Cómputo en paralelo con OpenMP 1 - CIMATmiguelvargas/Course notes/Parallel... · 2015. 10. 9. ·...
Transcript of Cómputo en paralelo con OpenMP 1 - CIMATmiguelvargas/Course notes/Parallel... · 2015. 10. 9. ·...
-
Cómputo en paralelo con OpenMP 1
Miguel Vargas-Félix
[email protected]://www.cimat.mx/~miguelvargas
CIMAT, September 2, 2015 1/34
mailto:[email protected]://www.cimat.mx/~miguelvargas
-
Velocidad de los procesadores de escritorioRecientemente, la velocidad de procesamiento a crecido debido al uso de procesadores multi-core.
1970 1975 1980 1985 1990 1995 2000 2005 20100e0
1e10
2e10
3e10
4e10
5e10
6e10
7e10
8e10
Inte
l 400
4(9
2K ip
s)
Inte
l 808
0(5
00K
ips)
Mot
orol
a 68
000
(1M
ips)
Inte
l 80x
286
(4M
ips)
Inte
l 80x
386
(11M
ips)
Mot
orol
a 68
040
(44M
ips)
Inte
l 80x
486
(54M
ips)
Mot
orol
a 68
060
(88M
ips)
Inte
l Pen
tium
Pro
(541
M ip
s)
Inte
l Pen
tium
III
(1.4
G ip
s)
AMD
Ath
lon
XP (5
.9G
ips)
Inte
l Pen
tium
IV (9
.7G
ips)
Pla
ySta
tion
3 C
ell
(10G
ips)
Inte
l Cor
e 2
(49G
ips)
Inte
l Cor
e i7
(76G
ips)
AMD
Phe
nom
II X
4(4
3G ip
s)
Num
ber o
f ins
truct
ions
per
sec
ond
multi-coreprocessors
http://www.cimat.mx/~miguelvargas 2/34
-
Tenemos que cambiar nuestros algoritmos para que corran lo más eficientemente posible en losprocesadores multi-core.
Serialalgorithm
instruction
instruction
instruction
instruction
instruction
instruction
reduction
instruction
instruction
instruction
reduction
Parallelalgorithm
instruction instruction instruction
instruction instruction instruction
reduction
instructioninstruction instruction
reduction
La meta es reducir tiempo necesario para realizar una secuencia de instrucciones.
La buena noticia es:Hacer programas en paralelo con OpenMP es muy sencillo.
La mala noticia es:Hacer programas en paralelo eficientes requiere un esfuerzo extra.
http://www.cimat.mx/~miguelvargas 3/34
-
Operaciones matemáticas en paralelo
Fácilmente paralelizablesEsto significa que pueden separarse en varias sub-operaciones que puede realizarse de formaindependiente.
Por ejemplo, la suma de dos vectores w=x+y, con w ,x , y∈ℝn,wi=xi+ yi.
Y supongamos que tenemos n procesadores.
x1+y1 x2+y2 x3+y3 x4+y4 x5+y5 x6+y6 x7+y7 x8+y8 ... xn+yn
w1 w2 w3 w4 w5 w6 w7 w8 wn...
En este caso las sumas pueden realizarse simultáneamente, asignando una a cada procesador.
Lo que hay que resaltar es que no hay dependencia entre los diferentes pares de datos, tenemosentonces el paralelismo más eficiente.
http://www.cimat.mx/~miguelvargas 4/34
-
No tan fáciles de paralelizarPor ejemplo el producto punto, a=〈x ,y 〉, con x , y∈ℝn,
a=∑i=1
n
xi yi
donde a es un escalar.
Una primera aproximación sería verlo como una secuencia de sumas de productos que requierenirse acumulando.
x1 y1 x2 y2 x3 y3 x4 y4 x5 y5 x6 y6 x7 y7 xn yn...+ + + + + + + + a
Time
Al verlo así no es una operación paralelizable.
http://www.cimat.mx/~miguelvargas 5/34
-
Sin embargo, podemos reorganizar el proceso como se muestra en la figura:
x1 y1 x2 y2 x3 y3 x4 y4 x5 y5 x6 y6 x7 y7 x8 y8 xn yn...
+
+
a
+ + +
+ +
xn-1 yn-1
+
+...
En este caso se tiene una paralelización eficiente de la multiplicación de las entradas de losvectores, después se va reduciendo la eficiencia al dividir las operaciones de suma en pares.
Muchos algoritmos seriales requieren, para ser paralelizados, de re-ordenar las operaciones conuna estrategia de divide y vencerás, como en el caso del producto punto.http://www.cimat.mx/~miguelvargas 6/34
-
Usualmente se tendrán memos procesadores que el tamaño del vector, por lo que se asignan variasoperaciones de un grupo a cada procesador, las cuales se ejecutarán en serie, lo que limita laeficiencia del paralelismo.
x1 y1x2 y2
x3 y3x4 y4
x5 y5x6 y6
x7 y7x8 y8 xn yn...
+
a
xn-1 yn-1
+ +
http://www.cimat.mx/~miguelvargas 7/34
-
El esquema OpenMP● Sirve para paralelizar programas en C, C++ o Fortran en computadoras multi-core.
● Busca que escribir código en paralelo sea sencillo.
● Es un esquema de paralelización con memoria compartida (todos los cores accesan a la mismamemoria).
● Su funcionamiento interno es con threads, en el caso de sistemas POSIX se utiliza la librería dePOSIX-Threads (libpthread).
Una descripción más a detalle de OpenMP 2.5 la pueden encontrar en [Chap08].
http://www.cimat.mx/~miguelvargas 8/34
-
Compiladores que soportan OpenMPAlgunos de los compiladores que tienen soporte para OpenMP son:
● GNU Compiler Collection GCC (versión ≥ 4.3.2).
● The LLVM Compiler Infrastructure (versión ≥ 3.7.0)
● Intel C++ and Fortran Compilers (version ≥ 10.1) 1
● Microsoft Visual Studio Professional (version ≥ 2008) 2
● Microsoft Visual Studio Express (version ≥ 2012) 3
● Microsoft Visual Studio Community (2015) 4
La lista completa se puede consultar en http://openmp.org/wp/openmp-compilers
1 Versión gratuita para Linux para estudiantes.http://software.intel.com/en-us/non-commercial-software-development
2 Descargable de forma gratuita para estudiantes de instituciones de educación superior en Microsoft DreamSpark.http://www.dreamspark.com
3 Gratis para todo tipo de desarrollo.http://www.microsoft.com/visualstudio/eng/products/visual-studio-express-products
4 Completamente gratis para empresas pequeñas y desarrollo open source.https://www.visualstudio.com/en-us/products/visual-studio-community-vs.aspx
http://www.cimat.mx/~miguelvargas 9/34
https://www.visualstudio.com/en-us/products/visual-studio-community-vs.aspxhttp://www.microsoft.com/visualstudio/eng/products/visual-studio-express-productshttp://www.dreamspark.com/http://software.intel.com/en-us/non-commercial-software-developmenthttp://openmp.org/wp/openmp-compilers
-
Programación con multi-hilos (multi-threads)A la ejecución secuencial de una conjunto de instrucciones se le conoce como un hilo deprocesamiento o thread.
instruction instruction instruction
instruction instruction instruction
start
instructioninstruction instruction
reduction
reduction
3 threads
1 thread
1 thread
3 threads
1 thread
http://www.cimat.mx/~miguelvargas 10/34
-
En las computadoras multi-core logra la mejor eficiencia cuando cada core ejecuta sólo un thread.
Core n
Core 0Core 1Core 2Core 3
Activecore
Inactivecore
Serialsection
Parallelsection
SynchronizationThreadcreation
Waitingcore
Time
Cuando se paraleliza no todos los threads terminan al mismo tiempo.
Dentro de un programa, cada thread posee sus propios registros de control y su propio stack dedatos, mientas que comparte el uso de las regiones de memoria heap y data con los demás threadsdel programa.
http://www.cimat.mx/~miguelvargas 11/34
-
Paralelización con OpenMP
Suma de vectoresComencemos con la paralelización de la suma de dos vectores:
void Suma(double* a, double* b, double* c, int size){
for (int i = 0; i < size; ++i){
c[i] = a[i] + b[i];}
}
La paralelización sería...
http://www.cimat.mx/~miguelvargas 12/34
-
... la paralelización sería:
void Suma(double* a, double* b, double* c, int size){
#pragma omp parallel forfor (int i = 0; i < size; ++i){
c[i] = a[i] + b[i];}
}
Un #pragma es una directiva para el compilador, significa que tiene que insertar código especialque haga algo que no está definido en el estandar de C o C++.
En este caso el #pragma internamente inserta código oculto de OpenMP para paralelizar el for.
http://www.cimat.mx/~miguelvargas 13/34
-
Compilación de un código con OpenMPNo es suficiente con agregar el #pragma, hace falta decirle al compilador que agregue el soportepara OpenMP.
Para compilar con GCC es necesario agregar:g++ -o programa -fopenmp suma.cpp
En Visual C++ hay una opción en las preferencias del proyecto para activar OpenMP
http://www.cimat.mx/~miguelvargas 14/34
-
Paralelización del forLa forma en que OpenMP paraleliza un for es formando bloques de índices (el tamaño de losbloques es controlable).
Supongamos que tenemos una computadora con 3 cores.
Para la suma de vectores size=30 y que los bloques son de tamaño 10.
void Suma(double* a, double* b, double* c, int size){
#pragma omp parallel forfor (int i = 0; i < 10; ++i) for (int i = 10; i < 20; ++i) for (int i = 20; i < 30; ++i){ { {
c[i] = a[i] + b[i]; c[i] = a[i] + b[i]; c[i] = a[i] + b[i];} } }
}
OpenMP asigna un bloque de índices a cada core.
▪ Al core 0 le toca procesar el for con los índices 0-9
▪ Al core 1 le toca procesar el for con los índices 10-19
▪ Al core 2 le toca procesar el for con los índices 20-29
http://www.cimat.mx/~miguelvargas 15/34
-
Por ejemplo, supongamos ahora que size=100 y que los bloques siguen siendo de tamaño 10.
La distribución de índices podría ser algo como:
void Suma(double* a, double* b, double* c, int size){
#pragma omp parallel forfor (int i = 0; i < 10; ++i) for (int i = 10; i < 20; ++i) for (int i = 20; i < 30; ++i){ { {
c[i] = a[i] + b[i]; c[i] = a[i] + b[i]; c[i] = a[i] + b[i];} } }for (int i = 40; i < 50; ++i) for (int i = 30; i < 40; ++i) for (int i = 50; i < 60; ++i){ { {
c[i] = a[i] + b[i]; c[i] = a[i] + b[i]; c[i] = a[i] + b[i];} } }for (int i = 80; i < 90; ++i) for (int i = 70; i < 80; ++i) for (int i = 60; i < 70; ++i){ { {
c[i] = a[i] + b[i]; c[i] = a[i] + b[i]; c[i] = a[i] + b[i];} } }for (int i = 90; i < 100; ++i){
c[i] = a[i] + b[i];}
}
A los bloques se les llama chunk, y su tamaño puede ser controlado por el programador.
http://www.cimat.mx/~miguelvargas 16/34
-
La distribución de los índices es controlada por OpenMP.
Nosotros simplemente tenemos que escribirvoid Suma(double* a, double* b, double* c, int size){
#pragma omp parallel forfor (int i = 0; i < size; ++i){
c[i] = a[i] + b[i];}
}y dejamos que OpenMP haga el resto.
Si el compilador no tiene soporte para OpenMP, entonces el #pragma es ignorado y tendremos laversión serial del programa.
Si la computadora no es multi-core, entonces también se ejecutará el código en serie.
Este esquema permite primero probar nuestro código en serie y luego ejecutarlo en paralelo.
http://www.cimat.mx/~miguelvargas 17/34
-
Paralelizar bloques de códigoAdemás de paralelizar ciclos, es posible paralelizar bloques
#pragma omp parallel{
// ... codigo a ejecutar en paralelo...int thread = omp_get_thread_num();
}
omp_get_thread_num regresa el número de thread actual.
http://www.cimat.mx/~miguelvargas 18/34
-
Controlar el número de threads
#include #include
int main(){
int max = omp_get_max_threads();printf("omp_get_max_threads = %i\n", max);
#pragma omp parallel{
int t = omp_get_thread_num();printf(" omp_get_thread_num = %i\n", t);
}
return 0;}g++ -o test -fopenmp test.cpp./test
La función omp_get_max_threads regresa la cantidad máxima de threads establecida.
omp_get_thread_num regresa el ID del thread, los threads se identifican enumeran iniciando en 0.
http://www.cimat.mx/~miguelvargas 19/34
-
Si una computadora tiene un procesador con 4 cores, podemos decidir no utilizarlos todos.
¿Cómo se define el número de cores/threads a utilizar?
● Por default el número de threads es igual al número de cores en la computadora.
● Se puede establecer por medio de variables de ambiente.
● Se puede definir en el código en run-time.
Establecer número de threads con variables de ambienteSe hace a través de la variable de ambiente OMP_NUM_THREADS. La variable se tiene queinicializar antes de ejecutar el programa.
En Linux/Unix (Bash):export OMP_NUM_THREADS=3./test
En Windows:set OMP_NUM_THREADS=3test.exehttp://www.cimat.mx/~miguelvargas 20/34
-
Establecer número de threads con códigoUna forma es utilizando una función de OpenMP, para esto es necesario incluir el header “omp.h”,el cual incluye varias funciones para el control de threads.
#include
void Suma(double* a, double* b, double* c, int size){
#pragma omp parallel forfor (int i = 0; i < size; ++i) {
c[i] = a[i] + b[i];}
}
int main(){
omp_set_num_threads(3);...Suma(a, b, c, 100);
}
omp_set_num_threads permite establecer el número de threads a utilizar en todas las siguientesparalelizaciones.
http://www.cimat.mx/~miguelvargas 21/34
-
Otra forma sería utilizando la clausula num_threads.
void Suma(double* a, double* b, double* c, int size, int threads){
#pragma omp parallel for num_threads(threads)for (int i = 0; i < size; ++i) {
c[i] = a[i] + b[i];}
}
int main(){
int threads = 3;...Suma(a, b, c, 100, threads);
}
De esta forma se puede tener un control más fino del número de threads para cada paralelización.
http://www.cimat.mx/~miguelvargas 22/34
-
ReduccionesEl ejemplo que mostraremos es la paralelización del producto punto:
double ProductoPunto(double* a, double* b, int size){
double c = 0;for (int i = 0; i < size; ++i)
c += a[i]*b[i];return c;
}
¿Qué pasa si hacemos...?
double ProductoPunto(double* a, double* b, int size){
double c = 0;#pragma omp parallel forfor (int i = 0; i < size; ++i)
c += a[i]*b[i];return c;
}
http://www.cimat.mx/~miguelvargas 23/34
-
La forma en que OpenMP permite hacer operaciones de este tipo es por medio de la cláusulareduction.
double ProductoPunto(double* a, double* b, int size){
double c = 0;#pragma omp parallel for reduction(+:c)for (int i = 0; i < size; ++i)
c += a[i]*b[i];return c;
}
Lo que hace reduction es crear tantas copias de c como threads existan e irlas acumulando porseparado, al terminar se suman éstas y se tendrá un solo resultado.
http://www.cimat.mx/~miguelvargas 24/34
-
Las operaciones soportadas en las reduciones son:Operador de
reducciónValor de
inicialización+ 0* 1- 0& ~0| 0^ 0
&& 1|| 0
maxmin
Para poner múltiples reduciones, puede ser como:
double minimum = a[0];double maximum = a[0];
#pragma omp parallel for reduction(min:minimum) reduction(max:maximum)for (int i = 1; i < size; ++i){
if (minimum > a[i])minimum = a[i];
else if (maximum < a[i])maximum = a[i];
}
http://www.cimat.mx/~miguelvargas 25/34
-
Multiplicación matriz-vectorAhora veamos la multiplicación matriz-vector.
void Mult(double* A, double* x, double* y, int rows, int cols){
#pragma omp parallel forfor (int i = 0; i < rows; ++i){
double sum = 0;for (int k = 0; k < cols; ++k){
sum += A[i*cols + k]*x[k];}y[i] = sum;
}}
Hay que notar que las operaciones no se interfieren, dado que cada iteración sólo escribe en elelemento y[i].
http://www.cimat.mx/~miguelvargas 26/34
-
Speed-upLa aceleración (speed-up) de un programa en paralelo,
S=t1t n
.
0 2 4 6 8 10 12 14 160
2
4
6
8
10
12
Speed-upIdeal Speed-up
Threads
Spee
d-up
http://www.cimat.mx/~miguelvargas 27/34
-
Pérdida de eficiencia con el aumento de threadsEjemplo de un programa trabajando en una computadora con 16 cores/threads
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 160
5
10
15
20
25
Real time [m]
Ideal time [m]
Threads
Tim
e [m
]
Sea t 1 el tiempo real que tardó el resolverse un problema con un thread, n el número deprocesadores utilizado, el tiempo ideal de ejecución lo podemos definir como
in=t1n
.
http://www.cimat.mx/~miguelvargas 28/34
-
Podemos dar una medida de eficiencia E de un algoritmo
E=int n
=t1
nt n.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 160.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
Threads
Effi
cien
cy
http://www.cimat.mx/~miguelvargas 29/34
-
Teorema de GeršgorinSea A∈ℂn×n, con entradas ai j. Definamos los radios
r i=∑j≠i
|ai j|, i=1, 2,… , n,
como la suma de las entradas fuera de la diagonal del renglón i.
Sea D (ai i , r i ) un disco cerrado en el plano complejo, con centro en ai i y radio r i. Estos discos sonllamados discos de Geršgorin [Varg04].
Teorema: Cada eigenvalor de A está dentro de alguno de los discos de Geršgorin D (ai i , r i ).
http://www.cimat.mx/~miguelvargas 30/34
-
Ejemplo, podemos estimar los eigenvalores de
A=( 10 −1 0 10.2 8 0.2 0.21 1 2 1−1 −1 −1 −11),se obtienen cuatro discos D (10,2), D (8,0.6), D (2,3), D (−11,3).
x
i10
5
-5
5 10-5-10
D (10, 2)D (−11, 3)
D (8,0.6)
D (2, 3)
Los eigenvalores de A son: 9.8218, 8.1478, 1.8995, -10.86.http://www.cimat.mx/~miguelvargas 31/34
-
El número de condición κ de una matriz A no singular, para una norma ‖⋅‖ está dado por
κ (A )=∥A∥⋅∥A−1∥.
Para la norma ∥⋅∥2,
κ (A )=∥A∥⋅∥A−1∥=σmax (A )σmin (A )
,
donde σ son los valores singulares de la matriz.
Para una matriz A simétrica positiva definida,
κ (A )=λmax (A )λmin (A)
,
donde λ son los eigenvalores de A. Así, matrices con un número de condición cercano a 1 se dicenque están bien condicionadas.
Podemos utilizar el teorema de Geršgorin para encontar un aproximado del número de condiciónpara de matrices dispersas (simétricas positivas definidas).
http://www.cimat.mx/~miguelvargas 32/34
-
¿Preguntas?
http://www.cimat.mx/~miguelvargas 33/34
mailto:[email protected]
-
Referencias[Chap08] B. Chapman, G. Jost, R. van der Pas. Using OpenMP: Portable Shared Memory Parallel
Programming. The MIT Press, 2008.
[Varg04] R. S. Varga. Geršgorin and His Circles. Springer. 2004.
http://www.cimat.mx/~miguelvargas 34/34