Arkitektura Paraleloak

IF - EHU

Arkitektura Paraleloak

2. Konputagailu Paraleloak (oinarrizko kontzeptuak)

- Sarrera - SIMD konputagailuak - MIMD konputagailuak - Arazo nagusiak - Kalkulu-abiadura

Arkitektura Paraleloak IF - EHU

K. Par. 2 2

Paralelismoa: “eragiketa” bat baino gehiago “batera, aldi berean” egitea.

• datuen tamaina: 4 - 8 - 16 - 32 - 64... bit • aginduen exekuzioa (ILP):

segmentazioa, supereskalarrak, VLIW...

• datuetan vs programetan

Sarrera

Arkitektura Paraleloak IF - EHU

K. Par. 3 2

Paralelismoa

SIMD: Single-Instruction-Multiple-Data - bektore-prozesadoreak - prozesatze-matrizeak (array processors) - GPU

MIMD: Multiple-Instruction-Multiple-Data Prozesu/hari asko, erantzuna ahalik eta azkarren emateko (high performance).

- multiprozesua, hutsegiteekiko tolerantzia, P kopia (lan-emaria edo throughput-a)

Sarrera

Arkitektura Paraleloak IF - EHU

K. Par. 4 2

komunikazio-sarea

Prozesadore sinple asko, memoria gutxi, sarrera/ irteera eragiketetarako aukera.

Komunikazio-sare berezia.

prozesatze-matrizea

P+M+S/I

SIMD prozesatze-matrizea

Arkitektura Paraleloak IF - EHU

K. Par. 5 2

komunikazio-sarea

Kontrol-proz.

front-end

Kontrol-prozesadoreak sinkronoki exekutatuko duten agindua bidaltzen die prozesadore guztiei (BC). Prozesadore bakoitzak, agindua exekutatzen du edo ez du ezer egiten.

prozesatze-matrizea

P+M+S/I

SIMD prozesatze-matrizea

Arkitektura Paraleloak IF - EHU

K. Par. 6 2

Arkitektura mota hau egokia da aplikazio jakin batzuetarako; esaterako, irudiak (seinaleak) prozesatzeko.

Adibidea (X, Y eta Z bektoreak prozesadoreen artean banatuta daude)

for (i=0; i<1000; i++) if (Y[i] != 0) Z[i] = X[i] / Y[i]; else Z[i] = X[i];

1. pausoa: egiaztatu denak Y[i] != 0 (true / false) 2. pausoa: baldin (true) egin Z[i] = X[i] / Y[i]

(besteok, ezer ez) 3. pausoa: baldin (false) egin Z[i] = X[i]

(besteok, ezer ez)

SIMD prozesatze-matrizea

Arkitektura Paraleloak IF - EHU

K. Par. 7 2 GPU

GP-GPU

• erabiltzea kalkulurako, azeleragailu gisa, irudiak (matrizeak) prozesatzeko hardware berezia.

• prozesu-unitate (sinple) asko eta egituratuta. • kalkulu independente asko, datu-egitura oso

handien gainean. • CUDA arkitektura: memoria hierarkia berezia.

ADI memoria-transferentziak (MN-GPU) kalkulu baino denbora gehiago har dezakete.

Arkitektura Paraleloak IF - EHU

K. Par. 8 2

MIMD: Multiple-Instruction-Multiple-Data P prozesu/hari batera exekutatzen dira.

Oinarrizko bi eredu: - memoria partekatua - memoria banatua

MIMD konputagailuak

Arkitektura Paraleloak IF - EHU

K. Par. 9 2

M0

Mm–1 memoria nagusia

Memoria partekatua (shared memory)

P0 P1 Pp–1 prozesadoreak + CM

komunikazio-sarea

S/I

MIMD konputagailuak

Arkitektura Paraleloak IF - EHU

K. Par. 10 2

Memoria partekatua (shared memory)

- Helbide-espazio bakarra.

- Prozesuen arteko komunikazioa aldagai partekatuen bidez.

- Komunikazio-sarea: busa (edo urrats anitzeko sare bat).

- Izenak: multiprozesadorea, SMP, UMA.

- Eskuarki, prozesadore “gutxi”.

P0 P1 Pp–1

M0

Mm–1

S/I

MIMD konputagailuak

Arkitektura Paraleloak IF - EHU

K. Par. 11 2

Pp-1

Mp-1 S/I

Memoria banatua (distributed memory)

P0

M0 S/I

Konputagailua: Pr + CM + MN + S/I

komunikazio-sarea

K K

MIMD konputagailuak

Arkitektura Paraleloak IF - EHU

K. Par. 12 2

Memoria banatua (distributed memory)

- Helbide-espazio bat prozesadore bakoitzeko.

- Prozesuen arteko komunikazioa mezu-ematearen bidez.

- Komunikazio-sare orokorrak: hiperkuboa, maila, torua...

- Izenak: multikonputagailua, MPP.

- Eskuarki, prozesadore “asko”.

Pp-1

Mp-1 S/I

P0

M0 S/I K K

MIMD konputagailuak

Arkitektura Paraleloak IF - EHU

K. Par. 13 2

Beste aukera bat: memoria partekatua baina fisikoki banatua.

- Helbide-espazioa bakarra da, baina erabilera ez da homogeneoa: memoria-hierarkia bat osatu da.

- Prozesuen arteko komunikazioa aldagai partekatuen bidez egiten da (logikoki), eta mezu-ematearen bidez gauzatzen da.

- Izenak: DSM, NUMA (MPP).

Pp-1

S/I

P0

S/I K

M0

Mp-1 K

MIMD konputagailuak

Arkitektura Paraleloak IF - EHU

K. Par. 14 2

Izenak:

- SMP: memoria partekatuko multiprozesadorea, eskuarki prozesadore kopuru txikia, bus batez komunikatuta.

- MPP: prozesadore kopuru handiko sistema paraleloa, memoria partekatukoa zein banatukoa.

Oro har, makinarik azkarrenak, berariazko komunikazioko zein kalkuluko hardwarea eta softwarea dituzten sistemak. Baina garestiak.

Egitura hierarkikoak antola daitezke (adib., nodoak SMP sistemak dira).

MIMD konputagailuak

Arkitektura Paraleloak IF - EHU

K. Par. 15 2

Izenak:

- Cluster: helburu orokorreko hardware zein soft-warearekin egindako sistema paraleloa. Kostua/abiadura erlazioa oso ona da.

PC PC

PC PC

PC

ethernet

Sinpleena: PC / ethernet (Beowulf).

Commodity / Custom

Gero eta gehiago, sistema paralelo orokorra.

MIMD konputagailuak

Arkitektura Paraleloak IF - EHU

K. Par. 16 2

Izenak:

- Konstelazioa (constellation): cluster bat, non nodo kopurua nodo bakoitzeko prozesadore kopurua baino txikiagoa baita.

MIMD konputagailuak

Arkitektura Paraleloak IF - EHU

K. Par. 17 2

1

1

N

N

SIMD MIMD

SISD

agindu-jarioak

datu-jarioak

Prozesatze-matrizeak

Bektore-konputagailuak

MPP/NUMA

Clusters

memoria banatua

P

C

M

sare orokorra

MN

P

C

memoria partekatua

SMP

busa

Laburpena

Arkitektura Paraleloak IF - EHU

K. Par. 18 2

Helbide-espazioa partekatua pribatua

zentralizatua (busa)

banatua (sarea)

Memoria

SMP

DSM, NUMA

MPP

-

Laburpena

Arkitektura Paraleloak IF - EHU

K. Par. 19 2

- Nola kudeatzen da sistema osoa?

- Nola banatzen da algoritmo bat P prozesutan? Kode guztia paraleloan exekuta al daiteke?

- Lan-banaketa orekatua da, edo, adibidez, exekuzio-karga “% 80 - % 20” banatu da?

(load balancing)

Arazoak

Sistema paraleloetan gainditu behar diren arazo batzuk:

Arkitektura Paraleloak IF - EHU

K. Par. 20 2

Sistema paraleloetan gainditu behar diren arazo batzuk:

- Non daude datuak? Nola mantentzen da datuen koherentzia?

- Prozesu guztiak independenteak dira? Sinkronizatu egin behar dira?

- Prozesadoretik prozesadorera bidali beharko dira datuak? Nola?

Arazoak

Arkitektura Paraleloak IF - EHU

K. Par. 21 2

Ordaindu behar diren gainkargak

1. Komunikazioa Tp = Texe + Tkom

Texe Tkom

prozesadore kopurua

Tp

Arazoak

Arkitektura Paraleloak IF - EHU

K. Par. 22 2

Ordaindu behar diren gainkargak

2. Lan-banaketaren desoreka

Adibidez: 6 prozesu independente, antzeko exekuzio-denborak → Ts = 6T

▪ 3 prozesadoreren artean (2 + 2 + 2) Tp = 2T = Ts/3

▪ 4 prozesadoreren artean (2 + 2 + 1 + 1) Tp = 2T = Ts/3 !

Arazoak

Arkitektura Paraleloak IF - EHU

K. Par. 23 2

Ordaindu behar diren gainkargak

3. Cachearen erabilera

Cache-blokeetako datuak (ber)erabili behar dira (ingurutasuna).

Adibidez, baldin A1 eta A2 ondoz ondoko memoria-posiziotan badaude, prozesadore berean prozesatzea mereziko du, cacheko asmatze-tasa handitzeko.

Arazoak

Arkitektura Paraleloak IF - EHU

K. Par. 24 2

Aplikazio motak

- ale xeheko paralelismoa ataza asko, txikiak komunikazioa: maiz, datu gutxi

- ale larriko paralelismoa ataza gutxi, handiak komunikazioa: noizbehinka, datu asko

Arazoak

Arkitektura Paraleloak IF - EHU

K. Par. 25 2

Azelerazio-faktorea / Eraginkortasuna

af = Ts / Tp (onena: P-rekiko linealki haztea)

erag = af / P (onena: P-rekiko independentea)

Kasurik onena: Tp = Ts / P → af = P eta erag = 1

Helburua: 1 programa bera azkarrago exekutatzea. 2 programa handiagoak denbora berdinean

exekutatzea.

Eraginkortasuna

Arkitektura Paraleloak IF - EHU

K. Par. 26 2

Beraz, hau da benetako azelerazio-faktorea (Amdahl-en legea):

af = Ts / Tsp = Ts / [f Ts/P + (1-f) Ts] af = P / [f + (1-f) P] → 1 / (1-f) !

1 Oro har, zati bat paraleloan eta beste bat seriean:

Tsp = f Tp + (1-f) Ts

Amdahl

Arkitektura Paraleloak IF - EHU

K. Par. 27 2

1 Amdahl-en legea af = P / (f + (1-f) P) → 1 / (1-f)

Amdahl

Arkitektura Paraleloak IF - EHU

K. Par. 28 2

2 Maiz, paralelismoa ez da azkarrago exekutatzeko erabiltzen, baizik eta tamaina handiagoko atazak exekutatu ahal izateko.

af = Ts’ / Tp’

af = (1-f) + f P

f Ts P (1-f) Ts

tamaina handiagoa (xP) Ts’ = ((1-f) + f P) Ts

Gustafson

(1-f) Ts f Ts Ts

seriean

f Ts (1-f) Ts

P prozesadore

Tp’ = Ts paraleloan

Arkitektura Paraleloak IF - EHU

K. Par. 29 2

2 Gustafson-en legea af = (1-f) + f P

Gustafson

any questions?

Arkitektura Paraleloak

IF - EHU

K. Par. | Gustafson

2 Gustafson-en legea af = (1-f) + f P