Estructurando código paralelo para clusters heterogéneos de CPUs/GPUs

Los clusters de CPUs/GPUs se han vuelto habituales en HPC. Para aprovechar al máximo su potencia de cómputo, las aplicaciones deben desarrollarse combinando distintas herramientas de programación paralela, por esto el código se torna complejo y difícil de estructurar. En este trabajo describimos un...

Descripción completa

Detalles Bibliográficos
Autores principales: Pousa, Adrián, Sanz, Victoria María, De Giusti, Armando Eduardo
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2016
Materias:
Ciencias Informáticas
HPC
MPI
OpenMP
CUDA
Hybrid systems
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/55776
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-55776
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
HPC
MPI
OpenMP
CUDA
Hybrid systems
spellingShingle Ciencias Informáticas
HPC
MPI
OpenMP
CUDA
Hybrid systems
Pousa, Adrián
Sanz, Victoria María
De Giusti, Armando Eduardo
Estructurando código paralelo para clusters heterogéneos de CPUs/GPUs
topic_facet Ciencias Informáticas
HPC
MPI
OpenMP
CUDA
Hybrid systems
description Los clusters de CPUs/GPUs se han vuelto habituales en HPC. Para aprovechar al máximo su potencia de cómputo, las aplicaciones deben desarrollarse combinando distintas herramientas de programación paralela, por esto el código se torna complejo y difícil de estructurar. En este trabajo describimos un esquema para estructurar código paralelo a ser ejecutado sobre un cluster de CPUs/GPUs y explotar toda su potencia de cómputo (CPUs y GPUs disponibles). En particular, nos centramos en aplicaciones desarrolladas con MPI+OpenMP+CUDA. Asimismo, explicamos los pasos a seguir para compilar estas aplicaciones híbridas. Resolvemos el problema de suma por reducción utilizando el esquema propuesto sobre un cluster de CPUs/GPUs heterogéneo, por esto la distribución de carga tiene en cuenta las capacidades de los recursos de cómputo disponibles. Comprobamos que es posible incrementar el rendimiento de la aplicación considerando todos los recursos de cómputo del cluster (CPUs y GPUs) respecto a utilizar solo las GPUs.
format Objeto de conferencia
Objeto de conferencia
author Pousa, Adrián
Sanz, Victoria María
De Giusti, Armando Eduardo
author_facet Pousa, Adrián
Sanz, Victoria María
De Giusti, Armando Eduardo
author_sort Pousa, Adrián
title Estructurando código paralelo para clusters heterogéneos de CPUs/GPUs
title_short Estructurando código paralelo para clusters heterogéneos de CPUs/GPUs
title_full Estructurando código paralelo para clusters heterogéneos de CPUs/GPUs
title_fullStr Estructurando código paralelo para clusters heterogéneos de CPUs/GPUs
title_full_unstemmed Estructurando código paralelo para clusters heterogéneos de CPUs/GPUs
title_sort estructurando código paralelo para clusters heterogéneos de cpus/gpus
publishDate 2016
url http://sedici.unlp.edu.ar/handle/10915/55776
work_keys_str_mv AT pousaadrian estructurandocodigoparaleloparaclustersheterogeneosdecpusgpus
AT sanzvictoriamaria estructurandocodigoparaleloparaclustersheterogeneosdecpusgpus
AT degiustiarmandoeduardo estructurandocodigoparaleloparaclustersheterogeneosdecpusgpus
bdutipo_str Repositorios
_version_ 1764820477398745089

Ejemplares similares