赵永华 中科院计算机网络信息中心 超级计算中心 yhzhao@sccas.cn 体系结构与并行基础 赵永华 中科院计算机网络信息中心 超级计算中心 yhzhao@sccas.cn

并行机体系结构 22:16

并行计算机系统结构分类 Flynn分类：（instruction/data stream ） SISD（单指令单数据）,SIMD（单指令多数据）, MIMD, MISD 结构模型分类： PVP（并行向量机）, SMP（共享内存）, MPP（大规模并行计算机）,DSM（分布共享内存）,COW（集群） 访存模型分类： UMA(Uniform Memory-access，均匀存储访问模型) NUMA(non-UMA） COMA（Cache-Only Memory Architecture，全高速缓存内存体系结构） CC-NUMA(Cache-Coherent0一致性高速缓存非均匀存储访问模型), NORMA（No-Romate Memory Access 非远程存储访问模型） 22:16

结构模型

共享内存/对称多处理机系统(SMP) PVP：并行向量机 单地址空间 共享存储 UMA( Uniform Memory Access) SMP：共享内存并行机（ Shared Memory Processors ）。多个处理器通过交叉开关（Crossbar）或总线与共享内存互连。 任意处理器可直接访问任意内存地址,且访问延迟、带宽、几率都是等价的; 系统是对称的； 单地址空间 、共享存储、UMA； 并行编程方式: 通常采用OpenMP, 也可使用消息传递(MPI/PVM) 及HPF。 SGI Power Challenge , Dawning 1 22:16

MPP：大规模并行计算机系统 MPP:大规模并行计算机系统(Massively Parallel Processors)。由大量具有局部内存的计算结点通过高速系统网络联接而构成的并行处理系统. MPP 系统的系统网络通常具有某种拓扑结构(如tree, mesh, torus, hypercube). 物理和逻辑上均是分布内存 采用高通信带宽和低延迟的互联网络 (专门设计和定制的) NORMA或CC-NUMA 代表:CRAY T3E(2048), ASCI Red(3072), IBM SP2, 曙光1000 22:16

DSM：分布共享存储多处理机系统 DSM： 分布共享存贮并行机（Distributed Shared Memory），由结点（一般是SMP系统）通过高速消息传递网络互连而成。存贮系统在物理上分布、逻辑上共享。各结点有自己独立的寻址空间。 单地址空间 、分布共享 NUMA（ Nonuniform Memory Access ） 与SMP的主要区别：DSM在物理上有分布在各个节点的局部内存从而形成一个共享的存储器； 代表: SGI Origin 2000, Cray T3D 22:16

Cluster：机群系统 Cluster(Now,Cow)： 群集系统。将单个节点，用商业网络 ：Ethernet，Myrinet，Quadrics，Infiniband，Switch等连结起来形成群集系统。 每个节点都是一个完整的计算机（SMP或DSM），有自己磁盘和操作系统 各个节点通过高性能网络相互连接 网络接口和I/O总线松耦合连接 每个节点有完整的操作系统 多地址空间、分布非共享、NORMA 通用性、可扩展性好，性价比高 22:16

访存模型 NORMA UMA NUMA: 多处理机（单地址空间共享存储器） UMA: Uniform Memory Access NUMA: Nonuniform Memory Access 多计算机（多地址空间非共享存储器） NORMA:No-Remote Memory Access 22:16

最新的TOP500计算机 22:16

最新的TOP500计算机 22:16

来自中国的曙光“星云”系统以1271万亿次/s的峰值速度名列第二 采用了自主设计的HPP体系结构、高效异构协同计算技术 来自Cray的美洲豹“Jaguar”，凭借1.75 PFlop/s(每秒1750万亿次)的计算能力傲视群雄。“Jaguar”采用了224162个处理器核心 来自中国的曙光“星云”系统以1271万亿次/s的峰值速度名列第二 采用了自主设计的HPP体系结构、高效异构协同计算技术 处理器是32nm工艺的六核至强X5650，并且采用了Nvidia Tesla C2050 GPU做协处理的用户编程环境； 异构体系结构 专用 通用 TOP500中85%的系统采用了四核处理器，而有5%的系统已经使用了六核或者更多核的处理器。 22:16

并行编程基础 22:16

并行计算软件环境 操作系统：UNIX、LINUX等 通信库：MPI 、PVM 数学库：如MKL，ScaLAPACK等 编译器： GNU Compiler 自由软件，持C/C++、Fortran77等语言 高性能计算中常用的： C/C++：GCC (GNU C/C++ Compiler) Fortran ：gfortran; Intel Compiler 由Intel公司针对Intel处理器开发,支持Linux、Windows 支持C/C++（icc，mpicc：Intel C/C++ Compiler）、Fortran77/90/95（ifc： Intel Fortran Compiler) 支持多线程和OpenMP

并行程序设计方法 隐式并行程序设计： 常用传统的语言编程成顺序源编码，把“并行”交给编译器实现自动并行 程序的自动并行化是一个理想目标，存在难以克服的困难 语言容易，编译器难 显式并行程序设计： 在用户程序中出现“并行”的调度语句 显式并行是目前有效的并行程序设计方法。例如通过消息传递方式或多线程等 语言难，编译器容易 22:16

隐式并行（Implicit Parallel） 数据并行（Data Parallel） 共享变量（Shared Variable） 并行程序编程模型 隐式并行（Implicit Parallel） 数据并行（Data Parallel） 共享变量（Shared Variable） 消息传递（Message Passing） 22:16

隐式并行(Implicit Parallel) 概况： 程序员用熟悉的串行语言编写相应的串行程序 通过编译器和运行支持系统将串行程序自动转化为并行代码 特点： 语义简单 可移植性好 单线程，易于调试和验证正确性 细粒度并行 效率很低 22:16

数据并行（Data Parallel） 概况： SIMD的自然模型 局部计算和数据选路操作 例：HPF 特点： 单线程 并行操作于聚合数据结构（数组） 松散同步 单一地址空间 隐式交互作用 显式数据分布 优点:编程相对简单,串并行程序一致. 缺点:程序的性能在很大程度上依赖于所用的编译系统及用户对编译系统的了解. 并行粒度局限于数据级并行,粒度较小.

共享变量(Shared Variable) 概况： PVP, SMP, DSM的自然模型 特点： 多线程：SPMD, MPMD 异步 单一地址空间 显式同步 隐式数据分布 隐式通信 典型代表： OpenMP

消息传递(Message Passing） 概况： MPP、COW的自然模型 特点： 多进程异步并行 多地址空间 显式同步 显式数据映射和负载分配 显式通信 典型代表 MPI、PVM

并行编程模型标准 HPF, Fortran90 用于SMP, DSM OpenMP MPI, PVM 用于所有并行计算机 所有并行编程模型标准可分为以下三类: 数据并行 HPF, Fortran90 用于SMP, DSM 共享编程 OpenMP 消息传递 MPI, PVM 用于所有并行计算机 三者可混合使用: 如对以SMP为节点的Cluster来说, 可以在节点间进行消息传递,在节点内进行共享变量编程.

流水线并行（Pipeline Parallel） 主从并行（Master-Slave Parallel） 基本并行化方法 相并行（Phase Parallel） 流水线并行（Pipeline Parallel） 主从并行（Master-Slave Parallel） 分治并行（Divide and Conquer Parallel） 工作池并行（Work Pool Parallel） 22:16

加速比性能定律 并行系统的加速比简单的说就是指对于一个给定的应用，并行算法或并行程序的执行速度相对于串行算法或串行程序的执行速度加快了多少倍（既Sp=T1/Tp） 三种加速比性能定律： Amdahl定律：适用固定计算负载 S=（Ws+Wp）/（Ws+Wp/p） Gustafson定律：适用于可扩放问题 S=（Ws+pWp）/（Ws+Wp） Sun和Ni定律：受限于存储器 其中： P ： 处理器数 W ：问题规模 Ws：问题中的串行分量 Wp：并行分量 W＝Ws＋Wp S ：加速比 S=穿行并行时间 f：串行分量的比率 f＝Ws/W 阿姆达尔 古斯塔夫森 22:16

可扩展性与评测标准（一） 可扩展性(Scalability): 确定的应用背景下，计算系统(算法或程序等)的性能随着处理器的数目的增加而按比例提高的能力 总是将并行算法和体系结构一并考虑 算法的可扩放性: 该算法针对某一特定机器的可扩放性 体系结构的可扩放性: 该体系结构的机器的某一并行算法的可扩放性 一般情况下，增加处理器数，会增加额外开销和降低处理器利用率；所以对于一个特定的并行系统、并行算法或并行程序，它们能否有效的利用不断增加的处理器的能力应是受限的 目的： 确定某类问题用哪种并行算法与哪种并行体系结构结合。 根据在小规模机器上的运行性能，预测在大规模机器上的性能 对固定的问题规模，确定最有效的处理机数和加速比 指导改进算法、体系结构，以利用可扩充的大量处理器 22:16

可扩展性与评测标准（二） 等效率度量标准: 若问题规模w不变，随着处理器数P的增加会导致开销To随之增加，效率E下降。为了保持E不变，则在增加p的同时相应的增加问题规模W，以抵消由于p增加而导致的To的增加，从而保持效率不变 随着系统规模的增加(处理器数目的增加) ，测量增加多少运算量会保持效率不变 增加越少表明可扩放性越好 E＝1/(1+To/W) To: 额外开销时间之和 22:16

可扩展性与评测标准（三） 等速度度量标准 系统规模增加时，若保持平均速度(每个处理器的速度)不变，每个处理器增加浮点操作的量 速度常以每秒多少次浮点运算(Flops)来表示 等计算时间/通信开销比率度量标准 系统规模增加时，保持计/通信比不变所需要增加的问题规模 计算时间/通信开销比率 并行计算时间与系统开销之比 22:16

谢谢大家！ 22:16