Статья

Название статьи ПРОГРАММИРОВАНИЕ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ ГИБРИДНОГО ТИПА НА ЯЗЫКЕ ПРОГРАММИРОВАНИЯ COLAMO
Автор А.И. Дордопуло, И.И. Левин, И.А. Каляев, В.А. Гудков, А.А. Гуленок
Рубрика РАЗДЕЛ II. МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ СУПЕРКОМПЬЮТЕРОВ
Месяц, год 11, 2016
Индекс УДК 004.4
DOI 10.18522/2311-3103-2016-11-3954
Аннотация Рассматриваются методы программирования вычислительных систем гибридного типа, содержащих реконфигурируемые и микропроцессорные вычислительные узлы. В качестве основы технологии программирования вычислительных систем гибридного типа предлагается язык программирования высокого уровня COLAMO с расширениями, с помощью которых можно описывать различные виды параллельных вычислений – структурную, структурно-процедурную, мультипроцедурную и процедурную формы организации вычислений в единой параллельно-конвейерной (канонической) форме. Предложенная параллель-но-конвейерная форма позволяет изменять формы организации вычислений автоматизированно препроцессором языка COLAMO с учетом текущей конфигурации вычислительной системы гибридного типа. На основе канонической формы и возможностей описания раз-личных форм организации вычислений на языке программирования высокого уровня COLAMO предложена технология ресурсонезависимого программирования, которая позволяет адаптировать программу под изменившиеся архитектуру или конфигурацию вычислительной системы гибридного типа в автоматическом режиме без корректировки кода программистом. Для этого исходная параллельная программа на языке программирования COLAMO препроцессором преобразуется в каноническую форму (все массивы и переменные программы должны поддерживать как параллельный, так и последовательный типы доступа как к элементам, так и к битам, все фрагменты вычислений приводятся к неявному описанию реализации конструкцией Implicit), после чего препроцессор проводит оценку доступного вычислительного ресурса, определяет эффективные параметры реализации программы на доступном ресурсе и, при необходимости, выполняет редукцию производи-тельности программы для адаптации под текущую конфигурацию вычислительной системы гибридного типа. Редукция производительности программы – комплекс методов, сбалансированно сокращающих производительность прикладной задачи, что в ряде случаев приводит к сокращению занимаемого задачей аппаратного ресурса и позволяет изменением организации вычислений задействовать свободные узлы вычислительной системы гибридного типа. Технология позволяет осуществлять масштабирование в обе стороны как в случае увеличения доступного вычислительного ресурса (индукция), так и в случае сокращения доступного вычислительного ресурса (редукция), что обеспечивает ресурсонезависимость программирования при разработке программы – программист не привязывается к доступному аппаратному ресурсу вычислительной системы.

Скачать в PDF

Ключевые слова Редукция производительности; язык программирования высокого уровня; программирование вычислительных систем гибридного типа; технология ресурсонезависимого программирования.
Библиографический список 1. Ilya Levin, Alexey Dordopulo, Vasiliy Kovalenko, Viacheslav Gudkov, Andrey Gulenok. Pro-gramming tools for reconfigurable computer systems based on Virtex-7 FPGAs with using soft-architectures // 13th International Conference on Parallel Computing Technologies (PaCT-2015), Petrozavodsk, Russia, August 31-September 4, 2015. – С. 349-362.
2. Dong X, Chai J, Yang J, Wen M, Wu N, Cai X, Zhang C, Chen Z. Utilizing multiple xeon Phi coprocessors on one compute node // 14th International Conference on Algorithms and Archi-tectures for Parallel Processing, ICA3PP 2014; Dalian; China; 24 August 2014 through 27 Au-gust 2014; Code 107001. – 2014. – Vol. 8631 LNCS, Issue PART 2. – Р. 68-81.
3. Liang T.-Y., Li H.-F., Lin Y.-J., Chen B.-S. A Distributed PTX Virtual Machine on Hybrid CPU/GPU Clusters // Journal of Systems Architecture. – 1 January 2016. – Vol. 62. – Р. 63-77.
4. Li H.-F., Liang T.-Y., Lin Y.-J. An OpenMP programming toolkit for hybrid CPU/GPU clusters based on software unified memory // Journal of Information Science and Engineering.
– May 2016. – Vol. 32, Issue 3. – Р. 517-539.
5. Евстигнеев Н.М., Рябков О.И. Применение архитектуры multiGPU+CPU для задач пря-мого численного моделирования ламинарно-турбулентного перехода при рассмотрении задач в качестве нелинейных динамических систем // Параллельные вычислительные технологии (ПАВТ'2016). – Челябинск: Издательский центр ЮУрГУ, 2016. – С. 141-154.
6. Dordopulo Aleksey, Levin Ilya, Kalyaev Igor, Gudkov Vyacheslav, Gulenok Andrey. Pro-gramming of hybrid computer systems based on the performance reduction method // Parallel Computing Technologies (PCT 2016), Proceedings of the 10th Annual International Scientific Conference on Parallel Computing Technologies, Arkhangelsk, Russia, 2016. – P. 131-140.
7. El-Araby E., Taher M., Abouellail M., El-Ghazawi T., Newby G.B. Comparative analysis of high level programming for reconfigurable computers: Methodology and empirical study // 2007 3rd Southern Conference on Programmable Logic, SPL'07; Mar del Plata; Argentina;
26 February 2007 through 28 February 2007; Category number07EX1511; Code 70259. 2007, Article number 4234328. – Р. 99-106.
8. Xu J, Subramanian N, Alessio A, Hauck S. Impulse C vs. VHDL for accelerating tomographic reconstruction // 18th IEEE International Symposium on Field-Programmable Custom Compu-ting Machines, FCCM 2010; Charlotte, NC; United States; 2 May 2010 through 4 May 2010; Category numberP4056; Code 80904. 2010, Article number 5474054. – Р. 171-174.
9. Городничев М.А., Дучков А.А., Сарычев В. Г. Программная реализация метода когерентного суммирования на GPU с использованием программной модели NVIDIA CUDA // Параллельные вычислительные технологии (ПаВТ’2016). – URL: https://www.agora.guru.ru/ pavt. – С. 118-130.
10. Каляев И. А., Дордопуло А. И., Левин И. И., Гудков В. А., Гуленок А. А. Технология про-граммирования вычислительных систем гибридного типа // Вычислительные технологии. – 2016. – Т. 21, № 3. – С. 33-44. ISSN 1560-7534.
11. Семерникова Е.Е., Левин И.И., Гудков В.А. Организация битовой обработки данных для реконфигурируемых вычислительных систем на языке программирования высокого уровня // Вестник компьютерных и информационных технологий. – 2015. – № 5. – С. 3-9.
12. Дордопуло А.И., Левин И.И., Каляев И.А., Гудков В.А., Гуленок А.А. Параллельно-конвейерная форма программы как основа программирования вычислительных систем гибридного типа // Вестник УГАТУ. – 2016. – Т. 20 (73), № 3. – С. 122-128. ISBN 978-5-9275-1980-7.
13. Danilov I.G., Dordopulo A.I., Kalyaev Z.V., Levin I.I., Gudkov V.A., Gulenok A.A. and Bovkun A.V. Distributed Monitoring System For Reconfigurable Computer Systems // Procedia Com-puter Science. – 2016. – No. 101. – P. 341-350.
14. Антонов А.С., Воеводин Вад В., Даугель-Дауге А.А., Жуматий С.А., Никитенко Д.А., Соболев С.И., Стефанов К.С., Швец П.А. Обеспечение оперативного контроля и эффек-тивной автономной работы Суперкомпьютерного комплекса МГУ // Вестник Южно-Уральского государственного университета. Серия "Вычислительная математика и ин-форматика". – 2015. – Т. 4 (2). – С. 33-43.
15. Мовчан А.В., Цымблер М.Л. Параллельная реализация поиска самой похожей подпосле-довательности временного ряда для систем с распределенной памятью // Параллельные вычислительные технологии (ПаВТ’2016). – Челябинск: Издательский центр ЮУрГУ, 2016. – С. 615-628.
16. Баканов В.М. Управление динамикой вычислений в процессорах потоковой архитектуры для различных типов алгоритмов // Программная инженерия. – 2015. – № 9. – C. 20-24.
17. Konstantin Barkalov, Victor Gergel, Ilya Lebedev. Use of Xeon Phi Coprocessor for Solving Global Optimization Problems // Parallel Computing Technologies. – 2015.  – P. 307-318. DOI: 10.1007/978-3-319-21909-7_31.
18. Konstantin Y. Besedin, Pavel S. Kostenetskiy, Stepan O. Prikazchikov. Using Data Compression for Increasing Efficiency of Data Transfer Between Main Memory and Intel Xeon Phi Coprocessor or NVidia GPU in Parallel DBMS // Procedia Computer Science. – 2015.
– Vol. 66. – P. 635-641.
19. Bernard Goossens DALI, David Parello, Katarzyna Porada, Djallal Rahmoune. Toward a Core Design to Distribute an Execution on a Manycore Processor // Proceedings of the 13th International Conference on Parallel Computing Technologies. – 2015. – Vol. 9251. – P. 390-404. ISBN: 978-3-319-21908-0. DOI: 10.1007/978-3-319-21909-7_38.
20. Pavel Pavlukhin, Igor Menshov. On Implementation High-Scalable CFD Solvers for Hybrid Clusters with Massively-Parallel Architectures // Lecture Notes in Computer Science. – 2015. – Vol. 9251. – P. 436-444.

Comments are closed.