sistemas distribuido y paralelos h ctor guti rrez hern ndez n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Programación de Memoria Compartida PowerPoint Presentation
Download Presentation
Programación de Memoria Compartida

Loading in 2 Seconds...

  share
play fullscreen
1 / 36
feivel

Programación de Memoria Compartida - PowerPoint PPT Presentation

169 Views
Download Presentation
Programación de Memoria Compartida
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. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Sistemas distribuido y paralelos Héctor Gutiérrez Hernández Programación de Memoria Compartida

  2. Introducción • Características • Sintaxis de OpenMP • Arquitectura OpenMP Agenda

  3. OpenMP es el estándar actual para programar aplicaciones paralelas en sistemas de memoria compartida tipo SMP. • Entre otras características, es portable, permite paralelismo “incremental”, y es independiente del hardware. • Participan en su desarrollo los fabricantes más importantes: HP, IBM, SUN, SG... introducción

  4. Modelo de Programación de Memoria compartida – Sincronización y Comunicación. mediante variables. compartidas Modelo de Programación

  5. Modelo de programación paralela • Paralelismo de memoria compartida • Soporta el paralelismo por datos • Escalable • Permite paralelización incremental • Extensiones a lenguajes de programación existentes ( Fortran, C, C++) Caracteristicas

  6. La mayoria de las construcciones en OpenMP son directivas de compilación o pragmas. • En C y C++, los pragmas tienen la forma: • #pragma omp construct [clause [clause]...] – En Fortran, las directivas tienen la forma: • C$OMP construct [clause [clause]...] • !$OMP construct [clause [clause]...] • *$OMP construct [clause [clause]...] Como las construcciones son directivas, un programa en OpenMP puede ser compilado por compiladores que no soportan OpenMP. Sintaxis de OpenMP

  7. #pragma de compilación • Informan al compilador para optimizar código • #pragma omp <directiva> {<cláusula>}* <\n> • Funciones de librería • Variables de entorno Componentes

  8. 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) 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() Directivas y pragmas

  9. Programa Paralelo void main() { double a[1000],b[1000],c[1000]; • #pragma omp parallel for for (int i = 0; i< 1000; i++){ a[i] = b[i] + c[i]; } • Programa Secuencial void main() { double a[1000],b[1000],c[1000]; for (int i = 0; i< 1000; i++){ a[i] = b[i] + c[i]; } • La mayoría de las construcciones son directivas de compilación o pragmas. • La parte central de OpenMP es la paralización de lazos Ejemplo de un programa

  10. 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 Arquitectura OpenMP

  11. 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 Paralelismo fork-join:

  12. #pragma omp parallel Hilo Hilo Hilo 1 2 3 C/C++ : #pragma omp parallel { /*Código a ser ejecutado por cada thread */ } • 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 Regiones Paralelas

  13. Establecer una variable de ambiente para el número de hilos set OMP_NUM_THREADS=4 No hay un default estándar en esta variable • En muchos sistemas: • # de hilos = # de procesadores • Los compiladores de Intel® usan este default ¿Cuántos hilos?

  14. Divide las iteraciones del ciclo en hilos • Debe estar en la región paralela • Debe preceder el ciclo Bloques de construcción de trabajo en paralelo

  15. #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 #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 Bloques de construcción de trabajo en paralelo

  16. #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(); } Ambos segmentos de código son equivalentes Combinando pragmas

  17. 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 Ambiente de datos

  18. 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 #pragmaompfor

  19. El estatus por default puede modificarse default (shared | none) Clausulas del atributo de alcance shared(varname,…) La variable es compartida por todos los procesos private(varname,…) Cada proceso tiene una copia de la variable #pragmaompparallelforshared(a,b,c,n) private(i) for (i = 0; i < n; i++) { a(i) = b(i) + c(i); } Atributos del alcance de datos

  20. 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; } } 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 La cláusula Private

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

  22. Programming with OpenMP* #pragma omp critical [(lock_name)] OpenMP* Bloques de construcción para regiones críticas 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)

  23. OpenMP* Cláusula de reducción 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”. un solo valor y se almacena en la variable COMPARTIDA original reduction (op : list)

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

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

  26. Asignando Iteraciones La cláusula schedule afecta en como las iteraciones del ciclo se mapean a los hilos chunk” iteraciones se asignan de manera estática a los threads en round-robin Cada thread toma “chunk” iteraciones cada vez que está sin trabajo • schedule(static [,chunk]) • schedule(dynamic[,chunk])

  27. Qué planificación utilizar

  28. 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}

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

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

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

  32. 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.

  33. 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”);}

  34. API de OpenMP* Obtener el número de hilo dentro de un equipo Obtener el número de hilos en un equipo Usualmente no se requiere para códigos de OpenMP Tiene usos específicos (debugging) Hay que incluir archivo de cabecera #include <omp.h> • int omp_get_thread_num(void); int omp_get_num_threads(void);

  35. Programming with OpenMP* Programación con OpenMP OpenMP* es: Una aproximación simple a la programación paralela para computadoras con memoria compartida Exploramos OpenMP para saber como: Hacer regiones de código en paralelo (omp parallel) Dividir el trabajo (omp for) Categorizar variables (omp private….) Sincronización (omp critical…)