slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
. 3 . P ROGRAMACIÓN DE S ISTEMAS DE M EMORIA D ISTRIBUIDA : MPI PowerPoint Presentation
Download Presentation
. 3 . P ROGRAMACIÓN DE S ISTEMAS DE M EMORIA D ISTRIBUIDA : MPI

Loading in 2 Seconds...

play fullscreen
1 / 153

. 3 . P ROGRAMACIÓN DE S ISTEMAS DE M EMORIA D ISTRIBUIDA : MPI - PowerPoint PPT Presentation


  • 90 Views
  • Uploaded on

. 3 . P ROGRAMACIÓN DE S ISTEMAS DE M EMORIA D ISTRIBUIDA : MPI. Índice. 1. Introducción. 2. Funciones MPI básicas. 3. Otros modos de envío y recepción. 4. Comunicación en grupo. 5. Tipos de datos derivados. 6. Comunicadores y topologías. 7. Entrada/salida paralela (introd.).

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about '. 3 . P ROGRAMACIÓN DE S ISTEMAS DE M EMORIA D ISTRIBUIDA : MPI' - lamar


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
slide1
. 3 .
  • PROGRAMACIÓNDESISTEMAS DE MEMORIA DISTRIBUIDA:
  • MPI
slide2

Índice

  • 1. Introducción.
  • 2. Funciones MPI básicas.
  • 3. Otros modos de envío y recepción.
  • 4. Comunicación en grupo.
  • 5. Tipos de datos derivados.
  • 6. Comunicadores y topologías.
  • 7. Entrada/salida paralela (introd.).
  • 8. Performance, debugging, profiling...
slide3

Introducción

Paralelizar una aplicación para que se ejecute en un sistema de memoria compartida SMP “no es muy complejo”.

El uso de variables compartidas facilita la comunicación entre procesos, aunque implica:

– analizar detalladamente el tipo de variables.

– sincronizar correctamente el acceso a las variables compartidas.

Sin embargo, el número de procesadores de un sistema SMP no suele ser muy grande, por lo que no es fácil conseguir altos niveles de paralelismo.

slide4

Introducción

 Es relativamente sencillo conseguir una máquina paralela tipo cluster con muchos procesadores, uniendo P máquinas independientes mediante una red de conexión estándar.

 Por ejemplo, nosotros vamos a utilizar una máquina de 32 + 3 nodos (32 + 3x4 = 44 pr.), unidos mediante una red gigabit ethernet.

No es una máquina de alto rendimiento, pero es “barata” y sencilla de ampliar (en nodos de cálculo y en comunicación).

slide5

Introducción

 Sin embargo, programar aplicaciones para sistemas de memoria distribuida es más complejo.

  •  Recuerda:
    • • la memoria de cada procesador es de uso privado, por lo que todas las variables son, por definición, privadas.
    • •la comunicación entre procesos debe hacerse a través de paso explícito de mensajes.
    • • la red de comunicaciónjuega un papel importante en el rendimiento del sistema.
slide6

Introducción

 Diferentes alternativas para programar aplicaciones:

•utilizar lenguajes diseñados específicamente para sistemas paralelos (OCCAM).

• ampliar la sintaxis de un lenguaje estándar para gestionar el paso de mensajes (Fortran M).

• utilizar un lenguaje estándary unalibrería de funciones de comunicación.

slide7

Introducción

 Necesitamos:

- un método para crear procesos: estático /dinámico.

- un método paraenviar y recibir mensajes, punto a punto y de manera global.

El estándar actual de programación de los sistemas de memoria distribuida, mediante paso de mensajes, es MPI (message-passing interface).

PVM → MPI 1.0 (94) → MPI 2.0 (97)

slide8

Introducción

MPI es, básicamente, una librería (grande) de funciones de comunicación para el envío y recepción de mensajes entre procesos.

Para Fortran y C.

Se busca: portabilidad, eficiencia...

El objetivo de MPI es explicitar la comunicación entre procesos, es decir:

> el movimiento de datosentre procesadores

> la sincronización de procesos

slide9

Introducción

El modelo de paralelismo que implementa MPI es SPMD(Single Program Multiple Data).

if (pid==1) ENVIAR_a_pid2

else if (pid==2)RECIBIR_de_pid1

Recuerda que cada proceso dispone de su propio espacio de direcciones.

También se puede trabajar con un modelo MPMD (Multiple Program Multiple Data): se ejecutan programas diferentes en los nodos.

slide10

Introducción

MPI gestiona los procesos (número y asignación) de manera estática (MPI2 permite gestión dinámica de procesos).

La comunicación entre procesos puede hacerse de formas muy diferentes.

Elegiremos una determinada estrategia en función de la longitud de los mensajes, de la estructura del programa...

slide11

Introducción

En todo caso, ten en cuenta que la eficiencia en la comunicación va a ser determinante en el rendimiento del sistema paralelo, sobre todo en aquellas aplicaciones en las que la comunicación juega un papel importante (paralelismo de grano medio / fino).

Además de implementaciones específicas, dos imple-mentaciones libres de uso muy extendido: LAM y MPICH.

Nosotros vamos a usar MPICH.

slide12

nodo00

nodoxx

g000002.gi.ehu.es

gigabit ethernet

check

datos

tipo

@orig

@dest

cabecera

4 bytes

< 1,5 Kbytes

2 bytes

6 bytes

6 bytes

8 bytes

Introducción: el cluster

  • Recuerda: ethernet
    • - switch / conmutación de paquetes
    • - formato de paquetes
    • - direcciones IP: 32 bits (4 × 8)
    • - direcciones del NIC (MAC, 48 bits)
slide13

Introducción: el cluster

Para poder ejecutar MPI en el cluster:

  • 1.Generar fichero de claves para ssh
  • >ssh-keygen –t rsa
  • (pasar al directorio .ssh)
  • > cp id_rsa.pub authorized_keys
  • > chmod go-rw authorized_keys
  • (salir del directorio .ssh)
  • Entrar la primera vez en cada máquina:
  • > ssh nodo01 ..... yes .... exit
  • 2.Crear en el directorio principal el fichero .mpd.conf con una línea que ponga:secretword=xxxxx
  • > chmod 600 .mpd.conf
slide14

Introducción: el cluster

El proceso de compilación/ejecución de programas MPI depende de la implementación concreta. En el caso de MPICH2:

  • 1. Lanzar daemons en cada procesador:
  • >mpdboot –v –n zz –f fichero_maquinas
  • 2.Tras compilar (mpicc …), ejecutar el programa (spmd):
  • > mpiexec –n xx programa
  • 2’. En su caso (mpmd), indicar qué ejecutar en cada nodo:
  • > mpiexec –n1–host nodo00p1:-n1–host nodo01p2
  • (o en un fichero)
slide15

Introducción: el cluster

Algunas herramientas para gestionar el cluster como si fuera una máquina única. Una muy sencilla es C3(Cluster Command and Control suite).

http://www.csm.ornl.gov/torc/C3

Fichero de configuración

cluster cluster32

{

g000002:nodo00 #head node

dead 0

nodo0[1-9]

nodo[10-31]

acpt48

acpt49

acpt51

}

Algunos comandos

cshutdown

clist, cname, cnum

cget, cpush, cpushimage

crm

ckill, cexec

slide16

Índice

1. Introducción.

2. Funciones MPI básicas

inicio y control de procesos

envío y recepción de mensajes

3. Otros modos de envío y recepción.

4. Comunicación en grupo.

5. Tipos de datos derivados.

6. Comunicadores y topologías.

7. Entrada/salida paralela (introd.).

8. Performance, debugging, profiling...

slide17

Funciones básicas

Aunque MPI consta de más de 320 funciones, el núcleo básico lo forman sólo 6:

2 de inicio y finalización del programa.

2 de control del número de procesos.

2 de comunicación.

Sintaxis: MPI_Funcion(…)

#include <mpi.h>

slide18

Funciones básicas

  •  Los parámetros de las funciones MPI son de tres tipos:
    • IN: la función lee el argumento
    • OUT: la función modifica el argumento
    • IN/OUT: la funciónlee y modifica el argumento

Las funciones MPI (casi todas) devuelven un entero como código de error.

error = MPI_Funcion(...)

Si no ha habido problemas, MPI_SUCCESS (0 en esta implementación); en caso de errores, el valor que indica el tipo de error depende de la implementación.

slide19

F. básicas: Init / Finalize

1.Comienzo y final del programa:

> MPI_Init(&argc,&argv);

> MPI_Finalize();

Estas dos funciones son la primera y última función MPI que deben ejecutarse en un programa.

No se pueden utilizar funciones MPI antes de _Init, y si un proceso no ejecuta _Finalize el programa queda como “colgado”.

slide20

Funciones básicas

Los procesos que se van a ejecutar se agrupan en conjuntos denominados comunicadores.

Cada proceso tiene un identificador o pid en cada comunicador.

El comunicadorMPI_COMM_WORLD (un objeto de tipo MPI_COMM) se crea por defecto y engloba a todos los procesos.

slide21

F. básicas: Comm_rank / _size

2.Identificación de procesos

  • > MPI_Comm_rank(comm,&pid);
    • Devuelve en pid (int) el identificador del proceso dentro del grupo de procesos, comunicadorcomm, especificado.
    • Recuerda que un proceso se identifica mediante dos parámetros: identificador (pid) y grupo (comm).
  • > MPI_Comm_size(comm,&npr);
    • Devuelve en npr (int) el número de procesos del comunicador especificado.
slide22

Funciones básicas

Un ejemplo simple

#include <stdio.h>

#include <mpi.h>

main (int argc, char *argv[])

{

int pid, npr, A = 2;

MPI_Init(&argc, &argv);

MPI_Comm_rank(MPI_COMM_WORLD, &pid);

MPI_Comm_size(MPI_COMM_WORLD, &npr);

A = A + 1;

printf(“Proceso %d de %d activado. A = %d \n”, pid, npr, A);

MPI_Finalize();

}

slide23

Funciones básicas

Otro ejemplo: planificación de un bucle

...

main (int argc, char *argv[])

{

...

MPI_Init(&argc, &argv);

MPI_Comm_rank(MPI_COMM_WORLD, &pid);

MPI_Comm_size(MPI_COMM_WORLD, &npr);

for (i=pid; i<N; i=i+npr) func(i);

MPI_Finalize();

}

slide24

F. básicas: comunicación

3.Envío y recepción de mensajes

MPI ofrece dos (tres) tipos de comunicación:

punto a punto, del proceso i al j (participan ambos).

en grupo (colectiva): entre un grupo de procesos, de uno a todos, de todos a uno, o de todos a todos.

one-sided: del proceso i al j (participa uno solo).

Además, básicamente en el caso de comunicación entre dos procesos, hay múltiples variantes en función de cómo se implementa el proceso de envío y de espera.

slide25

A

B

enviar

recibir

F. básicas: comunicación

3.Envío y recepción de mensajes entre dos procesos

La comunicación entre procesos requiere (al menos) de dos participantes: emisor y receptor.

El emisor ejecuta una función de envío y el receptor otra de recepción.

La comunicación es un proceso cooperativo: si una de las dos funciones no se ejecuta, no se produce la comunicación (y podría generarse un deadlock).

slide26

EMI

REC

RTS

RTR

D

F. básicas: comunicación

MPI ofrece diferentes modo de comunicación. Veamos un resumen.

Modos de comunicación (1)

• síncrona: la comunicación no se produce hasta que emisor y receptor se ponen de acuerdo (sin búfer intermedio).

- petición de transmisión (espera)

- aceptación de transmisión

- envío de datos (de usuario a usuario)

slide27

REC

EMI

usuario

s.o.

usuario

s.o.

F. básicas: comunicación

Modos de comunicación (1)

• con búfer (buffered):el emisor deja el mensaje en un búfer y retorna. La comunicación se produce cuando el receptor está dispuesto a ello. El búfer no se puede reutilizar hasta que se vacíe.

¡Ojo con el tamaño del búfer!

slide28

F. básicas: comunicación

Modos de comunicación (2)

•bloqueante

Se espera a que la “comunicación” se produzca, antes de continuar con la ejecución del programa.

La comunicación síncrona es bloqueante. La comunica- ción con búfer también, si el mensaje no cabe en el búfer.

• no bloqueante

Se retorna “inmediatamente” de la función de comunica- ción, y se continúa con la ejecución.

Se comprueba más tarde si la comunicación se ha efectuado.

slide29

F. básicas: comunicación

Cada estrategia tiene sus ventajas e inconvenien-tes:

> síncrona: es más rápida si el receptor está dispuesto a recibir; nos ahorramos la copia en el búfer.

Además del intercambio de datos, sirve para sincronizar los procesos.

Ojo: al ser bloqueante es posible un deadlock!

> con búfer: elemisor no se bloqueasi el receptor no está disponible, pero hay que hacer copia(s) del mensaje (más lento).

slide30

F. básicas: comunicación

Para enviar o recibir un mensaje es necesario especificar:

•a quién se envía (o de quién se recibe)

• los datos a enviar (dirección de comienzo y cantidad)

• el tipo de los datos

• la clase de mensaje (tag)

Todo lo que no son los datos forma el “sobre” del mensaje (que se puede “procesar”).

Las dos funciones estándar para enviar y recibir mensajes son:

slide31

F. básicas: Send y Recv

Función estándar para enviar un mensaje:

> MPI_Send(&mess,count,type,dest,

tag,comm);

- mensaje a enviar: [mess(@comienzo), count(tamaño), type]

- receptor: [dest(@destino), comm(comunicador)]

- tag: 0..32767(clase de mensajes, orden...)

Tipos : MPI_CHAR, INT, LONG, FLOAT, DOUBLE,BYTE...

Sendutiliza la capacidad de buffering del sistema; es decir, retorna una vez copiado en el búfer el mensaje a enviar… ¡siempre que quepa!

slide32

F. básicas: Send y Recv

Función básica para recibir un mensaje:

> MPI_Recv(&mess,count,type,source, tag,comm,&status);

- mensaje a recibir: [mess, count, type]

- emisor: [source, comm]

- tag: clase de mensaje

- status:devuelve información sobre el mensaje recibido

Recvse bloquea hasta que se efectúa la recepción.

slide33

F. básicas: Send y Recv

  • Algunas precisiones:

•source, dest, count y tag son enteros (int); comm y status son de tipo MPI_CommyMPI_Status.

• para que la comunicación se efectúe tienen que coincidir las direcciones de emisor y receptor, y el tag del mensaje.

• el tamaño del mensaje (count) definido en la función Recv debe ser igual o mayor al definido en Send.

• el origen de un mensaje en la función Recv puede ser MPI_ANY_SOURCE, y el tipo de mensaje puede ser MPI_ANY_TAG.

slide34

F. básicas: Send y Recv

Algunas precisiones:

  • •status es un struct con tres campos, en el que se devuelve información sobre el mensaje recibido:
  • status.MPI_SOURCE: indica el emisor del mensaje
  • status.MPI_TAG: devuelve el tag del mensaje recibido
  • status.MPI_ERROR: devuelve un código de error
  • (aunque lo más habitual es abortar en caso de error)

• también puede obtenerse el tamaño del mensaje recibido ejecutando:

> MPI_Get_count(&status,type,&count);

slide35

F. básicas: Send y Recv

Algunas precisiones:

  • •si un proceso tiene varios mensajes pendientes de recibir, no se reciben en el orden en que se enviaron sino en el que se indica en la recepción mediante los parámetros de origen y tag del mensaje.
  • •si el tag del mensaje que se recibe puede ser cualquiera, los mensajes que provienen del mismo origen se reciben en el orden en que se enviaron.
slide36

Ejemplo

...

#define N 10

int main (int argc, char **argv)

{

int pid, npr, orig, dest, ndat, tag;

inti, VA[N];

MPI_Status info;

MPI_Init(&argc, &argv);

MPI_Comm_rank(MPI_COMM_WORLD,&pid);

for (i=0;i<N;i++) VA[i] = 0;

if (pid== 0)

{

for (i=0;i<N;i++) VA[i] = i;

dest = 1; tag = 0;

MPI_Send(&VA[0],N,MPI_INT,dest,tag, MPI_COMM_WORLD);

}

else if (pid== 1)

{

for (i=0;i<N;i++)printf(“%4d”,VA[i]);

orig = 0; tag = 0;

MPI_Recv(&VA[0], N, MPI_INT, orig, tag, MPI_COMM_WORLD, &info);

MPI_Get_count(&info,MPI_INT,&ndat);

printf(“Datos desde pr %d; tag = %d, ndat = %d \n”, info.MPI_SOURCE, info.MPI_TAG, ndat);

for(i=0;i<ndat;i++)

printf(“%4d”,VA[i]);

}

MPI_Finalize();

}

slide37

F. básicas: Probe

¿Y si se desconoce el tamaño del mensaje que hay que recibir (p.e., se calcula dinámicamente)?

•Lo más sencillo, mandar primero un mensaje con la longitud del segundo mensaje.

Tras ello, puede asignarse la memoria correspondiente para el mensaje que se va a recibir.

•MPI_Probe(source,tag,comm,&status) permite obtener información (fuente, tamaño y tag) de un mensaje que esté a la espera de ser recibido.

Podemos así reservar espacio en memoria, decidir cómo recibir el mensaje en función de quién lo envía, o incluso no recibirlo si nos basta con el tag (p.e., es un mensaje vacío, un aviso).

slide38

F. básicas: temporización

  • Un par de funciones MPI para obtener tiempos de ejecución:
  • double MPI_Wtime();
  • tiempo (s) transcurrido desde algún instante anterior
  • double MPI_Wtick();
  • devuelve la precisión de la medida de tiempo

t1 = MPI_Wtime();

...

t2 = MPI_Wtime();

printf(“T = %f\n”, t2-t1);

slide39

F. básicas: entrada/salida

Una cuestión previa sobre las operaciones de entrada/salida.

Lo habitual es que sólo un proceso tenga acceso a teclado y pantalla; ese proceso se encargará de leer los datos y distribuirlos, así como de recoger resultados e imprimirlos.

Un procedimiento simple para hacerlo podría ser:

if (pid==0)

{ leer_datos();

distribuir_datos();

}

else

recibir_datos();

slide40

Índice

1. Introducción.

2. Funciones MPI básicas.

3. Otros modos de envío/recepción

comunicación síncrona, inmediata...

4. Comunicación en grupo.

5. Tipos de datos derivados.

6. Comunicadores y topologías.

7. Entrada/salida paralela (introd.).

8. Performance, debugging, profiling...

slide41

Otros modos de comunicación

  • Aparte de las funciones estándar de envío y recepción, MPI ofrece varias alternativas con el objetivo de lograr el máximo rendimiento.
  • Aunque bastaría con un solo modo, cada alternativa está pensada para determinado tipo de situación.

Las principales alternativas al modo estándar son:

- comunicación síncrona

- comunicación inmediata

slide42

Comunicación síncrona

  • 1. Comunicación síncrona
  • En modo síncrono, la función de envío no retorna hasta que se produce la comunicación.
  • En principio, no se necesita un búfer intermedio.
  • >MPI_Ssend (mismos parámetros que Send);

La función síncrona es bloqueante; si no se produce el correspondiente matching, habrá un deadlock.

slide43

Comunicación síncrona

Deadlock

P1P2

Ssend_to_2; Ssend_to_1;

Recv_from_2; Recv_from_1;

Obviamente, hay que cambiar el orden.

¿Y con el Send estándar?

P1P2

Send_to_2; Send_to_1;

Recv_from_2; Recv_from_1;

slide44

Comunicación síncrona

  • 2. Comunicación inmediata
  • La función de comunicación retorna sin esperar a que se produzca una determinada acción (es una especie de post/signal).
  • Es, por definición, no bloqueante y se busca solapar las latencias de cálculo y comunicación.

La comunicación se divide en dos fases: unaviso de envío/recepción, y una verificación de que se ha producido.

Se utiliza un handlepara obtener información sobre el estado de la comunicación.

slide45

Comunicación inmediata

  • Funciones de envío y recepción
  • > MPI_Isend(..., &request);
  • > MPI_Irecv(..., &request);
  • request debe ser una variable de tipoMPI_Request, y se utiliza para preguntar sobre el estado de la función.
  • El búfer no se puede acceder hasta que la comunicación se produce.

Funciones de test (status debe ser de tipo MPI_Status)

> MPI_Test(&request,&flag,&status);

devuelve en flag un 0 si la operación no se ha completado

> MPI_Wait(&request,&status);

espera hasta que la comunicación se haya efectuado

slide46

Comunicación inmediata

  •  Ejemplo

int flag = 0; // sólo parte del código

MPI_Status status;

int bufer[grande];

MPI_Request info;

...

MPI_Isend(bufer,grande,MPI_INT,dest,tag,MPI_COMM_WORLD,&info);

while(!flag && hay_tareas)

{ .../* realizar una tarea */

MPI_Test(&info,&flag,&status);

}

if (!flag)MPI_Wait(&info,&status);

...

slide47

Otros modos de comunicación

  • Hay más opciones (muchas):

- MPI_Sendrecv(…);

Por ejemplo, en una comunicación en anillo, recibe del anterior y envía al siguiente, asegurando que no se produce deadlock.

- Comunicación con buffering

Obligamos a que la comunicación se haga mediante un búfer definido por el usuario.

Hay un conjunto de funciones con esas características (Bsend, …), más otras funciones para gestionar los búferes.

slide48

Otros modos de comunicación

Hay más opciones (muchas):

  • - Comunicación persistente
  • Si se van a enviar repetidamente mensajes con los mismos argumentos (por ejemplo, dentro de un bucle), dividimos la comunicación en dos partes: (1)crear el contexto, una sola vez, y(2) enviar el mensaje(las veces que haga falta).

> MPI_Send_init(…,&request);

> MPI_Recv_init(…,&request);

> MPI_Start(&request);

(Isend = Send_init + Start)

- Mezclas de todas ellas

slide49

Resumen

  • La comunicación es uno de los puntos clave en el rendimiento de un sistema paralelo de memoria distribuida. Por ello, MPI ofrece una gran variedad de estrategias de comunicación.

Resumen de modos de envío / recepción

Modo Fun. bloq. Func. no bloq.

estándar MPI_SendMPI_Isend

síncrono MPI_Ssend MPI_Issend

buffered MPI_Bsend MPI_Ibsend

(ready MPI_Rsend MPI_Irsend)

En todos los casos: Recv / Probe Irecv / Iprobe

slide50

Resumen

El uso recomendado sería el siguiente:

MPI_Ssend:cuando es posible, ofrece los mejores resultados, puesto que no se utilizan búferes intermedios (ojo con los deadlocks).

MPI_Send:la alternativa más habitual.

MPI_Isend:si, por cuestiones de rendimiento, se necesitan rutinas no bloqueantes.

(p.e., en clusters en los que la comunicación sea “cara”, para solapar cálculo y comunicación).

El resto de opciones, para casos especiales.

slide51

Índice

1. Introducción.

2. Funciones MPI básicas.

3. Otros modos de envío/recepción.

4. Comunicación en grupo: broadcast, gather, scatter / reduce / barrier

5. Tipos de datos derivados.

6. Comunicadores y topologías.

7. Entrada/salida paralela (introd.).

8. Performance, debugging, profiling...

slide52

Comunicación en grupo

  • Muchas aplicaciones requieren de operaciones de comunicación en las que participan muchos procesos.
  • La comunicación es en grupo o colectiva si partici-pan en ella todos los procesos del comunicador.

Ejemplo: un broadcast, envío de datos desde un proceso a todos los demás.

En general, podría ejecutarse mediante un bucle de funciones tipo send/receive, pero no sería muy eficiente.

slide53

Comunicación en grupo

  • Todos los procesos del comunicador deben ejecutar la función. Las funciones de comunicación en grupo son bloqueantes en el mismo sentido que la función Send.

Tres tipos: 1 Movimiento de datos

2 Cálculo en grupo

3 Sincronización

Las principales funciones de comunicación en grupo que ofrece MPI son las siguientes:

slide54

A

P0

A

P1

P0

A

P1

A

P2

P3

P2

P3

A

Mov. de datos: broadcast

  • 1a BROADCAST: envío de datos desde un proceso (root) a todos los demás.

> MPI_Bcast(&mess,count,type,root,comm);

(La implementación suele ser en árbol)

slide55

ABCD

ABCD

P0

P1

P0

P1

B

A

P2

P3

P2

P3

C

D

CG: mov. de datos, scatter

  • 1b SCATTER:reparto de datos desde un proceso al resto de procesos del comunicador.
slide56

CG: mov. de datos, scatter

> MPI_Scatter(&send_data,send_count,send_type,&recv_data,recv_count,recv_type,root,comm);

- el proceso rootdistribuyesend_data en P trozos, uno por procesador, de tamañosend_count.

- los datos se reciben en recv_data (también en root).

- lo lógico es que el tamaño y tipo de los datos que se envían y se reciben sean iguales.

Ejemplo: A = (0, 1, 2, 3, 4, 5, 6, 7) en P0

MPI_Scatter(A,2,MPI_INT,B,2,MPI_INT,0,comm);

(P0) B = 0, 1 (P1) B = 2, 3 (P2)B = 4, 5 (P3) B = 6, 7

slide57

A

B

A

B

P0

P1

P0

ABCD

P1

P2

C

D

P3

P2

C

D

P3

CG: mov. de datos, gather

  • 1c GATHER:recolección de datos de todos los procesos en uno de ellos(orden estricto de pid).
slide58

CG: mov. de datos, gather

> MPI_Gather(&send_data,send_count,send_type,&recv_data,recv_count,recv_type,root, comm);

- el proceso rootrecolecta en recv_data los datos enviados en send_data por cada proceso del comunicador.

- los datos se guardan en el orden marcado por el pid.

- recv_countindica el tamaño de los datos recibidos de cada proceso, no el total; lo lógico es que tamaño y tipo de los datos que se envían y se reciben sean iguales.

Ejemplo: (P0) B= 0, 1 (P1) B = 2, 3 (P2) B = 4, 5 (P3) B = 6, 7

MPI_Gather(B,2,MPI_INT,C,2,MPI_INT,0,comm);

→ en P0: C = 0, 1, 2, 3, 4, 5, 6, 7

slide59

CG: movimiento de datos

  • Otras versiones de estas funciones

> MPI_Allgather(…);al final, todos los procesos disponen de todos los datos.

> MPI_Gatherv(…);la información que se recolecta es de tamaño variable.

> MPI_Allgatherv(…);“suma” de las dos anteriores.

> MPI_Alltoall(…);todos los procesos distribuyen datos a todos los procesos.

> MPI_Scatterv(…); la información que se distribuye es de tamaño variable.

> MPI_Alltoallv(…);“suma” de las dos anteriores.

slide60

CG: movimiento de datos

  • Ejemplo: reparto de trozos de un vector A, de tamaños diferentes y no consecutivos:

> MPI_Scatterv(A,tam,desp,tipo,

buf,tamrec,tipo,root,comm);

- Tam: vector (int) que contiene un elemento por proceso, e indica el número de datos del trozo a enviar a cada uno.

- Desp: vector (int) que contiene un elemento por proceso, e indica la distancia desde el comienzo de A al comienzo de cada trozo que hay que repartir.

- Tamrec: entero que indica el número de elementos a recibir en buf en el procesador local.

No se admite solapamiento “fisico” de los trozos a enviar.

slide61

P0

A

B

P1

P0

A

B

P1

A+B+C+D

C

D

C

D

P2

P3

P2

P3

CG: cálculo en grupo, reduce

  • 2 REDUCE: una operación de reducción con los datos de cada procesador, dejando el resultado en uno de ellos (root).

> MPI_Reduce(&operand,&result,count,datatype,operator,root,comm);

slide62

CG: cálculo en grupo, reduce

Algunos comentarios

•Operación: result = resultoperatoroperand

•result es una variable del proceso destino, de nombre diferente a operand (no aliasing).

•Funciones típicas de reducción:MPI_MAX, _MIN,

_SUM, _PROD, _BAND, _BOR, _BXOR, _LAND, _LOR, _LXOR, _MAXLOC, _MINLOC

•Pueden definirse otras operaciones de reducción:

MPI_Op_create(…); MPI_Op_free(…);

slide63

ALLREDUCE

3 pasos (log P)

CG: cálculo en grupo, reduce

  • Otras funciones del mismo tipo:
  • > MPI_Allreduce(…);
  • > MPI_Reduce_scatter(…);
  • > MPI_Scan(…);
slide64

CG: sincronización

  • 3 BARRIER: sincronización global entre los procesos del comunicador.
  • > MPI_Barrier(comm);
  • La función se bloquea hasta que todos los procesos del comunicador la ejecutan.
slide65

Comunicación en grupo

  • Ejemplo:V(i) = V(i) * V(j)
  • (Leer N; sum=0);
  • for(j=0;j<N;j++) sum=sum+V[j];
  • for(i=0;i<N;i++) V[i]=V[i]*sum;

1. Leer N (el pid = 0)

2. Broadcast de N/npr(tamaño del vector local)

3. Scatter del vector V(trozo correspondiente)

4. Cálculo local de la suma parcial

5. Allreduce de sumas parciales (todos obtienen suma total)

6. Cálculo local de V(i)*sum

7.Gather de resultados

8. Imprimir el resultado (el pid = 0)

slide66

Índice

1. Introducción.

2. Funciones MPI básicas.

3. Otros modos de envío/recepción.

4. Comunicación en grupo.

5. Tipos de datos derivados

vector, indexed, struct / packed

6. Comunicadores y topologías.

7. Entrada/salida paralela (introd.).

8. Performance, debugging, profiling...

slide67

Tipos de datos derivados

  • La comunicación entre procesos es costosa (en función de la red). Por ello, es mejor enviar un paquete con 3 datos que 3 paquetes con un dato cada uno.

Las funciones Send y Recv indican explícitamente la dirección de comienzo del mensaje y el número de elementos que lo componen, pero hay una restricción: deben ser elementos consecutivosy del mismo tipo.

slide68

Tipos de datos derivados

  • Ejemplo: enviar la fila 2 de la matriz A, de P0 a P1

int A[N][M];

...

orig = 0; dest = 1;

if (pid== orig)

MPI_Send(&A[2][0],M, MPI_INT, dest,0,

MPI_COMM_WORLD);

else if (pid== dest)

MPI_Recv(&A[2][0], M, MPI_INT, orig, 0,

MPI_COMM_WORLD, &info);

Pero, ¿cómo se envía una columna en un solo mensaje? ¿cómo se envían en un mensaje datos de tipos diferentes?

slide69

Tipos de datos derivados

  • Tenemos dos soluciones:

1.Definir nuevos tipos de datos, en los que se permita agrupar datos de diferente tipo, tamaño... para formar un mensaje con cierta “estructura”.

2. “Empaquetar” los datos que hay enviar (que en general serán de diferente tipo, tamaño y estructura) en un único paquete, que el receptor deberá desempaquetar de manera adecuada.

slide70

Tipos de datos derivados

  • 1.Definición de tipos derivados

La generación de tipos de datos derivados se efectúa mediante dos funciones:

1. definición del tipo de datos derivado

2. creación del tipo (commit)

Los nuevos tipos de datos que se crean se declaran como MPI_Datatype.

Veamos la opciones que disponemos.

slide71

TDD: vector

1a. Tipo “vector”

Se define un vector de n elementos, del mismo tipo y tamaño, a distancia (stride) constante.

(normalmente un subconjunto de un array mayor).

>MPI_Type_vector(num_elem,tam,stride,tipo, &nuevo_tipo);

El nuevo tipo contiene num_elem elementos de tamaño tam, a distancia stride uno de otro.

[-MPI_Type_contiguous(num_elem, tipo, &nuevo_tipo); ]

slide72

TDD: vector

  • Ejemplo: enviar la columna 2 de la matriz A, de P0 a P1.

int A[N][M];

MPI_Datatype Columna;

...

MPI_Type_vector(N, 1, M, MPI_INT, &Columna);

MPI_Type_commit(&Columna);

orig = 0; dest = 1;

if (pid== orig)

MPI_Send(&A[0][2],1,Columna,dest,0,MPI_COMM_WORLD);

else if (pid== dest)

MPI_Recv(&A[0][2],1,Columna,orig,0,MPI_COMM_WORLD,&info);

  • OJO: 1 columna
slide73

TDD: indexed

1b. Tipo “indexed”

Se define un vector de n elementos, del mismo tipo, con tamaño y stride variable.

>MPI_Type_indexed(num_elem, tam, desp, tipo, &nuevo_tipo);

tam[]: array que contiene el número de componentes de cada elemento que forma el nuevo tipo.

desp[]:array que contiene el desplazamiento necesario para acceder desde el comienzo del nuevo tipo a cada elemento (de tipo MPI_Aint).

slide74

M

N

TDD: indexed

  • Ejemplo: enviar de P0 a P1 el triángulo superior de la matriz A.

int A[N][M], T[N][M];

MPI_Datatype Mtri;

...

for(i=0; i<N; i++) {

long_bl[i] = M - i;

desp[i] = (M+1) * i;

}

MPI_Type_indexed (N, long_bl,desp,MPI_INT,&Mtri);

MPI_Type_commit (&Mtri);

if (pid==0) MPI_Send(A,1,Mtri,1,0,MPI_COMM_WORLD);

else if (pid==1)MPI_Recv(T,1,Mtri,0,0,MPI_COMM_WORLD,&info);

slide75

f

f

i

A

C

B

2

6

TDD: struct

1c. Tipo “struct”

Es un caso más general, en el que se agrupan n elementos de tamaño y tipo diferente.

Por ejemplo, P0 tiene que enviar a todos los procesadores tres parámetros: A y B, flotantes, y C, entero. Podemos formar un “paquete” con los tres parámetros y efectuar un único envío (BC).

Para ello construimos un structcon:

- número de elementos

- tipo de cada elemento

- desplazamiento de cada elemento

desde el origen

slide76

TDD: struct

1c. Tipo “struct”

La función para definir el tipo es:

>MPI_Type_create_struct(num_elem,tam,desp,tipo,&nuevo_tipo);

tam[]: número de componentes de cada elemento que forma el nuevo tipo.

desp[]: desplazamiento necesario para acceder desde el comienzo del nuevo tipo a cada elemento (MPI_Aint).

tipo[]: tipo de cada elemento (MPI_Datatype).

>MPI_Get_address (&A, &dirA)

Devuelve la dirección de A en dirA (de tipo MPI_Aint)

slide77

TDD: struct

void Crear_Tipo(float* A, B; int* C; MPI_Datatype* Mensaje) {

int tam[3];

MPI_Aint desp[3], dir1, dir2; // address int

MPI_Dataype tipo[3];

tam[0] = tam[1] = tam[2] = 1;

tipo[0] = tipo[1] = MPI_FLOAT;

tipo[2] = MPI_INT;

despl[0] = 0;

MPI_Get_address (A, &dir1);

MPI_Get_address (B, &dir2);

despl[1] = dir2 - dir1;

MPI_Get_address (C, &dir2);

despl[2] = dir2 - dir1;

MPI_Type_create_struct(3,tam,desp,tipo,Mensaje);

MPI_Type_commit(Mensaje);

}

... (A, B, C, punteros a las variables)

Crear_Tipo(A,B,C,&Mensaje);

MPI_Bcast(A,1,Mensaje,0,MPI_COMM_WORLD);

...

slide78

TDD: subarrays

  • 1d. Subarrays
  • Una submatriz de N dimensiones a partir de una de N dimensiones. Por ejemplo, un bloque 2D de una matriz 2D:

>MPI_Type_create_subarray(...);

>MPI_Type_create_darray(...);

slide79

TDD: subarrays

  • 1d. Subarrays
  • Una submatriz de N dimensiones a partir de una de N dimensiones. Por ejemplo, un bloque 2D de una matriz 2D;

>MPI_Type_create_subarray(ndims,tam_a,tam_sa,

dir_sa,orden,tipo,&nuevo_tipo);

ndims: dimensiones del array original

tam_a[],tam_sa[]: elementos en cada dimensión

dir_sa[]: comienzo del subarray

orden:MPI_ORDER_C, _FORTRAN

slide80

TDD: subarrays

  • Tamaño y extensión del tipo:

1.Tamaño: número de bytes que se transmiten (sin incluir huecos).

2.Extensión:Distancia entre el primer y el último byte (incluyendo huecos).

Un par de funciones MPI devuelven estos parámetros del tipo de datos.

slide81

TDD: packed

  • 2. Empaquetamiento
  • Alternativa a la definición de tipos: “empaquetar” los datos que hay que enviar en posiciones consecutivas de memoria.

La comunicación se efectúa en tres fases:

• Antes de enviar el mensaje, se van añadiendo los datos a un búfer (vector) mediante la función MPI de empaquetamiento.

• Se envía el vector, que es de tipo MPI_PACKED.

• El receptor desempaqueta los datos recibidos mediante la función MPI de desempaquetamiento.

slide82

TDD: packed

  • 2. Empaquetamiento
  • La función para empaquetar datos es:
    • > MPI_Pack(&dat,tam,tipo,bufer,tambuf,&pos, comm);
  • Añade a bufer (char, de tamaño tambuf) la variable dat, a partir de la posición marcada por el puntero pos.
  • El puntero queda apuntando a la primera posición libre de bufer. Al final de las operaciones de empaquetamiento, indica el tamaño del paquete.
  • La funciónMPI_Pack_size(ver manual) devuelve el tamaño mínimo necesario para empaquetar un objeto. Se puede usar para calcular el tamaño final del paquete y reservar memoria para el mismo.
slide83

TDD: packed

  • 2. Empaquetamiento
  • La función para desempaquetar datos es:
    • > MPI_Unpack(bufer,tambuf,&pos,&dat,tam,tipo,comm);
  • Recupera de bufer (apuntado por pos) la variable dat del tamaño y tipo indicado (pos queda apuntando a la siguiente variable).
  • Tambuf debe ser suficiente para que quepa el mensaje recibido.
slide84

TDD: packed

void Leer_Datos(float* A, B; int* C; int pid) {

char bufer[100];int pos;

if (pid==0) {

printf(“-> A, B y C\n”);

scanf(“%f %f %d”, A, B, C); // A, B, C, punteros a las vbles.

pos = 0;

MPI_Pack(A,1,MPI_FLOAT,bufer,100,&pos,MPI_COMM_WORLD);

MPI_Pack(B,1,MPI_FLOAT,bufer,100,&pos,MPI_COMM_WORLD);

MPI_Pack(C,1,MPI_INT, bufer,100,&pos,MPI_COMM_WORLD);

MPI_Bcast(bufer, pos, MPI_PACKED,0, MPI_COMM_WORLD);

} else {

MPI_Bcast(bufer, 100, MPI_PACKED, 0, MPI_COMM_WORLD);

pos = 0;

MPI_Unpack(bufer,100,&pos,A,1,MPI_FLOAT,MPI_COMM_WORLD);

MPI_Unpack(bufer,100,&pos,B,1,MPI_FLOAT,MPI_COMM_WORLD);

MPI_Unpack(bufer,100,&pos,C,1,MPI_INT,MPI_COMM_WORLD);

}

}

slide85

TDD: resumen

  • Para reducir el overhead de la comunicación se pueden definir “tipos de datos” que agrupen los datos a enviar en posiciones consecutivas de memoria.
  • Especialmente útil cuando se repite el mismo tipo de comunicación una y otra vez.

Un tipo derivado es básicamente un struct que se crea en ejecución y que puede pasarse como argumento a una función de comunicación.

Tipos:MPI_Type_vector, _indexed, _struct

Otra alternativa es empaquetar datos y desempaque-tarlos tras recibirlos (MPI_PACKED).

slide86

TDD: resumen

  • Lo más habitual es utilizar el mecanismo estándar de transmisión: datos consecutivos de un array.

Si los datos a enviar son muchos y no consecutivos, y se envían repetidamente, lo mejor sería definir un tipo específico:

- datos homogéneos: contiguous,vector,indexed

- datos heterogéneos: struct

Si se envían datos heterogéneos una sola vez (o pocas), lo más adecuado sería empaquetar.

slide87

TDD: resumen

  • Matching de tipos
  • Send y Recv especifican el tipo de los datos que se envían y reciben. Se llamafirma (signature) de tiposa la secuencia {t0, t1..., tn-1}, donde ti es el tipo del elemento i.
  • El tipo no tiene por qué ser el mismo en ambas funciones, pero la firma de tipos del tipo de datos especificado en Recv tiene que tener al menos tantos elementos como la de Send, y los tipos han de ser iguales: es decir, se deben recibir al menos tantos datos como se envían y del mismo tipo.
  • Ojo: en las funciones colectivas el tipo debe ser el mismo!
slide88

TDD: resumen

  • Matching de tipos
  • El paquete de datos lleva los datos sin “estructura”. La estructura se “recompone”, si se desea, al recibirlos.
  • Por ejemplo, enviamos N elementos de una columna de una matriz utilizando el tipo columna.
  • Si recibimos los datos con el tipo columna, se cargarán en la columna de la matriz que indiquemos.
  • Si los recibimos como N enteros, se cargarán uno tras otro a partir de la dirección que indiquemos; si los recibimos con tipo “diagonal”, se cargarán en la diagonal; etc.
slide89

Índice

1. Introducción.

2. Funciones MPI básicas.

3. Otros modos de envío/recepción.

4. Comunicación en grupo.

5. Tipos de datos derivados.

6. Comunicadores y topologías.

7. Entrada/salida paralela (introd.).

8. Performance, debugging, profiling...

slide90

Comunicadores

  • Un comunicador MPI define un grupo de procesos entre los cuales es posible el intercambio de mensajes. Cada proceso se identifica en el comunicador mediante su pid.
  • El comunicador predefinido MPI_COMM_WORLDengloba a todos los procesos de la aplicación paralela.

En muchos casos es útil definir otros grupos de procesos o comunicadores para hacer más simple la comunicación.

Así, un proceso puede tener más de un pid: uno por cada grupo del que forme parte.

slide91

Comunicadores

  • Un comunicador está formado, al menos, por un grupo de procesos y un contexto.
  • El contexto define un espacio propio e identificado de comunicación.

Un comunicador puede incluir más datos asociados, tales como una topología, características específicas de los procesadores que lo componen, entrada/salida, etc.

Para ver la utilidad de definir grupos de procesos, analicemos un ejemplo sencillo: producto de dos matrices.

slide92

C

B

A

x

=

Motivación

  •  Ejemplo: C = A × B

Cij = Ai,0B0,j+Ai,1B1,j+...+Ai,iBi,j+...+Ai,n-1Bn-1,j

En el caso de una matriz “densa”, hay que efectuar O(N3) operaciones. ¿Cómo paralelizar el cálculo de manera eficiente entre P procesadores? ¿Cuál es la mejor manera de distribuir los datos entre los procesos?

Objetivo: minimizar el tiempo asociado a la comunicación.

slide93

C

B

A

P0

x

=

Motivación (A × B)

1.Descomposición unidimensional (filas)

(P procesadores, N/P filas por procesador)

• Computación por procesador (* y +) : O(N3/P)

• Pero hay que añadir comunicación: N2/P datos desde cada uno de los P-1 procesadores restantes → O(N2).

Podría ser un allgather de N2/P datos, que se ejecuta en log P pasos.

slide94

•Tejec = Tcalc + Tcom

Eficiente sólo si: top >> two

P es pequeño (<<N)

Motivación (A × B)

•Si Tcom = ti + tw N ti tiempo de inicio

tw tiempo por palabra

slide95

speed-up = Ts / Tp

100

1

80

0.8

0.6

60

eficiencia = Ts / (Tp*P)

0.4

40

0.2

20

0

0

20

40

60

80

100

P

Motivación

N = 100 ti = 100 tw tw = 100 top

slide96

C

B

A

P0

x

=

Motivación (A × B)

2.Descomposición bidimensional:

• Computación por procesador: O(N3/P)

• Pero ahora la necesidad de comunicación es menor.

Cada procesador necesita los datos de “los bloques de su fila y su columna”.

Se necesita recibir 2(P1/2-1)(N2/P) datos.

¿Cuál es la manera más eficiente de procesar/enviar esos datos?

slide97

bc

A00B00+ A01B10+ A02B20

A20B00+ A21B10+ A22B20

A10B00+ A11B10+ A12B20

A00B01+ A01B11+ A02B21

A20B01+ A21B11+ A22B21

A10B01+ A11B11+ A12B21

A20B02+ A21B12+ A22B22

A00B02+ A01B12+ A02B22

A10B02+ A11B12+ A12B22

bc

bc

bc

bc

bc

Motivación (A × B)

Algoritmo de multiplicación (Fox):

slide98

Motivación (A × B)

  • Algoritmo de multiplicación (Fox):
  • for k = 0 to P – 1
    • •en cada fila i, el proceso(i+k) mod Nhace un broadcast de A (su trozo) al resto de procesos de la fila
    • •operaciones locales de cálculo: Ci,j += Ai,i+k Bi+k,j
    • • envío del trozo procesado de B al vecino de arriba

Comunicación por procesador:

P veces

•broadcast de N2/P datos a P - 1 procesos (se puede optimizar en log P pasos)

•send de N2/P datos

slide99

Motivación (A × B)

Coste global (cálculo + comunicación)

[ ¿y el coste de reorganizar las matrices? ]

slide100

speed-up = Ts / Tp

100

1

0.8

80

0.6

60

eficiencia = Ts / (Tp*P)

0.4

40

0.2

20

0

0

20

40

60

80

100

P

Motivación

N = 100 ti = 100 tw tw = 100 top

resumen nxn datos p procesadores

N

N

N2/P

P1/2

bloques

Motivación

Resumen(NxN datos, P procesadores)

Com.: N2 - N2/P =

N2(P-1)/P

Com.: 2 N2/P (P1/2-1) =

N2 2(P1/2-1)/P

Conclusión: división 2D es más “escalable”, pero requiere comunicaciones entre subconjuntos de procesos.

slide102

Creación de comunicadores

  • Para crear grupos de procesos entre los que poder intercambiar información, hay que seguir los siguientes pasos:

1.Extraer de un comunicador inicial, com1, el grupo de procesos asociados, gr1:

>MPI_Comm_group(com1,&gr1);

Si com1 es MPI_COMM_WORLD, gr1 contendrá a todos los procesos.

slide103

Creación de comunicadores

2.Crear un nuevo grupo de procesos, gr2, eligiendo del grupo gr1 aquellos que queremos que formen parte del nuevo comunicador:

> MPI_Group_incl(gr1,npr_gr2,pid_gr1,&gr2);

pid_gr1 es un array de npr_gr2 elementos que indica el pid de los procesos que se eligen para formar el nuevo grupo.

(también se puede hacer por exclusión, con la función MPI_Group_excl)

3.Finalmente, se crea el comunicador com2 con los procesos del grupo gr2 extraídos del comunicador com1:

> MPI_Comm_create(com1,gr2,&com2);

slide104

Creación de comunicadores

  • Ejemplo: una matriz está repartida por bloques en n × n procesos. Así definiríamos el grupo “fila 0” de procesos y haríamos un broadcast en esa fila:

MPI_Group gr1, grf0;

MPI_Comm CF0;

for(i=0; i<n; i++)pids[i] = i;/* lista de proc. */

MPI_Comm_group(MPI_COMM_WORLD, &gr1);

MPI_Group_incl(gr1, n, pids, &grf0);

MPI_Comm_create(MPI_COMM_WORLD, grf0, &CF0);

...

if (pid < n) {

MPI_Comm_rank(CF0, &pid_f0);

MPI_Broadcast(&A[0][0], tam, MPI_FLOAT, 0, CF0);

}

slide105

Creación de comunicadores

  • Algunas precisiones:

• Los grupos de procesos son variables de tipo MPI_Group y los comunicadores son de tipo MPI_Comm.

•MPI_Comm_create es una operación colectiva, que debe ser llamada por todos los procesos del comunicador original (aunque no vayan a formar parte del nuevo comunicador; se les devuelve el valor MPI_COMM_NULL).

• Al finalizar su uso hay que “deshacer” el comunicador, ejecutando MPI_Comm_free.

•Otras funciones para trabajar con grupos: MPI_Group_rank,size,free,union,intersection...

slide106

Creación de comunicadores

  •  Si hay que crear comunicadores “similares” a partir de uno determinado (por ejemplo filas o columnas de una estructura 2D), podemos generarlos todos a la vez, mediante la función:
  • > MPI_Comm_split(com1,split_key,pid_com1,&com2);
  • Los procesos de com1 se van a agrupar en nuevos comunicadores en función de la clave con la que llamen a la función.
  • Se crean tantos comunicadores como claves diferentes se utilicen, todos con el mismo nombre com2.
slide107

Creación de comunicadores

  • Ejemplo: crear comunicadores para todas las filas de un grupo de n × n procesos:

// pid = identificador en el comunicador global

mi_fila = pid / n;

MPI_Comm_split(MPI_COMM_WORLD,mi_fila,pid,&CFILA);

Si había 3×3 procesos, ahora tendremos un nuevo comunicador en el que el grupo de procesos es diferente en función de quién lo use: {0,1,2} en P0,P1,P2 / {3,4,5} en P3,P4,P5 / {6,7,8} en P6,P7,P8

Se trata de una función colectiva; todos los procesos del comuni-cador original tienen que ejecutarla. Si un proceso no va a formar parte de los nuevos comunicadores, llama a la función con la clave MPI_UNDEFINED(formará parte del comunicador MPI_COMM_NULL).

slide108

Topologías

  • Un comunicador puede incluir, además del grupo y el contexto, otro tipo de información o atributos; por ejemplo, una topología(virtual).
  • No se refiere a la red de comunicación, sino a una manera alternativa de identificar a los procesos de un comunicador.
  • Se genera un nuevo comunicador.
  • Dos tipos: cartesian y graph.
slide109

Topologías

  • Por ejemplo, si queremos trabajar con una distribución 2D de datos, podemos definir una “retícula” de procesos (p.e., de 4x4 si tenemos 16 procesadores).

Para definir un comunicador con una “malla” global tenemos que indicar:

• número de dimensiones (2)

• elementos por dimensión (4)

• ¿cadenas (0) o anillos (1)?

• optimización (ajuste a la red física)

slide110

Topologías

  •  Ejemplo: definir un comunicador con topología toro

MPI_Comm CTORO

...

opt = 1; ndim = 2;

kdim[0] = kdim[1] = 4;

c_a[0] = c_a[1] = 1;

MPI_Cart_create(MPI_COMM_WORLD,ndim,kdim,c_a,opt,&CTORO);

kdim: número de procesos en cada dimensión.

c_a: 0 → malla; 1 → toro;

CTORO es un nuevo comunicador que engloba a los mismos procesos queMPI_COMM_WORLD, pero que añade coordenadas cartesianas a los procesos.

slide111

Topologías

  •  Ahora podemos trabajar con una identificación doble de los procesos: el pid en el nuevo comunicador y las coordenadas cartesianas de la topología asociada.
  • Dos funciones permiten pasar de una a otra:

> MPI_Cart_coords(com2,pid2,dim,coord);

com2: nuevo comunicador con topología

pid2: identificador del proceso en el nuevo comunicador

dim: número de dimensiones

coord: array donde se devuelven las coordenadas

> MPI_Cart_rank(com2,coord,pid);

slide112

Topologías

  •  Se pueden obtener las direcciones de los “vecinos” en la topología:

> MPI_Cart_shift(com,direc, desp,&orig,&dest);

dir: dimensión en la que queremos buscar los vecinos

desp: distancia del vecino

&orig,&dest: vecinos segun el despl (orig, yo, dest)

slide113

Topologías

  •  Se puede dividir (split) una retícula en otras de menos dimensiones (p.e., una malla de dos dimensiones en sus columnas o filas), y crear así nuevos comunicadores:

> MPI_Cart_sub(cart_comm,free_coords,new_comm);

A partir del comunicador que tiene asociada la topología, se crean comunicadores en función del array booleano free_coords:

0 → se considera esa coordenada

1 → no se tiene en cuenta (free)

Por ejemplo, de una malla de n × n procesos se pueden crear los comunicadores “fila” haciendo:free_coord[0] = 0; free_coord[1] = 1;(al revés, las columnas).

slide114

Topologías

  •  Un conjunto de funciones similares permite añadir un “grafo” subyacente a un determinado grupo de procesos.

En resumen.

Un comunicador representa a un grupos de procesos que se reconocen entre sí como posible origen y destino de sus comunicaciones.

Una topología es un mecanismo alternativo de identificación “lógica” de procesos dentro de un grupo, que genera un nuevo comunicador y, en su caso, subgrupos.

slide115

Topologías

  •  Resumen de las funciones prinicipales (hay más funciones, mirar manual) que permiten crear comunicadores y topologías:
  • > MPI_Comm_group/create/split/free
  • > MPI_Group_incl/excl/rank/free
  • > MPI_Cart_create/rank/coords/shift/sub
slide116

Índice

1. Introducción.

2. Funciones MPI básicas.

3. Otros modos de envío/recepción.

4. Comunicación en grupo.

5. Tipos de datos derivados.

6. Comunicadores y topologías.

7. Entrada/salida paralela (introd.).

8. Performance, debugging, profiling...

slide117

Entrada/salida paralela

  • Algunas aplicaciones utilizan y generan una gran cantidad de datos, por lo que el tiempo necesario para las operaciones de I/O puede ser muy elevado (comparable o mayor que el tiempo estricto de ejecución).

 Algunos campos en los que se procesan datos de

manera intensiva:

> minería de datos: grano fino / patrones de acceso no predecibles

> multimedia: grano grueso / predecibles

> cálculo científico: grano fino - grueso / predecibles o no

slide118

Entrada/salida paralela

El número de datos procesados por unidad de tiempo es mayor en los sistemas paralelos. Si el sistema de almacenamiento de datos (discos) no responde adecuadamente, el rendimiento del sistema global decaerá (Amdahl de nuevo).

Estructura típica serie:

• un disco conectado al procesador (servidores, sistema RAID)

• datos en diferentes formatos

• acceso secuencial / aleatorio

• llamadas estándar (fprintf, fscanf...)

• sistema de ficheros NFS

slide119

Entrada/salida paralela

ResumenRAID(redundant array independent disks)

• objetivos: capacidad (+ disc.), rendimiento (entrelaz.), fiabilidad (paridad, hamming...)

•estructura:

RAID0: entrelazado de los datos (nivel de subbloque) entre un conjunto de discos (igual que en la MP)

+ capacidad / + rendimiento / no fiabilidad

RAID1/10 (mirroring): replicación de datos / entrelazado

- capacidad / rendimiento / fiabilidad

RAID5: entrelazado de los datos / paridad

+ capacidad / + rendimiento / tolerancia a fallos

slide120

Entrada/salida paralela

La entrada/salida en paralelo hace referencia a dos cuestiones:

• estructura “física” de los ficheros

> un disco local en cada nodo

I/O local -- almacenamiento temporal

los datos se pueden juntar al final

funciones estándar de I/O en C

> nodos específicos de I/O

mejor rendimiento

funciones paralelas de I/O

slide121

Entrada/salida paralela

La entrada/salida en paralelo hace referencia a dos cuestiones:

•estructura “lógica” de los ficheros

> procesadores escribiendo en el mismo fichero

- los datos de cada proceso se intercalan en el fichero

- MPI-2 parallel I/O

> en ficheros diferentes, que se pueden juntar al final

-- en general, un sistema de ficheros tipo PVFS

slide122

Entrada/salida paralela

MPI-2 añade un interfaz para el uso compartido de ficheros en operaciones de entrada/salida.

La lectura y escritura de datos se realiza de forma similar al envío y recepción de datos.

Los modos de acceso pueden ser bloqueantes (lo más habitual) y no bloqueantes, así como individuales (lo más habitual) y colectivos.

slide123

Entrada/salida paralela

Cada proceso tiene una “vista” del fichero, compuesta por tres elementos:

- desplazamiento: punto base de los accesos.

- tipo elemental (e-type): tipo de las unidades que forman el fichero, y que representa la unidad de acceso y desplazamiento, normalmente un byte.

- filetype: una plantilla de repeticiones del “e-type” que indica los datos que pueden ser accedidos por cada proceso (p.e., los elementos pares/impares de un vector).

La “vista” por defecto tiene desplazamiento 0, y tipo elemental y filetypeMPI_BYTE.

slide124

Entrada/salida paralela

Operaciones básicas con ficheros:

1. Apertura y cierre del fichero

> MPI_File_open(comm,&filename,amode,info,&fh);

> MPI_File_close(&fh);

comm:comunicador

filename: nombre del fichero (char)

amode: modo de acceso (int)

info:información sobre el fichero (MPI_Info)

(MPI_INFO_NULL)

fh:handle para trabajar con el fichero(MPI_File)

slide125

Entrada/salida paralela

Operaciones básicas con ficheros:

1. Apertura y cierre del fichero

> MPI_File_open(comm,&filename,amode,info,&fh);

> MPI_File_close(&fh);

Modos de acceso:

MPI_MODE_RDONLY; _RDWR; _WRONLY;

Se pueden añadir (OR, |) otras opciones:

MPI_MODE_CREATE; _EXCL; _DELETE_ON_CLOSE; UNIQUE_OPEN; _SEQUENTIAL; _APPEND;

slide126

Entrada/salida paralela

Operaciones básicas con ficheros:

1. Apertura y cierre del fichero

> MPI_File_open(comm,&filename,amode,info,&fh);

> MPI_File_close(&fh);

Son funciones colectivas; para acceso a ficheros locales (un solo proceso) se usa el comunicador MPI_COMM_SELF.

> MPI_File_delete(&filename,info);

Permite borrar un fichero que no esté abierto (sólo un proceso).

slide127

Entrada/salida paralela

Operaciones básicas con ficheros:

2. Lectura de datos

> MPI_File_read(fh,&buf,count,datatype,&status);

Lee de fhcount elementos de tipo datatype y los deja en buf. Utiliza el puntero privado de acceso al fichero (que se actualiza automáticamente).

> MPI_File_read_at(fh,offset,&buf,count, datatype,&status);

Lee comenzando en la dirección marcada por offset, sin utilizar ni modificar ningún puntero privado.

slide128

Entrada/salida paralela

Operaciones básicas con ficheros:

2. Manejo de punteros

> MPI_File_seek(fh,offset,whence);

Desplaza el puntero offset unidades (bytes) en relación a la posición actual en el fichero (whence= MPI_SEEK_CUR), al comienzo del fichero (MPI_SEEK_SET), o al final (MPI_SEEK_END).

> MPI_File_set_view(fh,disp,etype,filetype, drepr,info);

Crea una “vista” del fichero fh para cada proceso (operación colec-tiva); posiciona los punteros particulares de cada proceso en disp (p.e., función del pid). drepr indica el modo de representación de datos (ver manual).

slide129

Entrada/salida paralela

Operaciones básicas con ficheros:

2. Manejo de punteros

> MPI_File_get_position(fh,offset);

Devuelve en offset la posición actual del puntero privado.

slide130

Entrada/salida paralela

Operaciones básicas con ficheros:

3. Escritura de datos

> MPI_File_write(fh,&buf,count,datatype,&status);

Escribe en fhcount elementos de buf de tipo datatype. Utiliza el puntero privado de acceso al fichero (que se actualiza automáticamente).

> MPI_File_write_at(fh,offset,&buf,count,datatype,&status);

Escribe en fh a partir de la dirección marcada por offset, sin utilizar ni modificar ningún puntero privado.

slide131

Entrada/salida paralela

Operaciones básicas con ficheros:

4. Flush de datos

> MPI_File_sync(fh);

Obliga a escribir en fh datos que todavía puedan estar sin escribir.

Es una operación colectiva que deben realizar todos los procesos del comunicador.

Existen muchas más funciones para trabajar con ficheros (ver manual MPI-2), con el objetivo de conseguir el mayor rendi-miento posible en aplicaciones en las que el punto clave sean las operaciones de entrada/salida.

slide132

Índice

1. Introducción.

2. Funciones MPI básicas.

3. Otros modos de envío/recepción.

4. Comunicación en grupo.

5. Tipos de datos derivados.

6. Comunicadores y topologías.

7. Entrada/salida paralela (introd.).

8. Performance, debugging, profiling

slide133

Performance

  • El objetivo de un programa paralelo es resolver problemas más grandes y/o en menor tiempo.

Los parámetros típicos que miden el rendimiento de una determinada ejecución en paralelo son

(N = tam. probl., P = núm. proc.):

speed-upS(N,P) = Ts(N) / Tp(N,P)

eficiencia E(N,P) = S(N,P) / P

La comparación de tiempos hay que hacerla con el mejor programa serie, y no con el programa paralelo ejecutado sobre un procesador.

slide134

Performance

 S debería estar entre 0 y P (E, entre 0 y 1)

S = P es el caso ideal. En todo caso, lo mejor es que S sea una función lineal de P (escalabilidad).

¡pero puede ser que S < 1! (peor que el caso serie)

S > P?? Influyen otros factores; por ejemplo, el hecho de que el sistema de P procesadores tenga P veces más memoria que un solo procesador.

Factores que limitan el rendimiento

> parte del código se ejecutará en serie(Amdahl)

- a tamaño constante S  1 / (1-f)

- a tiempo constante S  f * p

slide135

ts + N/B

ts = latencia (start-up)

B = ancho de banda

N = datos a transmitir

Performance

Factores que limitan el rendimiento

Cuando se ejecuta el código en paralelo, hay que hacer más cosas que simplemente ejecutar cálculo. Lo principal, la comunicación entre procesos (y las operaciones de entrada/salida).

Tp(N,P) = T_calc(N,P)+ T_com(N,P)+ (T_io)

slide136

Tc = ts + N/B

ABreal= N / Tc =

= B / (1 + B*ts/N)

5000

Tc

4000

1

ABreal

(x 1/B)

3000

0.8

2000

0.6

1000

0.4

N

0

0.2

0

1000

2000

3000

4000

5000

N

0

4

5

1

10

100

1000

10

10

Performance

Comunicación

slide137

Performance

 Es útil/necesario solapar cálculo y comunicaciónen cada proceso:

(a) comunicaciones no bloqueantes.

(b) procesadores específicos de comunicación.

  • Factores que limitan el rendimiento
  • > cálculo extra (replicado)
  • > tiempos muertos(load balancing)  (+ Tidle)
  • Tp(N,P) = Tcal(N,P)+ Tcom(N,P)+Tidle+ (Tio)
slide138

Performance

  •  Hay que elegir el algoritmo adecuado al problema, teniendo en cuenta el tiempo de respuesta.
  • Error: cambiar un buen algoritmo secuencial por un algoritmo paralelo... ¡desastroso!

 Hay que analizar con cuidado el reparto de datos a los procesadores (localidad).

Error: suponer que las operaciones de coma flotante son asociativas (reducciones).

slide139

Performance

  •  Intentar reducir el efecto de la latencia en la comunicación:
    • •Agrupar datos en los envíos.
    • •Aumentar el tamaño de grano de las tareas.
    • •Utilizar las diferentes estrategias de gestión de los mensajes para reducir los tiempos muertos en la comunicación (handshake).
    • Error: no tomar en consideración las limitaciones de buffering del sistema (dep. de la máquina!).
slide140

Debugging

  •  Algunas ideas sobre debugging de programas paralelos:

• es más difícil; un error puede no corresponder a un proceso, sino a una secuencia de acciones en diferentes procesos.

• es imposible predecir el comportamiento de un programa erróneo, ya que los resultados cambian de ejecución a ejecución y de sistema a sistema.

•la gran mayoría de los errores no tienen nada que ver con el paralelismo.

slide141

Debugging

  •  Procedimiento a seguir:

1. Hacer una versión serie del programa.

Diseñar previamente el programa antes de escribir código, seguir un proceso incremental de pruebas, mejor ser claro que “original”...

Utilizar las herramientas de depuración de programas serie (por ejemplo, gdb).

2.Tras diseñar el programa paralelo, probarlo en un solo procesador.

3.Si es correcto, probarlo con más procesadores.

slide142

Debugging

  • Los problemas específicos están relacionados casi siempre con la “sincronización” de los procesos:

• Carreras (races)

Los programas paralelos pueden ofrecer resultados no deterministas, que cambian de ejecución a ejecución.

• Bloqueos (deadlocks)

Los procesos se bloquean en operaciones de comunicación que no se completan. Por ejemplo:

+ intentar recibir datos con Recv pero no enviarlos.

+ parámetros no correctos en las funciones de comunicación: direcciones de origen/destino, tags...

slide143

Debugging

  • Ante un determinado problema, tres líneas a seguir:

1.Leer el código detenidamente, e intentar deducir cómo se comporta el programa paralelo (si es sencillo y sabemos más o menos dónde puede estar el error).

2. Tracearel programa mediante (printf); etiquetar los mensajes con el nodo y hacer flush(stdout);...

Ojo: la introducción de trazas puede modificar el comportamiento del programa.

Es útil imprimir los parámetros de comunicación antes de enviar los mensajes y cuando se reciben.

slide144

Debugging

  • Ante un determinado problema, tres líneas a seguir:

3. Usar un debbuger simbólico: TotalView, gdb...

Casi todas las funciones MPI devuelven un código que puede ayudar a identificar problemas.

Manejadores de errores (error handler, EH)

- MPI_ERRORS_ARE_FATAL: el programa aborta.

- MPI_ERRORS_RETURN: devuelve un código de error.

Los EH están asociados a los comunicadores (recuerda que un comunicador puede llevar parámetros “cacheados”, como, por ejemplo, una topología). Un ejemplo:

slide145

Debugging

intcod_err;

cod_err = MPI_Errhandler_set(MPI_COMM_WORLD, MPI_ERRORS_RETURN);

char mens_err[MPI_MAX_ERROR_STRING];

int long_mens;

cod_err = MPI_Broadcast (&x, 1, MPI_INT, 0, comm);

if (cod_err != MPI_SUCCESS) {

MPI_Error_string (cod_err, mens_err, &long_mens);

fprintf (stderr, “Error BC = %s\n”, mens_err);

fprintf (stderr, “Agur Benhur\n”);

MPI_Abort (MPI_COMM_WORLD, -1); // -1: error_code

}

slide146

Profiling

De cara a mejorar el rendimiento del programa, tenemos que identificar quépartesdel mismo son lasresponsables de la mayor parte del tiempo de ejecución: hay que obtener un “perfil”.

Obviamente, para obtener un buen rendimiento debemos de partir de un buen algoritmo.

Hay que medir tiempos:

- gettimeofday, MPI_Wtime…

- barreras (?)

- modificar las funciones MPI, para incluir toma de tiempos (PMPI)

slide147

Profiling

  • Usar alguna herramienta específica de profiling:
  • •gprof (serie)
  • • TotalView, Paragraph, Pablo, Vampir, Paradyne…
  • (INTEL, KAI, Porland, PALLAS…)
  • •jumpshot (xmpi / lam)
  • Se puede analizar el tiempo de ejecución de cada función MPI, los patrones de comunicación...
slide148

Jumpshot

Jumpshotes una aplicación que permite analizar “gráficamente” el comportamiento de programas paralelos (MPICH / MPE) que se han ejecutado previamente y de los que se ha obtenido un fichero tipo “log”.

Para generar el fichero log podemos añadir puntos de muestreo en lugares concretos (añadiendo funciones de MPE), o, en casos sencillos, tomar datos de todas las funciones MPI:

> mpicc –mpe=mpilog –o p1 p1.c

> mpiexec –n num_proc p1

slide149

Jumpshot

Al ejecutar el programa se genera el fichero p1.clog2, que, transformado a formato slog2, puede analizarse mediante jumpshot4

> clog2TOslog2 p1.clog2

> jumpshot

 Veamos unos ejemplos de uso de jumpshot.

slide150

Comunicación one-sided

Hemos analizado las funciones principales de MPI, pero hay más.

Por ejemplo, MPI-2 permite generar procesos de manera dinámica, y no solamente de manera estática, tal como hemos hecho a lo largo del curso.

También existen operaciones de comunicación one-sided(put, get) que permiten a un proceso acceder a la memoria local de otro (con lo que podríamos utilizar un modelo de memoria compartida!).

slide151

MPI-OpenMP

En la mayoría de los clusters, cada nodo es un pequeño multiprocesador (4-8 procesadores), o un procesador de cuatro a ocho núcleos con multithreading.

En esos casos es interesante utilizar simultáneamente los dos modelos: MPI (paso de mensajes entre nodos de memoria privada) y OpenMP (hilos de memoria compartida).

Basta con añadir a los procesos MPI las correspondientes directivas OpenMP, de tal manera que la tarea asignada a cada nodo se reparta entre los procesadores locales.

Atención al modelo de memoria (variables privadas y compartidas), que es diferente en cada caso.

slide152

Referencias

  • > MPI
  • • P. S. Pacheco: Parallel Programming with MPI.
  • Morgan Kaufmann, 1997.
  • • W. Gropp et al.: Using MPI. Portable Parallel Programming with the Message Passing Interface.
  • Using MPI-2. Advanced Features of the Message Passing Interface. The MIT Press, 1999.
  • •M. Snir et al.:MPI - The complete reference (vol. 1 /2).
  • The MIT Press, 1998.
  • • mpich: www-unix.mcs.anl.gov/mpi/
  • lam: www.lam-mpi.org
slide153

Referencias

  • > Gestión de un cluster
  • • T. Sterling: Beowulf Cluster Computing with Linux.
  • The MIT Press, 2002
  • • J.D. Sloan: High Performance Linux Clusters with OSCAR, Rocks, openMosix & MPI.
  • O’Reilly, 2005