row][column] = • create_thread(dot_product(get_row(a, row), get_col(b, col)));

  4. Hilos o procesos acceden a memoria compartida Cada hilo puede tener variables privadas (stack)

  5. Por qué hilos? • Portabilidad de software • Memoria tiene menos latencia (ts=α) que las redes. Además solo 1 hilo puede usar la red en un momento dado. • Scheduling y balance de carga semi-automático. • Facilidad de programar.

  6. API de hilos de Posix • POSIX API : estándar IEEE 1003.1c-1995. Llamado Pthreads. • #include <pthread.h> • int pthread_create ( • pthread_t *thread_handle, • const pthread_attr_t *attribute, • void * (*thread_function)(void *), • void *arg);

  7. Ejemplo 1 #include <pthread.h> 2 #include <stdlib.h> 3 4 #define MAX_THREADS 512 5 void *compute_pi (void *); 6 7 int total_hits, total_misses, hits[MAX_THREADS], 8 sample_points, sample_points_per_thread, num_threads; 9 10 main() { 11 int i; 12 pthread_t p_threads[MAX_THREADS]; 13 pthread_attr_t attr; 14 double computed_pi; 15 double time_start, time_end; 16 struct timeval tv; 17 struct timezone tz; 18 19 pthread_attr_init (&attr); 20 pthread_attr_setscope (&attr,PTHREAD_SCOPE_SYSTEM); 21 printf("Enter number of sample points: "); 22 scanf("%d", &sample_points); 23 printf("Enter number of threads: "); 24 scanf("%d", &num_threads);

  8. Ejemplo 26 gettimeofday(&tv, &tz); 27 time_start = (double)tv.tv_sec + 28 (double)tv.tv_usec / 1000000.0; 29 30 total_hits = 0; 31 sample_points_per_thread = sample_points / num_threads; 32 for (i=0; i< num_threads; i++) { 33 hits[i] = i; 34 pthread_create(&p_threads[i], &attr, compute_pi, 35 (void *) &hits[i]); 36 } 37 for (i=0; i< num_threads; i++) { 38 pthread_join(p_threads[i], NULL); 39 total_hits += hits[i]; 40 } 41 computed_pi = 4.0*(double) total_hits / 42 ((double)(sample_points)); 43 gettimeofday(&tv, &tz); 44 time_end = (double)tv.tv_sec + 45 (double)tv.tv_usec / 1000000.0; 46 47 printf("Computed PI = %lf\n", computed_pi); 48 printf(" %lf\n", time_end - time_start); 49 }

  9. Ejemplo 51 void *compute_pi (void *s) { 52 int seed, i, *hit_pointer; 53 double rand_no_x, rand_no_y; 54 int local_hits; 55 56 hit_pointer = (int *) s; 57 seed = *hit_pointer; 58 local_hits = 0; 59 for (i = 0; i < sample_points_per_thread; i++) { 60 rand_no_x =(double)(rand_r(&seed))/(double)((2<<14)-1); 61 rand_no_y =(double)(rand_r(&seed))/(double)((2<<14)-1); 62 if (((rand_no_x - 0.5) * (rand_no_x - 0.5) + 63 (rand_no_y - 0.5) * (rand_no_y - 0.5)) < 0.25) 64 local_hits ++; 65 seed *= i; 66 } 67 *hit_pointer = local_hits; 68 pthread_exit(0); 69 }

  10. Primitivas de sincronización en Pthreads • Exclusión mutua para variables compartidas • Ej.: best_cost es compartida (=100 al inicio), my_cost es local (50 y 75) • 1 /* each thread tries to update variable best_cost as follows */ • 2 if (my_cost < best_cost) • 3 best_cost = my_cost;

  11. Mutex-locks • El if y la asignación no son independientes: deberían ser una unidad. Además son una zona crítica (pedazo del programa donde solo 1 hilo debe correr a la vez). • Como soportar zona crítica y ops. atómicas: mutex-locks (locks de exclusión mutua)

  12. Controlando atributos de Hilos y de Sincronización • Atributos de hilo: • Tipo de scheduling • Tamaño de stack • Atributos de mutez: tipo de mutex. • Separo atributos del programa: más fácil programar.

  13. Cancelando hilos • Si un hilo ya no es necesario: • int pthread_cancel (pthread_t thread); • Un hilo se puede autocancelar, o puede cancelar a otros.

  14. Constructos compuestos de sincronización • Locks read-write • Muchos hilos pueden leer una data a la vez, pero sólo 1 puede escribir en ella. Y debería hacerlo sin reads a la vez. • Una vez que hay en cola un pedido de lock de escritura, ya no se aceptan más lecturas. • Barreras: similar a MPI

  15. Diseñando programas asíncronos • Alt. 1: no importa el orden de los hilos • Alt. 2: sí importa, en este caso hay que programar explícitamente el orden con locks, mutexes, barreras, joins etc, • Setear los atributos, datos, mutexes, etc. al inicio de la vida del hilo. • Si hay hilo productor y consumidor, asegurarse que se produzca (y se ponga en memoria compartida) antes de que se consuma. • Si se puede, definir y usar sincronizaciones de grupo y replicación de data.

  16. OpenMP • ¿Qué es OpenMP? • Regiones Paralelas • Bloques de construcción para trabajo en paralelo • Alcance de los datos para proteger datos • Sincronización Explícita • Cláusulas de Planificación • Otros bloques de construcción y cláusulas útiles

  17. ¿Qué es OpenMP*? • Directivas del compilador para programación multihilos • Es fácil crear hilos en Fortran y C/C++ • Soporta el modelo de paralelismo de datos • Paralelismo incremental Combina código serial y paralelo en un solo código fuente

  18. ¿Qué es OpenMP*? C$OMP FLUSH #pragma omp critical CALL OMP_SET_NUM_THREADS(10) C$OMP THREADPRIVATE(/ABC/) call omp_test_lock(jlok) C$OMP parallel do shared(a, b, c) C$OMP MASTER call OMP_INIT_LOCK (ilok) http://www.openmp.org La especificación actual es OpenMP 2.5 250 Páginas (C/C++ y Fortran) C$OMP ATOMIC C$OMP SINGLE PRIVATE(X) setenv OMP_SCHEDULE “dynamic” C$OMP PARALLEL DO ORDERED PRIVATE (A, B, C) C$OMP ORDERED C$OMP PARALLEL REDUCTION (+: A, B) C$OMP SECTIONS #pragma omp parallel for private(A, B) !$OMP BARRIER C$OMP PARALLEL COPYIN(/blk/) C$OMP DO lastprivate(XX) omp_set_lock(lck) Nthrds = OMP_GET_NUM_PROCS()

  19. Arquitectura OpenMP* • Modelo fork-join • Bloques de construcción para trabajo en paralelo • Bloques de construcción para el ambiente de datos • Bloques de construcción para sincronización • API (Application Program Interface) extensiva para afinar el control

  20. Modelo de programación • Paralelismo fork-join: • El hilo maestro se divide en un equipo de hilos como sea necesario • El Paralelismo se añade incrementalmente: el programa secuencial se convierte en un programa paralelo Hilo maestro Regiones paralelas

  21. Sintaxis del Pragma OpenMP* • La mayoría de los bloques de construcción en OpenMP* son directivas de compilación o pragmas. • En C y C++, los pragmas toman la siguiente forma: #pragma omp construct [clause [clause]…]

  22. #pragma omp parallel Hilo Hilo Hilo 1 2 3 C/C++ : • #pragma omp parallel • { • bloque • } Regiones Paralelas • Define una región paralela sobre un bloque de código estructurado • Los hilos se crean como ‘parallel’ • Los hilos se bloquean al final de la región • Los datos se comparten entre hilos al menos que se especifique otra cosa

  23. ¿Cuántos hilos? • Establecer una variable de ambiente para el número de hilos. Ejemplo 4 hilos: export OMP_NUM_THREADS=4 • No hay un default estándar en esta variable • En muchos sistemas: # de hilos = # de procesadores

  24. Ej. 1: Hello World • Modificar el código serial de “Hello, Worlds” para ejecutarse paralelamente usando OpenMP* int main() { saludo(); } int saludo() { int i; for(i=0;i<10;i++) { printf(“Hola mundo desde el hilo principal\n”); sleep(1) } }

  25. Bloques de construcción de trabajo en paralelo #pragma omp parallel #pragma omp for for (i=0; i<N; i++){Do_Work(i);} • Divide las iteraciones del ciclo en hilos • Debe estar en la región paralela • Debe preceder el ciclo

  26. #pragma omp parallel #pragma omp for i = 0 i = 1 i = 2 i = 3 i = 4 i = 5 i = 6 i = 7 i = 8 i = 9 i = 10 i = 11 Barrera implícita Bloques de construcción de trabajo en paralelo #pragma omp parallel #pragma omp for for(i = 0; i < 12; i++) c[i] = a[i] + b[i] • Los hilos se asignan a un conjunto de iteraciones independientes • Los hilos deben de esperar al final del bloque de construcción de trabajo en paralelo

  27. #pragma omp parallel { #pragma omp for for (i=0; i< MAX; i++) { res[i] = huge(); } } #pragma omp parallel for for (i=0; i< MAX; i++) { res[i] = huge(); } Combinando pragmas • Ambos segmentos de código son equivalentes

  28. Ambiente de datos • OpenMP usa un modelo de programación de memoria compartida • La mayoría de las variables por default son compartidas. • Las variables globales son compartidas entre hilo

  29. Ambiente de datos • Pero, no todo es compartido... • Las variables en el stack en funciones llamadas de regiones paralelas son PRIVADAS • Las variables automáticas dentro de un bloque son PRIVADAS • Las variables de índices en ciclos son privadas (salvo excepciones) • C/C+: La primera variable índice en el ciclo en ciclos anidados después de un #pragma omp for

  30. Atributos del alcance de datos • El estatus por default puede modificarse default (shared | none) • Clausulas del atributo de alcance shared(varname,…) private(varname,…)

  31. void* work(float* c, int N) { float x, y; int i; #pragma omp parallel forprivate(x,y) for(i=0; i<N; i++) { x= a[i];y= b[i]; c[i] =x+y; } } La cláusula Private • Reproduce la variable por cada hilo • Las variables no son inicializadas; en C++ el objeto es construido por default • Cualquier valor externo a la región paralela es indefinido

  32. Ejemplo: producto punto float dot_prod(float* a, float* b, int N) { floatsum = 0.0; #pragma omp parallel for shared(sum) for(int i=0; i<N; i++) { sum+= a[i] * b[i]; } returnsum; } ¿Qué es incorrecto?

  33. Proteger datos compartidos • Debe proteger el acceso a los datos compartidos que son modificables float dot_prod(float* a, float* b, int N) { float sum = 0.0; #pragma omp parallel for shared(sum) for(int i=0; i<N; i++) { #pragma omp critical sum+= a[i] * b[i]; } return sum; }

  34. OpenMP* Bloques de construcción para regiones críticas • #pragma omp critical [(lock_name)] • Define una región crítica en un bloque estructurado float R1, R2; #pragma omp parallel { float A, B; #pragma omp for for(int i=0; i<niters; i++){ B = big_job(i); #pragma omp critical consum (B, &R1); A = bigger_job(i); #pragma omp critical consum (A, &R2); }} Los hilos esperan su turno –en un momento, solo uno llama consum() protegiendo R1 y R2 de de condiciones de concurso. Nombrar las regiones críticas es opcional, pero puede mejorar el rendimiento. (R1_lock) (R2_lock)

  35. OpenMP* Cláusula de reducción • reduction (op : list) • Las variables en “list” deben ser compartidas dentro de la región paralela • Adentro de parallel o el bloque de construcción de trabajo en paralelo: • Se crea una copia PRIVADA de cada variable de la lista y se inicializa de acuerdo al “op” • Estas copias son actualizadas localmente por los hilos • Al final del bloque de construcción, las copias locales se combinan de acuerdo al “op” a un solo valor y se almacena en la variable COMPARTIDA original

  36. Ejemplo de reducción #pragma omp parallel for reduction(+:sum) for(i=0; i<N; i++) { sum += a[i] * b[i]; } • Una copia local de sum para cada hilo • Todas las copias locales de sum se suman y se almacenan en una variable “global”

  37. C/C++ Operaciones de reducción • Un rango de operadores asociativos y conmutativos pueden usarse con la reducción • Los valores iniciales son aquellos que tienen sentido

  38. f(x) = 1  4.0 dx =  (1+x2) 0 4.0 (1+x2) Ejemplo de integración numérica 4.0 static long num_steps=100000; double step, pi; void main() { int i; double x, sum = 0.0; step = 1.0/(double) num_steps; for (i=0; i< num_steps; i++){ x = (i+0.5)*step; sum = sum + 4.0/(1.0 + x*x); } pi = step * sum; printf(“Pi = %f\n”,pi); } 2.0 0.0 1.0 X

  39. Calculando Pi static long num_steps=100000; double step, pi; void main() { int i; double x, sum = 0.0; step = 1.0/(double) num_steps; for (i=0; i< num_steps; i++){ x = (i+0.5)*step; sum = sum + 4.0/(1.0 + x*x); } pi = step * sum; printf(“Pi = %f\n”,pi); } • Paralelize el código de integración numérica usando OpenMP • ¿Qué variables se pueden compartir? • ¿Qué variables deben ser privadas? • ¿Qué variables deberían considerarse para reducción?

  40. Asignando Iteraciones • La cláusula schedule afecta en como las iteraciones del ciclo se mapean a los hilos schedule(static [,chunk]) • Bloques de iteraciones de tamaño “chunk” a los hilos • Distribución Round Robin schedule(dynamic[,chunk]) • Los hilos timan un fragmento (chunk) de iteraciones • Cuando terminan las iteraciones, el hilo solicita el siguiente fragmento

  41. Asignando Iteraciones schedule(guided[,chunk]) • Planificación dinámica comenzando desde el bloque más grande • El tamaño de los bloques se compacta; pero nunca más pequeño que “chunk”

  42. Qué planificación utilizar

  43. Ejemplo de la cláusula Schedule #pragma omp parallel for schedule (static, 8) for( int i = start; i <= end; i += 2 ) { if ( TestForPrime(i) ) gPrimesFound++; } • Las iteraciones se dividen en pedazos de 8 • Si start = 3, el primer pedazo es i={3,5,7,9,11,13,15,17}

  44. Secciones independientes de código se pueden ejecutar concurrentemente Secciones paralelas #pragma omp parallel sections { #pragma omp section phase1(); #pragma omp section phase2(); #pragma omp section phase3(); } Serial Paralela

  45. Bloque de construcción Single • Denota un bloque de código que será ejecutado por un solo hilo • El hilo seleccionado es dependiente de la implementación • Barrera implícita al final #pragma omp parallel { DoManyThings(); #pragma omp single { ExchangeBoundaries(); } // threads wait here for single DoManyMoreThings(); }

  46. Bloque de construcción Master • Denota bloques de código que serán ejecutados solo por el hilo maestro • No hay barrera implícita al final #pragma omp parallel { DoManyThings(); #pragma omp master { // if not master skip to next stmt ExchangeBoundaries(); } DoManyMoreThings(); }

  47. Barreras implícitas • Varios bloques de construcción de OpenMP* tienen barreras implícitas • parallel • for • single • Barreras innecesarias deterioran el rendimiento • Esperar hilos implica que no se trabaja! • Suprime barreras implícitas cuando sea seguro con la cláusula nowait.

  48. Cláusula Nowait #pragma omp for nowait for(...) {...}; #pragma single nowait { [...] } • Cuando los hilos esperarían entren cómputos independientes #pragma omp for schedule(dynamic,1) nowait for(int i=0; i<n; i++) a[i] = bigFunc1(i); #pragma omp for schedule(dynamic,1) for(int j=0; j<m; j++) b[j] = bigFunc2(j);

  49. Barreras • Sincronización explícita de barreras • Cada hilo espera hasta que todos lleguen #pragma omp parallel shared (A, B, C) { DoSomeWork(A,B); printf(“Processed A into B\n”);#pragma omp barrier DoSomeWork(B,C); printf(“Processed B into C\n”);}

  50. Operaciones Atómicas • Caso especial de una sección crítica • Aplica solo para la actualización de una posición de memoria #pragma omp parallel for shared(x, y, index, n) for (i = 0; i < n; i++) { #pragma omp atomic x[index[i]] += work1(i); y[i] += work2(i); }

More Related