Parallel Programming in C with MPI and OpenMP

Présentation au sujet: "Parallel Programming in C with MPI and OpenMP"— Transcription de la présentation:

1 Parallel Programming in C with MPI and OpenMP
Michael J. Quinn Chapitre 17 Open MP

2 OpenMP OpenMP: Interface de programmation (API) pour le calcul parallèle sur architecture à mémoire partagée. Directives pour le compilateur Bibliothèque logicielle Variables de l’environnement OpenMP fonctionne avec Fortran, C, ou C++

3 Modèle à mémoire partagée
Processeur Processeur Processeur Processeur Mémoire Les processeurs interagissent et se synchronisent à l’aide de variables partagées.

4 Parallélisme avec Fork et Join
Initialement un seul thread est actif (maître) Le maître exécute le code séquentiel. Fork: Le maître crée ou active des threads additionnels afin d’exécuter du code en parallèle. Join: À la fin du code parallèle, les threads sont éliminés ou suspendus et le flot de contrôle retourne à l’unique thread maître.

5 Parallélisme avec Fork et Join

6 Parallélisation incrémentielle
Programme séquentiel: Cas particulier d’un programme parallèle à mémoire partagée. Parallélisation incrémentielle: On transforme un programe séquentiel en programme parallèle de façon graduelle. Le parallélisme incrémentiel est un avantage important de la programmation parallèle à mémoire partagée.

7 Boucle for parallèle En C le parallélisme de données est souvent exprimé à l’aide de boucles for: for (i = first; i < size; i += prime) marked[i] = 1; Avec OpenMP il est facile d’indiquer quand une boucle doit être exécuté en parallèle. Le compilateur se charge de transformer le code séquentiel en code parallèle: création des threads affectation des itérations aux threads.

8 Pragmas Pragma: Directive au compilateur C ou C++
Signifie “pragmatic information” Permet au programmeur de communiquer avec le compilateur Le compilateur est libre d’ignorer les directives Syntaxe: #pragma omp <reste du pragma>

9 Parallel for #pragma omp parallel for [clause [[,] clause …] for (i = 0; i < N; i++) a[i] = b[i] + c[i]; Le compilateur doit être en mesure de vérifier si le système d’exécution aura l’information nécessaire à l’ordonnancement des itérations de la boucle. Indépendance des itérations Nombre d’itérations

10 Forme canonique d’une boucle parallel for

11 Variables privées et partagées
Variable partagée: Même adresse mémoire pour tous les threads Variable privée: Différentes adresses mémoire pour différents threads. Un thread ne peut pas accéder à une variable privée appartenant à un autre thread. Par défaut, dans un “parallel for”, les variables sont partagées sauf l’indice de boucle.

12 Variables privées et partagées
… }

13 Comment le système sait-il combien de threads il faut créer?
Variable de l’environnement: OMP_NUM_THREADS 4 fonctions utiles: omp_get_num_procs omp_set_num_threads omp_get_num_threads omp_get_thread_num

14 Fonction omp_get_num_procs
Retourne le nombre de processeurs (physique ou virtuels) disponibles par le programme parallèle. int omp_get_num_procs (void)

15 Fonction omp_set_num_threads
Le nombre de threads actifs dans les section de code parallèle sera égal au paramètre de la fonction Peut être appelé à plusieurs endroits dans le programme. void omp_set_num_threads (int t)

16 Fonction omp_get_num_threads
Retourne le nombre de threads actifs. int omp_get_num_threads (void)

17 Fonction omp_get_thread_num
Retourne le numérodu thread. int omp_get_thread_num(void)

18 Déclarer des variables privées
Exemple: Algorithme de Floyd for (i = 0; i < n; i++) for (j = 0; j < n; j++) a[i][j] = MIN(a[i][j],a[i][k]+a[k][j]); N’importe laquelle des deux boucles peut être exécutée en parallèle (exécuter les deux en parallèle nécessite trop de threads) On préfère paralléliser la boucle extérieure pour minimiser le nombre de fork/join Chaque thread doit alors posséder sa propre copie de la variable j

19 Clause “private” Clause: Composante optionnelle à un pragma
Clause “Private”: indique au compilateur de créer une ou plusieurs variables privées. private ( <variable list> )

20 Exemple #pragma omp parallel for private(j) for (i = 0; i < n; i++)
for (j = 0; j < n; j++) a[i][j] = MIN(a[i][j],a[i][k]+a[k][j]);

21 Clause “firstprivate”
Pour créer une variable privée dont la valeur initiale est identique à celle du thread maître avant d’entrée dans la boucle. Les variable sont initialisées une seule fois pour chaque thread et non pas à chaque La modification d’une valeur est effective aussi pour les autres itérations.

22 lastprivate Clause Définition: Dernière itération séquentielle
La dernière itération lorsque la boucle est exécutée séquentiellement. Clause lastprivate: Permet au thread qui termine l’exécution de la dernière itération séquentielle de copier une variable privée vers le thread maître.

23 Sections critiques Exemple: Approximation de double area, pi, x;
int i, n; ... area = 0.0; for (i = 0; i < n; i++) { x += (i+0.5)/n; area += 4.0/(1.0 + x*x); } pi = area / n;

24 Condition de concurrence
Si on ne fait que paralléliser la boucle... double area, pi, x; int i, n; ... area = 0.0; #pragma omp parallel for private(x) for (i = 0; i < n; i++) { x = (i+0.5)/n; area += 4.0/(1.0 + x*x); } pi = area / n;

25 Condition de concurrence
... On obtient une condition de concurrence pour modifier la variable area

26 Pragma “critical” Section critique: portion de code qui ne peut être exécuté que par un seul thread à la fois. On met #pragma omp critical devant le bloc de code C.

27 Exemple Correct mais inefficace! double area, pi, x; int i, n; ...
#pragma omp parallel for private(x) for (i = 0; i < n; i++) { x = (i+0.5)/n; #pragma omp critical area += 4.0/(1.0 + x*x); } pi = area / n; Correct mais inefficace!

28 Réductions Une réduction est l’application d’une opération associative sur les éléments d’un vecteur Les réductions sont si courantes que OpenMP fourni un mécanisme facilitant son application. On peut ajouter une clause de réduction au pragma parallel for On doit spécifier l’opération de réduction et la variable sur laquelle s’applique la réduction OpenMP s’occupe de stocker les résultats partiels dans des variables privées.

29 Clause “Reduction” La clause réduction a la syntaxe suivante: reduction (<op> :<variable>) Opérateur Valeur initiale + - * 1 & Tous les bits à 1 | Tous les bits à 0 ^ && || max Maximum possible min Minimum possible

30 Exemple 1 double area, pi, x; int i, n; ... area = 0.0;
#pragma omp parallel for private(x) reduction(+:area) for (i = 0; i < n; i++) { x = (i + 0.5)/n; area += 4.0/(1.0 + x*x); } pi = area / n;

31 Exemple 2 #include <math.h> void reduction1(float *x, int *y, int n) { int i, b, c; float a, d; a = 0.0; b = 0; c = y[0]; d = x[0]; #pragma omp parallel for private(i) shared(x, y, n) \ reduction(+:a) reduction(^:b) \ reduction(min:c) reduction(max:d) for (i=0; i<n; i++) { a += x[i]; b ^= y[i]; if(c>y[i])c=y[i]; d = fmaxf(d,x[i]); }

32 Amélioration de la performance #1
Quelques fois, transformer une boucle for séquentielle en boucle for parallèle peut dégrader les performances Le problème est que la transformation peut ajouter trop de “fork” et “join” par rapport au reste du calcul. Quelques fois, inverser deux boucles inbriquées peut aider si: Le parallélisme est dans la boucle interne Après l’inversion, la boucle extérieure peut être parallélisée L’inversion n’augmente pas trop les défauts de caches.

33 Exemple Plusieurs fork/join Plus de défauts de cache
for (i=1; i<m; i++) for (j=0; j<n; j++) a[i][j]= 2*a[i-1][j]; #pragma omp parallel for for (j=1; j<m; i++) Plusieurs fork/join Plus de défauts de cache

34 Amélioration de la performance #2
Lorsqu’une boucle a peu d’itérations, le temps supplémentaire des fork/join devient plus grand que le temps que l’on veut sauver par le parallélisme La clause if indique au compilateur d’utiliser le parallélisme sous certaines conditions #pragma omp parallel for if(n > 5000)

35 Amélioration de la performance #3
Il est possible de choisir de quelle façon les itérations d’une boucle for seront affectées aux threads à l’aide de la clause schedule On parlera d’ordonnancement des itérations Il y a deux principaux types d’ordonnancement: Statique: L’ordonnancement est déterminé avant l’exécution Dynamique: L’ordonnancement est faite en cours d’exécution

36 Ordonnancement statique ou dynamique
Pas de charge de travail supplémentaire La charge de travail peut être mal équilibrée Ordonnancement dynamique Charge de travail supplémentaire Peut équilibrer la charge de travail

37 Segments (chunks) Un segment est une suite d’itérations contiguës
Augmenter la taille des segments réduit la charge supplémentaire de travail Décroitre la taille des segments permet de mieux équilibrer la charge de travail entre les threads.

38 Clause “schedule” Syntaxe: schedule (<type>[,<segment> ])
Types permis: static: ordonnancement statique dynamic: ordonnancement dynamique guided: La taille des segments décroit graduellement runtime: Le type est choisit à l’exécution en fonction de la variable de l’environnement OMP_SCHEDULE

39 Options schedule(static): La taille des segments est environ n/t
schedule(static,C): La taille des segments est C schedule(dynamic): Une itération à la fois schedule(dynamic,C): C itérations à la fois

40 Options (suite) schedule(guided, C): Ordonnancement dynamique, la taille des segments diminue graduellement jusqu’à C schedule(guided): C=1 schedule(runtime): Dépend de la variable OMP_SCHEDULE; Exemple en Unix: setenv OMP_SCHEDULE “static,1” ou export OMP_SCHEDULE=“static,1”

41 Autres formes de parallélisme
Jusqu’à maintenant, l’emphase a été mise sur la parallélisation des boucles for. Parallélisme de données Nous allons voir d’autres situations favorables au parallélisme de données:

42 Traitement d’une liste de tâches

43 Code séquentiel (1/2) int main (int argc, char *argv[]) {
struct job_struct *job_ptr; struct task_struct *task_ptr; ... task_ptr = get_next_task (&job_ptr); while (task_ptr != NULL) { complete_task (task_ptr); }

44 Code séquentiel (2/2) struct task_struct* get_next_task(
struct job_struct **job_ptr ) { struct task_struct *answer; if (*job_ptr == NULL) answer = NULL; else { answer = (*job_ptr)->task; *job_ptr = (*job_ptr)->next; } return answer;

45 Stratégie de parallélisation
Chaque thread prend la prochaine tâche dans la liste et la complète. Cela est répété jusqu’à ce qu’il n’y ait plus de tâche. On doit s’assurer que deux threads ne prennent pas la même tâche. On doit donc définir une section critique.

46 Le pragma “parallel” Précède un bloc de code devant être exécuté par tous les threads. #pragma omp parallel Note: Tous les threads exécutent le même code

47 Code parallel (1/2) int main (int argc, char *argv[]) {
struct job_struct *job_ptr; struct task_struct *task_ptr; ... #pragma omp parallel private(task_ptr) task_ptr = get_next_task (&job_ptr); while (task_ptr != NULL) { complete_task (task_ptr); }

48 Code parallel (2/2) char *get_next_task(struct job_struct **job_ptr) {
struct task_struct *answer; #pragma omp critical { if (*job_ptr == NULL) answer = NULL; else { answer = (*job_ptr)->task; *job_ptr = (*job_ptr)->next; } return answer;

49

50 Le pragma “for” Le pragma “parallel” demande à tous les threads d’exécuter tout le code dans le bloc. Si le bloc contient une boucle for que l’on voudrait diviser entre les threads alors on peut utiliser le pragma “for” #pragma omp for

51 Exemple for (i = 0; i < m; i++) { low = a[i]; high = b[i];
if (low > high) { printf ("Exiting (%d)\n", i); break; } for (j = low; j < high; j++) c[j] = (c[j] - a[i])/b[i]; La première boucle for ne peut pas être parallélisée Paralléliser la seconde boucle est inefficace Le pragma « parallel » seul est insuffisant

52 Exemple #pragma omp parallel private(i,j){
for (i = 0; i < m; i++) { low = a[i]; high = b[i]; if (low > high) { printf ("Exiting (%d)\n", i); break; } #pragma omp for for (j = low; j < high; j++) c[j] = (c[j] - a[i])/b[i]; Remarque: Ce programme contient une erreur. Laquelle?

53 Le pragma “single” Dans certaines situation on veut qu’un seul thread exécute une certaine instruction Par exemple, un message en sortie C’est le rôle du pragma “single” Syntaxe: #pragma omp single

54 Exemple #pragma omp parallel private(i,j,low,high)
for (i = 0; i < m; i++) { low = a[i]; high = b[i]; if (low > high) { #pragma omp single printf ("Exiting (%d)\n", i); break; } #pragma omp for for (j = low; j < high; j++) c[j] = (c[j] - a[i])/b[i];

55 #pragma omp parallel nowait
Clause “nowait” Le compilateur place une barrière de synchronisation à la fin de chaque bloc couvert par un pragma de type single, parallel ou for. La plupart du temps cela est nécessaire On peut enlever la barrière à l’aide de la clause nowait Exemple: #pragma omp parallel nowait

56 Parallélisme fonctionnel
Nous n’avons vu jusqu’à maintenant que le parallélisme de données OpenMP permet ausi d’affecter différentes portions du code à différents threads

57 Exemple v = alpha(); w = beta(); x = gamma(v, w); y = delta();
printf ("%6.2f\n", epsilon(x,y));

58 Le pragma “parallel sections”
Précède un bloc contenant k blocs devant être exécutés en parallèle par k threads Syntaxe: #pragma omp parallel sections

59 Le pragma “section” Précède chacun des blocs à l’intérieur d’un bloc couvert par le pragma “parallel sections” Peut être omis pour le premier bloc Syntaxe: #pragma omp section

60 Exemple #pragma omp parallel sections {
#pragma omp section /* Optionnel */ v = alpha(); #pragma omp section w = beta(); y = delta(); } x = gamma(v, w); printf ("%6.2f\n", epsilon(x,y));

61 Autre approche Deux blocs: alpha et beta gamma et delta

62 Le pragma “sections” Apparaît à l’intérieur d’un bloc de code couvert par le pragma “parallel” Possède la même signification que le pragma “parallel sections” Ajoute de la flexibilité à la façon d’organiser le parallélisme

63 Exemple #pragma omp parallel { #pragma omp sections v = alpha();
w = beta(); } x = gamma(v, w); y = delta(); printf ("%6.2f\n", epsilon(x,y));