Modelo de Programação Paralela As arquiteturas paralelas e distribuídas possuem muitos detalhes • Como especificar uma solução paralela pensando em todos esses detalhes? O que queremos? • Executar a solução paralela o mais rápido possível? • Todos os detalhes influem no desempenho eficiente da solução? Então • Um modelo de programação paralela deve especificar a metodologia de execução e detalhes que influenciam na execução da aplicação naquela arquitetura • Um modelo não deve especificar detalhes de um sistema/máquina específico Abstraindo para Programar Maior facilidade de programação: o esforço intelectual é reduzido quando nos concentrarmos em "uma coisa de cada vez” duas dimensões: – dimensão espacial – dimensão temporal Dimensão Espacial A cada momento, conjuntos de tarefas independentes são implementadas – cada tarefa ou processador não sabe o que acontecerá "a seguir" detalhamento de informações globais levam a uma programação difícil Dimensão Temporal programas são composições de ações seqüenciais que preenchem o sistema computacional como um todo: pode-se definir com maior conhecimento o que vai acontecer a seguir Níveis de Paralelismo Dependendo do nível considerado, a exploração do paralelismo é diferente nível de aplicações ou fases de aplicações a nível de tarefas a nível de instruções - a execução da instrução necessita da busca, análise e execução propriamente dita dentro dos circuitos aritméticos Algoritmos Quando queremos resolver um problema computacionalmente, temos que analisar a complexidade deste. No domínio seqüencial, se procura definir um algoritmo que resolva o problema em tempo mínimo. Mas quando se tratando de algoritmos paralelos, mais um parâmetro – número de processadores – operações independentes devem ser executadas em paralelo. qual o tamanho dos processos? noção de granulosidade (granularity) – a razão entre o tempo de computação necessário para executar uma tarefa e a sobrecarga de comunicação durante essa computação. Modelos de Computação Modelo de Computação Seqüencial: von Neumann plataforma base para que usuários e projetistas – complexidade de tempo do pior caso: tempo máximo que o algoritmo pode levar para executar qualquer entrada com n elementos – complexidade de tempo esperado: complexidade média – critério de custo uniforme: qualquer instrução RAM leva uma unidade de tempo para ser executada e também o acesso a registradores Modelos de Computação Modelo de Computação Paralela O desempenho do programa paralelo depende de certos fatores dependentes da máquina: – grau de concorrência; – escalonamento e alocação de processadores; – comunicação e sincronização. Modelos de Computação Paralela ! Memória Compartilhada • Com ou sem uso de threads ! Memória Distribuída • Troca de mensagens ! Paralelismo de Dados ! Híbrido Modelos de Computação Paralela Memória Compartilhada sem uso de threads • Processos podem a vir compartilhar espaço de memória • Através de semáforos para não ocorrer deadlock • Uma vantagem deste modelo: • todos os processos podem acessar igualmente os dados compartilhados. • Não há necessidade de explicitar a troca de dados entre processos (como em memória distribuída) • Uma desvantagem desse modelo: • o gerenciamento da localidade de dados: ou seja, trazer dados para a cache para economizar acesso a memória principal Modelos de Computação Paralela Threads • Utilização de múltiplos "light weight” • Por exemplo, podemos pensar que dependendo do problema, uma sub-rotina possa ser definida como uma thread • Comunicação entre threads realizada por memória compartilhada • Sincronização entre as threads necessárias se duas ou mais threads estão atualizando o mesmo endereço de memória Modelos de Computação Paralela Memória Distribuída (troca de mensagens) • Cada tarefa tem sua memória local • Pode haver uma ou mais tarefas por processador e em vários processadores • A troca de informações é realizada através de mensagens • Para tal, geralmente é utilizada uma biblioteca de troca de mensagens • Exemplo: Message Passing Interface (MPI) library • Se tornou padrão entre aplicações industriais e acadêmicas de fato • MPI-1 em 1994 • MPI-2 em 1996 • MPI-3 in 2012 Modelos de Computação Paralela Modelo de Paralelismo de Dados • Paralelismo é realizado em uma estrutura global comum • Um conjunto de tarefas trabalha em conjunto nesta estrutura • A mesma operação sobre elementos diferentes Pode ser implementado em memória compartilhada ou memória distribuída • • Compartilhada – estrutura na memória global Distribuída – estrutura dividida entre as diferentes memórias. Modelo PRAM Mas como pensar em paralelo? Abstrair de formas de como implementar.... O que tínhamos com computação sequencial? Memória CPU Modelo PRAM Mas como pensar em paralelo? Abstrair de formas de como implementar.... Como podemos pensar em paralelo? Memória Memória CPU CPU CPU CPU Modelo PRAM – modelo ideal conjunto de p processadores operando sincronamente sob o controle de um único relógio, compartilhando um espaço global de memória algoritmos desenvolvidos para este modelo geralmente são do tipo SIMD – todos os processadores executam o mesmo conjunto de instruções, e ainda a cada unidade de tempo, todos os processadores estão executando a mesma instrução mas usando dados diferentes. Modelo PRAM – modelo ideal propriedades chaves: – execução síncrona sem nenhum custo adicional para a sincronização – comunicação realizada em uma unidade de tempo, qualquer que seja a célula de memória acessada – comunicação é feita usando a memória global Passo do algoritmo PRAM fase de leitura: os processadores acessam simultaneamente locais de memória para leitura. Cada processador acessa no máximo uma posição de memória e armazena o dado lido em sua memória local fase de computação: os processadores executam operações aritméticas básicas com seus dados locais fase de gravação: os processadores acessam simultaneamente locais de memória global para escrita. Cada processador acessa no máximo uma posição de memória e grava um certo dado que está armazenado localmente Modelo PRAM análise e estudo de algoritmos paralelos definição de paradigma de programação paralela avaliação do desempenho desses algoritmos independentemente das máquinas paralelas se o desempenho de um algoritmo paralelo para o modelo PRAM não é satisfatório, então não tem sentido implementá-lo em qualquer que seja a máquina paralela se eficiente, no entanto, podemos simulá-lo em uma máquina real : simulação deve ser eficiente Padrões de Acesso no Modelo PRAM Exclusive Read (ER): vários processadores não podem ler ao mesmo tempo no mesmo local Exclusive Write (EW): vários processadores não pode escrever no mesmo local de memória Concurrent Read (CR): vários processadores podem ler ao mesmo tempo o mesmo local de memória Concurrent Write (CW): vários processadores podem escrever no mesmo local de memória ao mesmo tempo Combinações são usadas para formar as variantes do PRAM: EREW, CREW, ERCW e CRCW Prioridades do CRCW Para resolver conflitos no caso de vários processadores tentarem escrever ao mesmo tempo no mesmo local de memória global: Comum - vários processadores concorrem a escrita no mesmo local de memória global durante o mesmo instante de relógio - todos devem escrever o mesmo valor; Arbitrário - dentre os vários processadores, um é selecionado arbitrariamente e seu valor armazenado no local de memória disputado; Prioridade - dentre os vários processadores, aquele com o menor índice é escolhido para escrever o seu valor no local concorrido. Memória Global P1 P2 P3 P4 Pn Comunicação em uma máquina PRAM Comunicação através da memória global: Pi quer passar x para Pj – Pi escreve x em um local de memória global em um determinado passo – Pj pode acessar o dado naquele local no próximo passo Memória compartilhada P1 d1 d1 P2 P3 Pn Passo 1: cada processador realiza sua computação Memória compartilhada d1 P1 d1 d1 P2 P3 Passo 1: P1 escreve na memória Pn Memória compartilhada d1 P1 d1 d1 P2 d1 Passo 2: P2 lê da memória P3 Pn Observações os processadores operam sincronamente: a cada passo, todas os processadores executam a mesma instrução sobre dados distintos uma instrução pode ser simplesmente uma operação aritmética ou uma comparação de dois números processadores ativos: somente um subconjunto de processadores executem uma instrução e processadores restantes ficam ociosos/inativos Exemplo V ⇒ vetor com n elementos. x ⇒ um dado valor Problema: x∈V? Ambiente: P processadores tipo EREW PRAM Analisando o problema: todos os processadores tem que saber o valor de x não podem acessar a célula de x simultaneamente depois, cada processador tem que olhar os elementos de V sinalização da localização do valor x no vetor V Solução todos os processadores devem saber sobre x: broadcasting ou difusão Pior caso deste procedimento log2 P passos – P1 acessa a memória global: – P2 comunica com P1 ou seja, de alguma forma, P1 informa x para P2 – P1 e P2 informam x para P3 e P4 – assim por diante processadores não têm permissão de acesso simultâneo ⇒ gravam x em lugares distintos: Mi é um dos P locais de memória global Um vetor M auxiliar é utilizado Memória compartilhada x M1 P1 P2 M2 P3 M3 P4 M4 M5 P5 M6 P6 M7 M8 P7 P8 Memória compartilhada x M1 P1 x PASSO 1 (inicialização) P2 M2 P3 M3 P4 M4 M5 P5 M6 P6 M7 M8 P7 P8 Memória compartilhada x x M1 P1 x PASSO 1 (inicialização) P2 M2 P3 M3 P4 M4 M5 P5 M6 P6 M7 M8 P7 P8 Memória compartilhada x x M1 P1 P2 x x PASSO 2 M2 P3 M3 P4 M4 M5 P5 M6 P6 M7 M8 P7 P8 Memória compartilhada x P1 P2 x x x x M1 M2 PASSO 2 P3 M3 P4 M4 M5 P5 M6 P6 M7 M8 P7 P8 Memória compartilhada x x x M1 M2 M3 M4 P1 P2 P3 P4 x x x x PASSO 3 M5 P5 M6 P6 M7 M8 P7 P8 Memória compartilhada x x x x x M1 M2 M3 M4 P1 P2 P3 P4 x x x x PASSO 3 M5 P5 M6 P6 M7 M8 P7 P8 Memória compartilhada x x x x x M1 M2 M3 M4 M5 M6 M7 M8 P1 P2 P3 P4 P5 P6 P7 P8 x x x x x x x x PASSO 4 Memória compartilhada x x x x x M1 M2 M3 M4 x M5 x M6 x x M7 M8 P1 P2 P3 P4 P5 P6 P7 P8 x x x x x x x x PASSO 4 Solução do broadcasting (leitura) P1 lê x P1 escreve x em M1 P2 lê M1 P2 escreve em M2 P3 e P4 lêem M1 e M2 P3 e P4 escrevem em M3 e M4 P5, P6, P7 e P8 lêem M1, M2, M3 e M4 P5, P6, P7 e P8 escrevem M5, M6, M7 e M8 e assim por diante a cada passo: duas vezes o número de processadores ativos do passo anterior podem ler e escrever ⇒ log P passos broadcasting P1 lê de x; P1 escreve em M[1]; Para h:= 1 até log P faça { se 2h-1 < i ≤ 2h então { Pi lê de M[i - 2h-1]; Pi escreve em M[i]; } } A Procura o vetor V é divido em P pedaços: S1, S2, …, SP – Pi procura por x em Si – pior caso: n/P passos Total: log P + n/P passos, no pior caso Como o algoritmo poderia ser melhorado?? – Definição de uma variável Achou Com computador mais poderoso ⇒ algoritmo mais rápido. PRAM mais poderoso: CREW PRAM para achar x, o algoritmo executa n/P passos leituras concorrentes são permitidas – todos os processadores podem acessar x em um passo – todos os processadores podem consultar Achou em um passo – mas ao encontrar, o processador tem que atualizar Achou Quantos passos nas seguintes situações? – somente um dos elementos tem valor x – x pode ser um valor repetido em V • mais de um processador pode atualizar Achou simultaneamente.