IA039: Architektura superpočítačů a náročné výpočty Paralelní počítače Luděk Matýska Fakulta informatiky MU Jaro 2017 Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 1/64 Paralelní počítače • Small-scale multiprocessing • 2-80 procesoru • převážně SMP (sdílená pamět) • Large-scale multiprocessing • stovky, tisíce a více procesorů • Zpravidla distribuovaná pamět Paralelní počítače (II) • Architektura • Single Instruction Multiple Data, SIMD • Multiple Instruction Multiple Data, MIMD • Programovací modely • Single Program Multiple Data, SMPD o Multiple programs Multiple Data, MPMD Architektura - SIMD • Procesory synchronizovány 9 Všechny vykonávají vždy stejnou instrukci • Analogie vektorových procesorů • Jednoduché procesory • Jednodušší programovací model • ale složité vlastní programování zejména skalárních výpočtů Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 4 / 64 Vektorový procesor • Procesor schopný pracovat s vektory dat • vektor jako datový typ instrukční sady • Cray přišel i s vektorem registrů (jinak přímo práce s pamětí) • Vektorový Load/Store • „skládání" vektory z různých slov v paměti • vektor registrů s adresami pamětových buněk se skutečnými daty • „lokalizuje" data pro další práci • fakticky provádí operace scather/gather nad pamětí o Pa mečový subsystém • standardně nepracuje s vyrovnávací pamětí • prokládaná (banked) pamět • více souběžně běžídích operací nad pamětí • dosahuje vyšší propustnosti než využití vyrovnávací paměti zejména tam, kde jsou data „náhodně" rozptýlena v paměti(random access) • Další info např. http: //www.cs.berkeley.edu/~pattrsn/252S98/Lec06-vector.pdf Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 5 Architektura - MIMD • Plně asynchronní systém • Procesory zcela samostatné o Není třeba speciální výroba (off-the-she • Výhody • Vyšší flexibilita • Teoreticky vyšší efektivita • Nevýhody • Explicitní synchronizace • Složité programování Luděk Matýska (Fl MU) Paralelní počítače Komunikační modely • Sdílená pamět (Shared Memory Architecture) 9 Předávání zpráv (Message passing) Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 7 / 64 Sdílená pamět Pamět odělená od procesorů Uniformní přístup k paměti Nejsnazší propojení - sběrnice „Levná" komunikace Složité prokládání výpočtu a komunikace (aktivní čekání) Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 8 / 64 Predávaní zpráv • Každý procesor „viditelný" • Vlastní pamět u každého procesoru o Explicitní komunikace - predávaní zpráv • Vysoká cena komunikace (výměny dat) • Možnost prokládání výpočtů a komunikace Luděk Matýska (Fl MU) Paralelní počítače Hybridní systémy Nonuniform memory access architecture (NUMA) Cache-only memory access architecture (COMA) Distributed shared-memory (DSM) Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 10 / 64 Non-uniform memory access • Přístup k různým fyzickým adresám trvá různou dobu • Umožňuje vyšší skálovatelnost • Potenciálně nižší propostnost • Koherence vyrovnávacích pamětí • ccNUMA Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 11 / 64 Cache only memory access 9 NUMA s charakterem vyrovnávací paměti • Data putují k procesorům, které je používaj • Pouze zdánlivá hierarchie • Systém musí hlídat, že má jedinou kopii o Experimentální Luděk Matýska (Fl MU) Paralelní počítače Distributed shared-memory • Distribuovaný systém - cluster • Lokální pamět každého uzlu • Vzdálená pamět ostatních uzlů „Fikce" jedné rozsáhlé paměti • Hardwarové řešení • Zpravidla využívá principů virtuální paměti • Transparentní • Softwarové řešení • Knihovna • Netransparentní, progamátor program musí explicitně přizpůsobit Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 Koherence vyrovnávacích pamětí • Příčiny výpadku vyrovnávací paměti: • Compulsory miss: 1. přístup k datům • Capacity miss: nedostatečná kapacita • Conflict miss: různé adresy mapovány do stejného místa • Coherence miss: různá data v různých vyrovnávacích pamětích • Poslední případ se týká m u Iti procesorů Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 Řešení problému koherence • Vyrovávací paměti musí vědět o změně • Metody založené na broadcastu • Adresářové metody Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 15 / 64 Snoopy cache • Broadcastový přístup • Propojovací sítě s při rozeným11 brodcastem - sběrnice * Každý procesor sleduje všechny přístupy k paměti Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 16 / 64 Zneplatnění o Reakce na změnu dat ve vzdálené (vyrovnávací) paměti o Řádka v aktuální (naslouchající) vyrovnávací paměti je zneplatněna • V případě opětného přístupu je přehrána ze vzdálené paměti Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 17 / 64 Update o Řádka je okamžitě obnovena o Při opětovném přístupu je již k dispozici • Nevýhody • Falešné sdílení (nepracují na stejných datech) • Přílišné zatížení sběrnice • Nelze rozhodnout, zda update nebo zneplatnění je obecně lepší Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 18 / 64 Koherence vyrovnávacích pamětí II • Snoopy schéma založené na broadcastu • Nepoužitelné u složitějších propojovacích sítí • Není rozšiřitelné (scalable) • Redukce „oslovených" vyrovnávacích pamětí - Adresáře • Položka u každého bloku paměti • Odkazy na vyrovnávací paměti s kopií tohoto bloku • Označení exkluzivity (právo pro čtení) Luděk Matýska (Fl MU) Paralelní počítače Adresářové přístupy • Tři základní schémata • Plně mapované adresáře • Částečně (Limited) mapované adresáře • Provázané (chained) adresáře • Zhodnocení vlastností • Na základě velikosti potřebné paměti • Na základě složitosti (počtu příkazů) protokolu Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 20 / 64 Plně mapované adresáře • Každá adresářová položka má tolik údajů, kolik je vyrovnávacích pamětí (procesorů) • Bitový vektor „přítomnosti" • Nastavený bit znamená, že příslušná vyrovnávací data má kopii bloku paměti a Příznak exkluzivity • Stačí jeden na blok • Jen jedna vyrovnávací pamět • Příznaky v každé vyrovnávací paměti (každý blok) • Příznak platnosti • Příznak exkluzivity Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 21 / 64 Omezené adresáre • Plné adresáře velmi paměťově náročné • Velikost paměti: P2M/B • P je počet vyrovnávacích pamětí 9 M velikost hlavní paměti • B velikost bloku Data nejsou zpravidla široce sdílena • Většina adresářových bitů má hodnotu nula Použití přímých odkazů • Nebude již stačit jeden bit Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 22 / 64 Omezené adresáre Množina ukazatelů na vyrovnávací paměti o Dynamická alokace dle potřeby Vlastnosti • Počet bitů ukazatele: log2 P 9 Počet položek v poolu ukazatelů: k • Výhodnější než přímo mapovaná: pokud k < log2 P • Informovány jen explicitně uvedené vyrovnávací paměti Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 23 / 64 Přetečení • Pokud přestanou stačit položky • Příliš mnoho sdílených bloků • Možné reakce • Zneplatnění všech sdílených (brodcast, DirjB) • Výběr jedné položky (i náhodně) a její zneplatnění (bez broadcastu, DinNB) Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 Další schemata • Coarse-vector (DirjCVr) • r je velikost regionu (více procesorů), kterému odpovídá jeden bit (tedy více procesorů) • Přepnutí interpretace při přetečení « Omezený broadcast všem procesorům v oblasti. • LimitLESS: programové přerušení při přetečení Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 25 / 64 Provázaná schemata • Cache-Based linked-list • Centrálně pouze jediný ukazatel o Ostatní ukazatele svázány s vyrovnávací pamětí • Vyrovnávací paměti provázaný" ukazateli • Výhody • Minimalizace pamětových nároků • Nevýhody: • Složitý protokol. • Zvýšená komunikace (více zpráv než nutno) • Zápis je delší (sekvenční procházení seznamu) Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 26 / 64 Hierarchické adresáře Použité v systémech s vícenásobnými sběrnicemi Hierarchie vyrovnávacích pamětí o Vyšší úroveň na každém propojení sběrnic • Vyšší pamětové nároky • Vyšší úroveň musí držet kopie paměťových bloků sdílených nižší úrovní • Není třeba rychlá pamět V principu hierarchie snoopy protokolů Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 27 / 64 Rozšiřitelnost (Scalability) • Není jednotná definice • Používané základní formulace - rozšiřitelný je takový systénm, pro nějž platí: • Výkon roste lineárně s cenou • Je zachován konstantní poměr Cena/Výkon • Alternativní parametr - Míra rozšiřitelnosti • Změna výkonu přidáním procesoru • Změna ceny přidáním procesoru • Smysluplný rozsah počtu procesorů Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 Zrychlení S(N) = TEXEC(1) Texec(n) ~l~comp(l) H~ Tcomm(l) T"comp(M) H~ Tcomm(N) Ideální zrychlení vyžaduje ■ comp (N) = ■ comp (1)/N Tcomm(M) = Tcomm(l)/N Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 29 / 64 Zrychlení - komentář Teoretický pojem, realita závisí na aplikaci • Různé hodnoty pro různé aplikace • Vliv paralelizovatelnosti problému (Amdalův zákon) Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 30 / 64 Rozšiřitelné propojovací sítě 9 Požadavky na ideální sít: • Nízka cena rostoucí lineárně s počtem procesorů (N) • Minimální latence nezávislá na N • Propustnost rostoucí lineárně s N Luděk Matýska (Fl MU) Paralelní počítače Vlastnosti sítí o Tři základní komponenty Topologie Přepínání dat (jak se data pohybují mezi uzly) Směrování dat (jak se hledá cesta mezi uzly) Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 32 / 64 Propojovací sítě Rozlišujeme následující základní parametry • Velikost sítě - počet uzlů N • Stupeň uzlu d • Poloměr sítě D • Nejdelší nejkratší cesta • Bisection width B • Redundance sítě A • Minimální počet hran, které je třeba odstranit, aby se sít rozpadla na dvě • Cena C • Počet komunikačních linek v síti Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 33 / 64 Bisection width o Šírka rozpůlení • Minimální počet linek, které je třeba odstranit, aby se systém rozpadl na dvě stejné části • Bisection bandwidth - propustnost při rozpůlení • Celková kapacita (propustnost) výše odstraněných linek • Ideální vlastnost: • Bisection badnwidth vztažená na procesor je v daném systému konstantní. Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 34 / Topologie přepínacích sítí Klasifikace na základě rozměru • Jednorozměrné • Dvourozměrné • Třírozměrné • Hyperkrychle Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 35 / 64 Jednorozměrné propojovací sítě • Linerání pole • Jednotlivé prvky navázány na sebe • „Korálky" • Nejjednodušší • Nejhorší vlastnosti Dvourozměrné propojovací sítě • Kruh • Uzavřené lineární pole 9 Hvězda • Strom • Snižuje poloměr sítě (2 log • Stále špatná redundance a bisection (band)width • Tlustý strom (fat tree) • Přidává redundantní cesty ve vyšších úrovních Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 37 / 64 Dvourozměrná mřížka • Velmi populární • Dobré vlastnosti • Poloměr 2(N1/2 - 1) • Bisection N1/2 • Redundance 2 • Avšak vyšší cena a proměnný stupeň uzlu • Torus • Uzavřená dvourozměrná mřížka • Poloměr N1/2 • Bisection 2N1/2 • Redundance 4 • Vyšší cena - přidá 2N1//2 hran Paralelní počítače Jaro 2017 38 / 64 Třírozměrná sít • Vlastnosti • Poloměr 3(I\|V3 - 1) • Bisection N2/3 • Redundance 3 • Cena akceptovatelná 2(N — N2/3) • Konstrukčně složitá Hyperkrychle • Velmi zajímavá topologie • Obecně n-rozměrná krychle • Základní parametry • Poloměr log N • Bisection N/2 • Redundance log N • Vyšší cena (N log N)/2 • Mřížky speciálními případy hyperkrychl • Snadné nalezení cesty • Binární číslování uzlů Luděk Matýska (Fl MU) Paralelní počítače Plně propojené sítě • Teoretická konstrukce • Vynikající poloměr (1) • Neakceptovatelná cena (N * (N — l)/2) a stupeň uzlu (N — 1) Prepínaní • Konkrétní mechanismus, jak se paket dostane ze vstupu na výstup • Základní přístupy • Přepínání paketů, store-and-forward • Přepínaní obvodů • Virtuální propojení (cut-through) • Směrování červí dírou (wormhole routing) Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 Store-a n d-forwa rd o Celý paket se uloží • A následně přepošle • Jednoduché (první generace paralelních počítačů) • Vysoká latence ^ * D • P je délka paketu, B je propustnost a D je počet ,,hopů" (vzdálenost) Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 43 / Přepínání okruhů • Tři fáze • Ustavení spojení - zahájeno vzorkem (probe) « Vlastní přenos • Zrušení spojení • Výrazně nižší latence ^ * D + ^ • P je v tomto případě délka vzorku a M je délka zprávy (nejsou nutné pa kety) • Pro P << M latence není závislá na délce cesty Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 44 / 64 Virtuální propojení • Zprávu rozdělíme do menších bloků - flow control digits (flits) • První flits obsahuje informace o cestě (především cílovu ardresu) • Další flits-y obsahují vlastní data • Poslední flits ruší cestu • Posíláme jednotlivé flits-y kontinuálně • Jsou-li buffery dostatečně velké, odpovídá přepínání okruhů • Latence ^ * D + ^ • HF je délka flitsu, zpravidla HF << M Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 Červí díra • Speciální případ virtuálního propojení • Buffery mají právě délku flits • Latence nezávisí na vzdálenosti • Analogie pipeline • Paket je rozložen v bufferech několika uzlů - odtud červí díra • Podporuje replikace paketů • Vhodné pro multicast a broadcast Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 46 / 64 Virtuální kanály • Sdílení fyzických kanálů • Několik bufferů nad stejným kanálem • Flits uložen v příslušném bufferu • Využití • Přetížená spojení • Zábrana deadlocku • Mapování logické na fyzickou topologii • Garance propustnosti systémovým datům Luděk Matýska (Fl MU) Paralelní počítače Smerovaní v propojovacích sítích • Hledání cesty • Vlastnosti • Statické směrování • Zdrojové • Distribuované • Adaptivní směrování (vždy distribuované) • Minimální a ne-minimální Luděk Matýska (Fl MU) Paralelní počítače Fault tolerance propojovacích sítí • Kontrola chyb • Potvrzování zpráv • Opakované zasílání zpráv Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 49 / 64 Zpoždění paměti 9 Pamět výrazně pomalejší než procesor • Čekání na pamět podstatně snižuje výkon systému 9 Mozna reseni: • Snížením zpoždění- zrychlení přístupu • Ukrytím zpoždění- překryv přístupu a výpočtu Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 50 / 64 Snížení zpoždění paměti NUMA: NonUniform Memory Access • Každé logické adrese odpovídá konkrétní fyzická adresa COMA: Cache-Only Memory Architecture 9 Hlavní pamět je chápána jako attraction memory. Řádky paměti se mohou volně přesouvat. Mohou existovat sdílené kopie řádků paměti. Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 51 / 64 Rekapitulace Communication to computation ratio NUMA COMA Small working set Large working set Small working set Large working set Low Good Medium Good Good High Medium Poor Poor Poor Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 Ukrytí zpoždění paměti 9 Modely slabé konzistence • Prefetch 9 Procesory s vícenásobnými kontexty 9 Komunikace iniciovaná producentem Luděk Matýska (Fl MU) Paralelní počítače Slabá konzistence • Nepožaduje striktní uspořádání přístupů ke sdíleným proměným vyj synchronizačních. • Release consistency: • Zavedení operací acquire a release • Fence operace • Vynucené dokončení rozpracovaných operací Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 Prefetch • Přesun dat k procesoru s předstihem. • Binding prefetch • Data přesunuta až k procesoru • Možné porušení konzistence • Nonbinding prefetch 9 Data přesunuta pouze do vyrovnávací paměti a HW Prefetch • SW Prefetch a Speciální instrukce prefetch-exclusive: read následovaný příkazem write. Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 Procesory s vícenásobnými kontexty • Podpora multitherading 9 Vyžaduje • Velmi rychlé přepnutí kontextu • Vysoký počet registrů • Řada experimentálních systémů • HEP (70. léta) • Tera • *T Luděk Matýska (Fl MU) Paralelní počítače Komunikace iniciovaná producentem • Analogie invalidace a update při cache koherenci • Specifické využití pro message-passing (Cray T3D) nebo block-copy (počítače se sdílenou pamětí). 9 Vhodné např. pro přesun velkých bloků dat či pro synchronizaci zámky (locks). Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 57 / 64 Podpora synchronizace 9 Synchronizace tvoří „horká místa" • Základní synchronizační primitivy: • Vzájemné vyloučení • Dynamické rozložení zátěže • Informace o událostech • Globální serializace (bariéry) Luděk Matýska (Fl MU) Paralelní počítače Vzájemné vyloučení • K dané proměnné má v daném okamžiku přístup nejvýše jeden proces o Univerzální, ovšem zpravidla zbytečně drahé • Synchronizační konstrukce vyšších jazyků • Semafory • Monitory • Kritické oblasti • Základem - hardwarová podpora • test&set instrukce • test-and-test&set instrukce Spin waiting protocol Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 59 / test&set • Vlastnosti char *lock; while (exchange(lock, CLOSED) == CLOSED ); 9 Busy waiting • Vysoké požadavky na přenos (časté zneplatnění) u multiprocerů Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 60 / 64 test-and-test&set • Vlastnosti for (;;) while (*lock == CLOSED); if (exchange(lock, CLOSED) != CLOSED) break; • Využití vyrovnávacích pamětí • první testy nad sdílenou kopií Luděk Matýska (Fl MU) Paralelní počítače Použití front • Výhodnější Collision avoidance schemata • Queue on lock bit (QOLB) protokol • Nejefektivnější implementace • Procesy řazeny do fronty • Po uvolnění zámku aktivován proces v čele fronty • Není třeba žádný sdílený přenos dat Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 62 / 64 Zámky v multiprocesorech • Souvisí i s možností dynamického rozložení zátěže • Využití čitače s atomickou operací • Fetch&Op - čitače, napr. Op==Add fetch&add ( x, a) int *x, a; { int temp; temp = *x; *x += a; return (temp); } • Compare&Swap - seznamy Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 63 / 64 Použití Informace o (globálních) událostech používána především producentem jako prostředek, kterým jsou konzumenti informováni o nově dostupných datech, a dále při informaci o globální změně ve skupině ekvivalentních procesů (změna určitého stavu, která musí být oznámena všem procesům). Luděk Matýska (Fl MU) Paralelní počítače Jaro 2017 64 /