并行计算.

Presentation on theme: "并行计算."— Presentation transcript:

1 并行计算

2 第一章并行计算机系统及结构模型 1.1 并行计算 1.2 单处理机与指令级并行 1.3 多核处理器与线程级并行 1.4 并行计算机系统结构
1.5 并行计算概述

3 1.1 并行计算 1.1.1 并行计算与计算科学 1.1.2 当代科学与工程问题的计算需求

4 并行计算 并行计算：并行机上所作的计算，又称高性能计算或超级计算。 分布式计算：分布式环境下的计算 计算科学 科学与工程问题的需求：
理论科学、实验科学、计算科学 计算科学：计算物理、计算化学、计算生物等 科学与工程问题的需求： 气象预报、油藏模拟、核武器数值模拟、航天器设计、基因测序等。

5 并行计算 需求类型： 计算密集 数据密集 网络密集。 问题规模

6 并行计算机 美国HPCC计划：重大挑战性课题，3T性能 美国Petaflops研究项目：Pflop/s。 美国ASCI计划：核武器数值模拟。

7 第二章 并行计算机系统互连与基本通信操作 2.1 并行计算机互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输
2.1.1 静态互连网络 2.1.2 动态互连网络 2.1.3 标准互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输 2.4 一到多播送 2.5 多到多播送

8 系统互连 不同带宽与距离的互连技术: 总线、SAN、LAN、MAN、WAN

9 局部总线、I/O总线、SAN和LAN

10 静态互连网络 与动态互连网络 静态互连网络 动态网络
处理单元间有着固定连接的一类网络，在程序执行期间，这种点到点的链接保持不变；典型的静态网络有一维线性阵列、二维网孔、树连接、超立方网络、立方环、洗牌交换网、蝶形网络等 动态网络 用交换开关构成的，可按应用程序的要求动态地改变连接组态；典型的动态网络包括总线、交叉开关和多级互连网络等。

11 网络性能指标 节点度（Node Degree）：射入或射出一个节点的边数。在单向网络中，入射和出射边之和称为节点度。
网络直径（Network Diameter）： 网络中任何两个节点之间的最长距离，即最大路径数。 对剖宽度（Bisection Width） ：对分网络各半所必须移去的最少边数 对剖带宽（ Bisection Bandwidth）:每秒钟内，在最小的对剖平面上通过所有连线的最大信息位（或字节）数 如果从任一节点观看网络都一样，则称网络为对称的（Symmetry）

12 静态互连网络（1） 一维线性阵列（1-D Linear Array） 并行机中最简单、最基本的互连方式，
每个节点只与其左、右近邻相连，也叫二近邻连接 N个节点用N-1条边串接之，内节点度为2，直径为N-1，对剖宽度为1 当首、尾节点相连时可构成循环移位器，在拓扑结构上等同于环，环可以是单向的或双向的，其节点度恒为2，直径或为 （双向环）或为N-1（单向环），对剖宽度为2

13 静态互连网络（2） 二维网孔（2-D Mesh）
每个节点只与其上、下、左、右的近邻相连（边界节点除外），节点度为4，网络直径为 ，对剖宽度为 在垂直方向上带环绕，水平方向呈蛇状，就变成Illiac网孔了，节点度恒为4，网络直径为 ，而对剖宽度为 垂直和水平方向均带环绕，则变成了2-D环绕（2-D Torus），节点度恒为4，网络直径为 ，对剖宽度为

14 静态互连网络（3）

15 静态互连网络（4） 二叉树： 除了根、叶节点，每个内节点只与其父节点和两个子节点相连。 节点度为3，对剖宽度为1，而树的直径为
如果尽量增大节点度为N-1，则直径缩小为2，此时就变成了星形网络，其对剖宽度为 传统二叉树的主要问题是根易成为通信瓶颈。胖树节点间的通路自叶向根逐渐变宽。

16 静态互连网络（5）

17 静态互连网络（6） 超立方 一个n-立方由 个顶点组成，3-立方如图(a)所示；4-立方如图(b)所示，由两个3-立方的对应顶点连接而成。
n-立方的节点度为n，网络直径也是n ，而对剖宽度为N/2。 如果将3-立方的每个顶点代之以一个环就构成了如图(d)所示的3-立方环，此时每个顶点的度为3，而不像超立方那样节点度为n。

18 静态互连网络（7）

19 嵌入 将网络中的各节点映射到另一个网络中去
用膨胀（Dilation）系数来描述嵌入的质量，它是指被嵌入网络中的一条链路在所要嵌入的网络中对应所需的最大链路数 如果该系数为1，则称为完美嵌入。 环网可完美嵌入到2-D环绕网中 超立方网可完美嵌入到2－D环绕网中

20 嵌入 Ring onto 2-D torus Hypercube onto 2-D torus

21 静态互连网络特性比较 n 网络名称 网络规模 节点度 网络直径 对剖宽度 对称 链路数 线性阵列 2 1 非 环形 （双向） 是 2-D网孔
4 Illiac网孔 2-D环绕 二叉树 3 星形 超立方 n 立方环

22 动态互连网络 (1) 总线：PCI、VME、Multics、Sbus、MicroChannel
多处理机总线系统的主要问题包括总线仲裁、中断处理、协议转换、快速同步、高速缓存一致性协议、分事务、总线桥和层次总线扩展等

23 动态互连网络(2) 交叉开关（Crossbar）： 单级交换网络，可为每个端口提供更高的带宽。象电话交换机一样，交叉点开关可由程序控制动态设置其处于“开”或“关”状态，而能提供所有（源、目的）对之间的动态连接。 交叉开关一般有两种使用方式：一种是用于对称的多处理机或多计算机机群中的处理器间的通信；另一种是用于SMP服务器或向量超级计算机中处理器和存储器之间的存取。

24 动态互连网络(3) 单级交叉开关级联起来形成多级互连网络MIN（Multistage Interconnection Network）

25 动态互连网络(4) 交换开关模块 级间互连（Interstage Connection ）
均匀洗牌、蝶网、多路均匀洗牌、交叉开关、立方连接 n输入的Ω网络需要 级2×2开关，在Ilinois大学的Cedar多处理机系统中采用了Ω网络 Cray Y/MP多级网络，该网络用来支持8个向量处理器和256个存储器模块之间的数据传输。网络能够避免8个处理器同时进行存储器存取时的冲突。

26 动态互连网络比较 ～ n,节点规模 w，数据宽度 动态互连网络的复杂度和带宽性能一览表 网络特性 总线系统 多级互连网络 交叉开关
硬件复杂度 每个处理器带宽 ～ 报道的聚集带宽 SunFire服务器中的Gigaplane总线：2.67GB/s IBM SP2中的512节点的HPS：10.24GB/s Digital的千兆开关：3.4GB/s n,节点规模 w，数据宽度

27 标准互连网络（1） Myrinet: Myrinet是由Myricom公司设计的千兆位包交换网络，其目的是为了构筑计算机机群，使系统互连成为一种商业产品。 Myrinet是基于加州理工学院开发的多计算机和VLSI技术以及在南加州大学开发的ATOMIC/LAN技术。Myrinet能假设任意拓扑结构，不必限定为开关网孔或任何规则的结构。 Myrinet在数据链路层具有可变长的包格式，对每条链路施行流控制和错误控制，并使用切通选路法以及定制的可编程的主机接口。在物理层上，Myrinet网使用全双工SAN链路，最长可达3米，峰值速率为（1.28＋1.28）Gbps（目前有 ) Myrinet交换开关 :8,12,16端口 Myrinet主机接口 : 32位的称作LANai芯片的用户定制的VLSI处理器，它带有Myrinet接口、包接口、DMA引擎和快速静态随机存取存储器SRAM。

28 Myrinet连接的LAN/Cluster

29 标准互连网络（2） 高性能并行接口（HiPPI）
Los Alamos国家实验室于1987年提出的一个标准，其目的是试图统一来自不同产商生产的所有大型机和超级计算机的接口。在大型机和超级计算机工业界，HiPPI作为短距离的系统到系统以及系统到外设连接的高速I/O通道。 1993年，ANSI X3T9.3委员会认可了HiPPI标准，它覆盖了物理和数据链路层，但在这两层之上的任何规定却取决于用户。 HiPPI是个单工的点到点的数据传输接口，其速率可达800Mbps到1.6Gbps。 开发成功了一种能提供潜在的6.4Gbps速率，比HiPPI快8倍且有很低时延的超级HiPPI技术， SGI公司和Los Alamos国家实验室都开发了用来构筑速率高达25.6Gbps的HiPPI交换开关的HiPPI技术。 HiPPI通道和HiPPI交换开关被用在SGI Power Challenge服务器、IBM 390主机、Cray Y/MP、C90和T3D/T3E等系统

30 使用HiPPI通道和开关构筑的LAN主干网

31 标准互连网络（3） 光纤通道FC（Fiber Channel） : FDDI : 通道和网络标准的集成
光纤通道既可以是共享介质，也可以是一种交换技术 光纤通道操作速度范围可从100到133、200、400和800Mbps。FCSI厂商也正在推出未来具有更高速度（1、2或4Gbps）的光纤通道 光纤通道的价值已被现在的某些千兆位局域网所证实，这些局域网就是基于光纤通道技术的 连网拓扑结构的灵活性是光纤通道的主要财富，它支持点到点、仲裁环及交换光纤连接 FDDI : 光纤分布式数据接口FDDI（Fiber Distributed Data Interface） FDDI采用双向光纤令牌环可提供 Mbps数据传输速率 FDDI具有互连大量设备的能力 传统的FDDI仅以异步方式操作

32 双向FDDI环作为主干网

33 标准互连网络（4） ATM（Asynchronous Transfer Mode）: 由成立于1991年的ATM论坛和ITU标准定义
ATM网络支持从25到51、155和622Mbps不同的速率，其速率越低ATM交换器和使用的链路价格越低。

34 香港大学开发的Pearl机群

35 标准互连网络（5） 代别 类型 以太网 10BaseT 快速以太网 100BaseT 千兆位以太网 1GB 引入年代 1982 1994
1997 速度（带宽） 10Mb/s 100Mb/s 1Gb/s 最 大 距 离 UTR（非屏蔽双扭对） 100m 25－100m STP（屏蔽双扭对） 同轴电缆 500m 多模光纤 2Km 412m（半双工） 2Km（全双工） 单模光纤 25Km 20Km 3Km 主要应用领域 文件共享， 打印机共享 COW计算， C/S结构， 大型数据库存取等 大型图像文件， 多媒体， 因特网， 内部网， 数据仓库等

36 第二章 并行计算机系统互连与基本通信操作 2.1 并行计算机互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输
2.1.1 静态互连网络 2.1.2 动态互连网络 2.1.3 标准互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输 2.4 一到多播送 2.5 多到多播送

37 预备知识 选路(Routing) 消息、信包、片
又称为选径或路由。产生消息从发源地到目的地所取的路径, 要求具有较低通信延迟、无死锁和容错能力。应用于网络或并行机上的信息交换。 消息、信包、片 消息(Message)：是在多计算机系统的处理接点之间传递包含数据和同步消息的信息包。它是一种逻辑单位，可由任意数量的包构成。 包(Packet)：包的长度随协议不同而不同，它是信息传送的最小单位，64-512位。 片(Flit)：片的长度固定，一般为8位。

38 预备知识 消息、信包、片的相互关系 包 消息 包 据 片 头片 尾片 …… 顺序号 数 片 F

39 预备知识 一些术语 信道带宽b：每个信道有w位宽和信号传输率f = 1/t (t是时钟周期), b = wf bits/sec 节点和开关的度：与节点和开关相连的信道数目 路径：信包在网络中走过的开关和链路(link)序列 路由长度或距离：路由路径中包括的链路(link)数目 信包传输性能参数 启动时间ts(startup time)：准备包头信息等 节点延迟时间th(per-hop time)：包头穿越相邻节点的时间 字传输时间tw(transfer time)：传输每个字的时间 链路数l 、信包大小m

40 预备知识 选路算法的三种机制 基于算术的: 开关中具有简单的算术运算功能，如维序选路；
基于源地址的: 在源点时就将沿路径的各个开关的输出端口地址p0,p1,…,pn包在信包的头部，每个开关只是对信包头的输出端口地址进行剥离； 基于查表的: 开关中含有一个选路表，对信包头中的选路域查出输出端口地址。

41 预备知识 选路方式

42 选路方法 分类 维序选路(Dimension-Ordered Routing)：一种确定的最短路径选路
最短路径/非最短路径(贪心选路/随机选路)， 如维序选路是贪心的，二阶段维序选路是随机的 确定选路/自适应选路(寻径确定/寻径视网络状况) 维序选路(Dimension-Ordered Routing)：一种确定的最短路径选路 二维网孔中的维序选路: X-Y选路 超立方中的维序选路: E-立方选路

43 选路方法 X-Y选路算法 begin step1: 沿X方向将信包送至目的地处理器所在的列
step2: 沿Y方向将信包送至目的地处理器所在的行 end

44 选路方法 例

45 选路方法 E-立方选路算法 路由计算： sn-1sn-2…s1s0(源地址) 异或 dn-1dn-2…d1d0(目的地址)
rn-1 rn-2 …r1 r0 (路由值) 路由过程： sn-1sn-2…s1s0  sn-1sn-2…s1s0 r0  sn-1sn-2…s1s0 r1  … 算法：超立方网络上的E-立方选路算法

46 选路方法 例 0110(S) 1101(D) 1011(R)

47 开关技术 存储转发(Store-and-Forward)选路 缺点：
消息被分成基本的传输单位----信包(Packet), 每个信包都含有寻径信息； 当一个信包到达中间节点A时，A把整个信包放入其通信缓冲器中，然后在选路算法的控制下选择下一个相邻节点B，当从A到B的通道空闲并且B的通信缓冲器可用时，把信包从A发向B； 信包的传输时间: tcomm (SF) = ts + (mtw + th)l=O(ml) 缺点： 每个结点必须对整个消息和信包进行缓冲，缓冲器较大； 网络时延与发送消息所经历的节点数成正比

48 开关技术 切通(Cut Through)选路 缺点：
在传递一个消息之前，就为它建立一条从源结点到目的结点的物理通道。在传递的全部过程中，线路的每一段都被占用，当消息的尾部经过网络后，整条物理链路才被废弃。 传输时间: tcomm (CT) = ts + mtw + lth = O(m+l) 缺点： 物理通道非共享 传输过程中物理通道一直被占用

49 开关技术 虫孔(Wormhole)选路 Dally于1986年提出，利用了前二种方法的优点，减少了缓冲区，提高了物理通道的利用。
首先把一个消息分成许多很小的片，消息的头片包含了这个消息的所有寻径信息。尾片是一个其最后包含了消息结束符的片。中间的片均为数据片； 片是最小信息单位。每个结点上只需要缓冲一个片就能满足要求； 用一个头片直接牵引一条从输入链路到输出链路的路径的方法来进行操作。每个消息中的片以流水的方式在网络中向前“蠕动”。每个片相当于Worm的一个节，“蠕动”以节为单位顺序地向前爬行。当消息的尾片向前“蠕动”一步后，它刚才所占用的结点就被放弃了。

50 开关技术 虫孔(Wormhole)选路 优点： (1)每个结点的缓冲器的需求量小，易于用VLSI实现；
(3)通道共享性好、利用率高； (4)易于实现Multicast和Broadcast。

51 开关技术 几种开关技术的时空图

52 第二章 并行计算机系统互连与基本通信操作 2.1 并行计算机互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输
2.1.1 静态互连网络 2.1.2 动态互连网络 2.1.3 标准互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输 2.4 一到多播送 2.5 多到多播送

53 单一信包一到一传输 距离l的计算： 对于p个处理器 如果m>>p： tcomm(SF)≈ tcomm(CT) = ts+mtw
一维环形： 带环绕Mesh( )： 超立方： tcomm(SF)的计算 带环绕Mesh： tcomm(CT)的计算 如果m>>p： tcomm(SF)≈ tcomm(CT) = ts+mtw

54 第二章 并行计算机系统互连与基本通信操作 2.1 并行计算机互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输
2.1.1 静态互连网络 2.1.2 动态互连网络 2.1.3 标准互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输 2.4 一到多播送 2.5 多到多播送

55 一到多播送—SF模式 环 步骤： ①先左右邻近传送;②再左右二个方向同时播送 示例： 通信时间：

56 一到多播送—SF模式 环绕网孔 步骤：①先完成一行中的播送;②再同时进行各列的播送 示例： 共4步(2步行、2步列) 通信时间：

57 一到多播送—SF模式 超立方 步骤：从低维到高维，依次进行播送; 示例： 通信时间：

58 第二章 并行计算机系统互连与基本通信操作 2.1 并行计算机互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输
2.1.1 静态互连网络 2.1.2 动态互连网络 2.1.3 标准互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输 2.4 一到多播送 2.5 多到多播送

59 一到多播送—CT模式 环 步骤： (2)再同时发送至p/22远的处理器; …… (i)再同时发送至p/2i远的处理器; 示例： 通信时间：

60 一到多播送—CT模式 网孔 步骤： (1)先进行行播送; (2)再同时进行列播送; 示例： 通信时间：

61 一到多播送—CT模式 超立方 步骤： 依次从低维到高维播送, d-立方, d=0,1,2,3,4…; 通信时间： 2017/3/18

62 第二章 并行计算机系统互连与基本通信操作 2.1 并行计算机互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输
2.1.1 静态互连网络 2.1.2 动态互连网络 2.1.3 标准互连网络 2.2 选路方法与开关技术 2.3 单一信包一到一传输 2.4 一到多播送 2.5 多到多播送

63 多到多播送—SF模式 环 步骤： 同时向右(或左)播送 刚接收到的信包 示例： 通信时间：

64 多到多播送—SF模式 环绕网孔 步骤： (1)先进行行的播送； (2)再进行列的播送； 示例： 通信时间：

65 多到多播送—SF模式 超立方 步骤： 依次按维进行 多到多的播送； 示例： 通信时间：

66 多到多播送—CT模式 使用一到多的策略会造成链路竞争

67

68

69

70 1.4 并行计算机系统结构 1.4.1 并行计算机结构模型 1.4.2 并行计算机访存模型 1.4.3 并行计算机存储组织

71 并行计算机结构模型

72 并行计算机体系合一结构 SMP、MPP、DSM和COW并行结构渐趋一致。 大量的节点通过高速网络互连起来
节点遵循Shell结构：用专门定制的Shell电路将商用微处理器和节点的其它部分（包括板级Cache、局存、NIC和DISK）连接起来。优点是CPU升级只需要更换Shell。

73 五种结构特性一览表 属性 PVP SMP MPP DSM COW 结构类型 MIMD 处理器类型 专用定制 商用 互连网络 定制交叉开关
总线、交叉开关 定制网络 商用网络（以太ATM） 通信机制 共享变量 消息传递 地址空间 单地址空间 多地址空间 系统存储器 集中共享 分布非共享 分布共享 访存模型 UMA NORMA NUMA 代表机器 Cray C-90， Cray T-90， 银河1号 IBM R50，SGI Power Challenge， 曙光1号 Intel Paragon， IBMSP2，曙光1000/2000 Stanford DASH，Cray T 3D Berkeley NOW，Alpha Farm

74 并行计算机访存模型（1） UMA（Uniform Memory Access）模型是均匀存储访问模型的简称。其特点是：
物理存储器被所有处理器均匀共享； 所有处理器访问任何存储字取相同的时间； 每台处理器可带私有高速缓存； 外围设备也可以一定形式共享。

75 并行计算机访存模型（2） NUMA(Nonuniform Memory Access)模型是非均匀存储访问模型的简称。特点是：
被共享的存储器在物理上是分布在所有的处理器中的，其所有本地存储器的集合就组成了全局地址空间； 处理器访问存储器的时间是不一样的；访问本地存储器LM或群内共享存储器CSM较快，而访问外地的存储器或全局共享存储器GSM较慢(此即非均匀存储访问名称的由来)； 每台处理器可带私有高速缓存，外设也可以某种形式共享。 LM 1 P 2 n 互 连 网 络 (a)共享本地存储模型 全局互连网络 (b)层次式机群模型 GSM … C I N CSM 群1 群

76 并行计算机访存模型（3） COMA(Cache-Only Memory Access)模型是全高速缓存存储访问的简称。其特点是：
各处理器节点中没有存储层次结构，全部高速缓存组成了全局地址空间； 利用分布的高速缓存目录D进行远程高速缓存的访问; COMA中的高速缓存容量一般都大于2 级高速缓存容量； 使用COMA时，数据开始时可任意分配，因为在运行时它最终会被迁移到要用到它们的地方。

77 并行计算机访存模型（4） CC-NUMA（Coherent-Cache Nonuniform Memory Access）模型是高速缓存一致性非均匀存储访问模型的简称。其特点： 大多数使用基于目录的高速缓存一致性协议； 保留SMP结构易于编程的优点，也改善常规SMP的可扩放性； CC-NUMA实际上是一个分布共享存储的DSM多处理机系统； 它最显著的优点是程序员无需明确地在节点上分配数据，系统的硬件和软件开始时自动在各节点分配数据，在运行期间，高速缓存一致性硬件会自动地将数据迁移至要用到它的地方。

78 并行计算机访存模型(5) NORMA（No-Remote Memory Access）模型是非远程存储访问模型的简称。NORMA的特点是：
所有存储器是私有的； 绝大数NUMA都不支持远程存储器的访问； 在DSM中，NORMA就消失了。

79 构筑并行机系统的不同存储结构

80 第三章 典型并行计算机系统介绍 3.1 共享存储多处理机系统 3.2 分布存储多计算机系统 3.3 分布共享存储计算机系统 3.4 机群系统
3.1.1 对称多处理机SMP结构特性 3.2 分布存储多计算机系统 3.2.1 大规模并行机MPP结构特性 3.3 分布共享存储计算机系统 3.3.1 分布共享存储计算机系统特性 3.4 机群系统 3.4.1 大规模并行处理系统MPP机群SP2 3.4.2 工作站机群COW

81 对称多处理机SMP(1) 例子：SGI Power Challenge, DEC Alpha Server,Dawning 1
SMP: 采用商用微处理器，通常有片上和片外Cache，基于总线连接，集中式共享存储，UMA结构 例子：SGI Power Challenge, DEC Alpha Server,Dawning 1

82 对称多处理机SMP(2) 优点 问题 对称性 单地址空间，易编程性，动态负载平衡，无需显示数据分配
高速缓存及其一致性，数据局部性，硬件维持一致性 低通信延迟，Load/Store完成 问题 欠可靠，BUS,OS,SM 通信延迟（相对于CPU），竞争加剧 慢速增加的带宽（MB double/3年,IOB更慢） 不可扩放性---〉CC-NUMA

83 大规模并行机MPP IBM SP2 Dawning 1000 成百上千个处理器组成的大规模计算机系统，规模是变化的。
NORMA结构，高带宽低延迟定制互连。 可扩放性：Mem, I/O,平衡设计 系统成本：商用处理器，相对稳定的结构，SMP,分布 通用性和可用性：不同的应用，PVM,MPI,交互，批处理，互连对用户透明，单一系统映象，故障 通信要求 存储器和I/O能力 例子：Intel Option Red IBM SP2 Dawning 1000

84 典型MPP系统特性比较 MPP模型 Intel/Sandia ASCI Option Red IBM SP2
SGI/Cray Origin2000 一个大型样机的配置 9072个处理器，1.8Tflop/s(NSL) 400个处理器，100Gflop/s(MHPCC) 128个处理器，51Gflop/s(NCSA) 问世日期 1996年12月 1994年9月 1996年10月 处理器类型 200MHz, 200Mflop/s Pentium Pro 67MHz，267Mflop/s POWER2 200MHz，400Mflop/s MIPS R10000 节点体系结构 和数据存储器 2个处理器，32到256MB主存，共享磁盘 1个处理器，64MB到2GB本地主存，1GB到14.5GB本地磁盘 2个处理器，64MB到256MB分布共享主存和共享磁盘 互连网络和主存模型 分离两维网孔，NORMA 多级网络，NORMA 胖超立方体网络，CC-NUMA 节点操作系统 轻量级内核（LWK） 完全AIX（IBM UNIX） 微内核Cellular IRIX 自然编程机制 基于PUMA Portals的MPI MPI和PVM Power C， Power Fortran 其他编程模型 Nx，PVM，HPF HPF，Linda MPI，PVM

85 MPP所用的高性能CPU特性比较 属性 Pentium Pro PowerPC 602 Alpha 21164A
Ultra SPARC II MIPS R10000 工艺 BiCMOS CMOS 晶体管数 5.5M/15.5M 7M 9.6M 5.4M 6.8M 时钟频率 150MHz 133MHz 417MHz 200MHz 电压 2.9V 3.3V 2.2V 2.5V 功率 20W 30W 28W 字长 32位 64位 I/O 高速缓存 8KB/8KB 32KB/32KB 16KB/16KB 2级 256KB (多芯片模块) 1~128MB (片外) 96KB (片上) 16MB 执行单元 5个单元 6个单元 4个单元 9个单元 超标量 3路(Way) 4路 流水线深度 14级 4~8级 7~9级 9级 5~7级 SPECint 92 366 225 >500 350 300 SPECfp 92 283 >750 550 600 SPECint 95 8.09 >11 N/A 7.4 SPECfp 95 6.70 >17 15 其它特性 CISC/RISC混合 短流水线长L1高速缓存 最高时钟频率最大片上2级高速缓存 多媒体和图形指令 MP机群总线可支持4个CPU

86 机群型大规模并行机SP2 设计策略： 系统结构： 机群体系结构 标准环境 标准编程模型 系统可用性 精选的单一系统映像
高性能开关 HPS 多级Ω网络 宽节点、窄节点和窄节点2

87 工作站机群COW 分布式存储，MIMD，工作站+商用互连网络，每个节点是一个完整的计算机，有自己的磁盘和操作系统，而MPP中只有微内核
优点： 投资风险小 系统结构灵活 性能/价格比高 能充分利用分散的计算资源 可扩放性好 问题 通信性能 并行编程环境 例子：Berkeley NOW，Alpha Farm, FXCOW P/C M MIO NIC D LAN

88 Berkeley NOW

89 典型的机群系统 典型的机群系统特点一览表 名称 系统特点 Princeton:SHRIMP
PC商用组件，通过专用网络接口达到共享虚拟存储，支持有效通信 Karsruhe:Parastation 用于分布并行处理的有效通信网络和软件开发 Rice:TreadMarks 软件实现分布共享存储的工作站机群 Wisconsin:Wind Tunnel 在经由商用网络互连的工作站机群上实现分布共享存储 Chica、Maryl、Penns:NSCP 国家可扩放机群计划：在通过因特网互连的3个本地机群系统上进行元计算 Argonne:Globus 在由ATM连接的北美17个站点的WAN上开发元计算平台和软件 Syracuse:WWVM 使用因特网和HPCC技术，在世界范围的虚拟机上进行高性能计算 HKU:Pearl Cluster 研究机群在分布式多媒体和金融数字库方面的应用 Virgina:Legion 在国家虚拟计算机设施上开发元计算软件

90 SMP\MPP\机群比较 系统特征 SMP MPP 机群 节点数量(N) O(10) O(100)-O(1000) O(100)
节点复杂度 中粒度或细粒度 细粒度或中粒度 中粒度或粗粒度 节点间通信 共享存储器 消息传递 或共享变量（有DSM时） 节点操作系统 1 N(微内核) 和1个主机OS(单一) N (希望为同构) 支持单一系统映像 永远 部分 希望 地址空间 单一 多或单一（有DSM时） 多个 作业调度 单一运行队列 主机上单一运行队列 协作多队列 网络协议 非标准 标准或非标准 可用性 通常较低 低到中 高可用或容错 性能/价格比 一般 高 互连网络 总线/交叉开关 定制 商用

91 第四章 并行计算性能评测 4.1 并行计算机的一些基本性能指标 4.2 加速比性能定律 4.3 可扩放性评测标准 4.4 基准测试程序
3.2.1 Amdahl定律 3.2.2 Gustafson定律 3.2.3 Sun和Ni定律 4.3 可扩放性评测标准 4.4 基准测试程序

92 CPU的某些基本性能指标 工作负载 执行时间 浮点运算数 指令数目

93 CPU的某些基本性能指标 并行执行时间 T comput 为计算时间，T paro 为并行开销时间，T comm为相互通信时间
T n = T comput + T paro+ T comm 例：估计APRAM模型下执行时间

94 存储器性能 存储器的层次结构(C,L,B)

95 存储器性能 估计存储器的带宽 RISC add r1,r2,r3 r 8bytes 100MHz
B = 3*8*100*106 B/s= 2.4GB/s

96 并行与通信开销 并行和通信开销：相对于计算很大 开销的测量：
PowerPC (每个周期 15ns 执行4flops; 创建一个进程1.4ms 可执行372000flops) 开销的测量： 乒乓方法（Ping-Pong Scheme）节点0发送m个字节给节点1；节点1从节点0接收m个字节后，立即将消息发回节点0。总的时间除以2，即可得到点到点通信时间，也就是执行单一发送或接收操作的时间

97 乒乓法 if （my _node _id =0） then /*发送者*/ start _time =second（ ）
send an m-byte message to node 1 receive an m-byte message from node 1 end_time = second（ ） total_time = end_time – start_time communication_time[i] = total_time/2 else if （my_node_id = 1） then /*接收者*/ receive an m-byte message from node 0 send an m-byte message to node 0 endif

98 乒乓法 可一般化为热土豆法（Hot-Potato），也称为救火队法（Fire-Brigade) 0——1 —— 2 —— … —— n-1 —— 0

99 并行开销的表达式：点到点通信 通信开销 t(m) = t0 + m/ r∞ 半峰值长度m1/2 ：达到一半渐近带宽所要的消息长度
特定性能π0：表示短消息带宽 t0 = m1/2 / r∞ = 1 /π0

100 并行开销的表达式：整体通信 典型的整体通信有： 播送（Broadcasting）：处理器0发送m个字节给所有的n个处理器
收集（Gather）：处理0接收所有n个处理器发来在消息，所以处理器0最终接收了m n个字节； 散射（Scatter）：处理器0发送了m个字节的不同消息给所有n个处理器，因此处理器0最终发送了m n个字节；

101 并行开销的表达式：整体通信 全交换（Total Exchange）：每个处理器均彼此相互发送m个字节的不同消息给对方，所以总通信量为mn2个字节； 循环移位（Circular-shift）：处理器i发送m个字节给处理器i+1，处理器n-1发送m个字节给处理器0，所以通信量为m n个字节。

102 机器的成本、价格与性/价比 机器的成本与价格
机器的性能/价格比 Performance/Cost Ratio ：系指用单位代价（通常以百万美元表示）所获取的性能（通常以MIPS或MFLOPS表示） 利用率（Utilization）：可达到的速度与峰值速度之比

103 算法级性能评测 加速比性能定律 可扩放性评测标准
并行系统的加速比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。 Amdahl 定律 Gustafson定律 Sun Ni定律 可扩放性评测标准

104 Amdahl 定律 P：处理器数； W：问题规模（计算负载、工作负载，给定问题的总计算量） W = Ws +W p
Ws：应用程序中的串行分量，f是串行分量比例（f = Ws/W， Ws=W1）； WP：应用程序中可并行化部分，1-f为并行分量比例； Ts=T1 ：串行执行时间，T p ：并行执行时间； S：加速比，E：效率；

105 Amdahl 定律 出发点： 固定不变的计算负载； 固定的计算负载分布在多个处理器上的， 增加处理器加快执行速度，从而达到了加速的目的。

106 Amdahl定律 p→∞时，S →1 / f

107 Amdahl定律 W o为额外开销

108 Amdahl定律

109 Gustafson定律 出发点： 对于很多大型计算，精度要求很高，即在此类应用中精度是个关键因素，而计算时间是固定不变的。此时为了提高精度，必须加大计算量，相应地亦必须增多处理器数才能维持时间不变； 除非学术研究，在实际应用中没有必要固定工作负载而计算程序运行在不同数目的处理器上，增多处理器必须相应地增大问题规模才有实际意义。

110 Gustafson定律 考虑额外开销

111 Gustafson定律

112 Sun 和 Ni定律 基本思想： 只要存储空间许可，应尽量增大问题规模以产生更好和更精确的解（此时可能使执行时间略有增加）。
假定在单节点上使用了全部存储容量M并在相应于W的时间内求解 在p 个节点的并行系统上，能求解较大规模的问题是因为存储容量增加到pM。G（p）反应存储容量增加到p倍时并行工作负载的增加量

113 Sun 和 Ni定律

114 Sun 和 Ni定律 G（p）=1时：Amdahl加速定律； G（p）=p 时：Gustafson加速定律
G（p）>p时，相应于计算机负载比存储要求增加得快，此时 Sun和 N i 加速均比 Amdahl 加速和 Gustafson 加速为高。

115 加速比讨论 参考的加速经验公式： p/log p≤S≤P 线性加速比：很少通信开销的矩阵相加、内积运算等
通信密集类的应用问题 ：S = 1 / C （ p ） 超线性加速 绝对加速：最佳并行算法与串行算法 相对加速：同一算法在单机和并行机的运行时间

116 可扩放性评测标准 并行计算的可扩放性（Scalability）也是主要性能指标 影响加速比的因素：处理器数与问题规模
可扩放性最简朴的含意是在确定的应用背景下，计算机系统（或算法或程序等）性能随处理器数的增加而按比例提高的能力 影响加速比的因素：处理器数与问题规模 求解问题中的串行分量 并行处理所引起的额外开销（通信、等待、竞争、冗余操作和同步等） 加大的处理器数超过了算法中的并发程度

117 可扩放性评测标准 增加问题的规模有利于提高加速的因素：
较大的问题规模可提供较高的并发度； 额外开销的增加可能慢于有效计算的增加； 算法中的串行分量比例不是固定不变（串行部分所占的比例随着问题规模的增大而缩小）。 增加处理器数会增大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（算法或程序），它们能否有效利用不断增加的处理器的能力应是受限的，而度量这种能力就是可扩放性这一指标。

118 可扩放性评测标准 可扩放性:调整什么和按什么比例调整 并行算法和体系结构 并行计算要调整的是处理数p和问题规模W，
两者可按不同比例进行调整，此比例关系（可能是线性的，多项式的或指数的等）就反映了可扩放的程度。 并行算法和体系结构

119 可扩放性评测标准 可扩放性研究的主要目的： 目前无一个公认的、标准的和被普遍接受的严格定义和评判它的标准
确定解决某类问题用何种并行算法与何种并行体系结构的组合，可以有效利用大量处理器； 对于运行于某种体系结构的并行机上的某种算法当移植到大规模处理机上后运行的性能； 对固定的问题规模，确定在某类并行机上最优的处理器数与可获得的最大的加速比； 用于指导改进并行算法和并行体系结构，使并行算法尽可能地充分利用可扩充的大量处理器 目前无一个公认的、标准的和被普遍接受的严格定义和评判它的标准

120 等效率度量标准 令tie 和t io 分别是并行系统上第i个处理器的有用计算时间和额外开销时间（包括通信、同步和空闲等待时间等）
T p 是p个处理器系统上并行算法的运行时间，对于任意i显然有T p = tie +t io ，且 T e+ T o= pT p

121 等效率度量标准 问题的规模W为最佳串行算法所完成的计算量W=Te
如问题规模W 保持不变，处理器数p增加，开销To增大，效率E下降。为了维持一定的效率（介于0与1之间），当处理数p增大时，需要相应地增大问题规模W的值。 定义函数f E（p）为问题规模W随处理器数p变化的函数，为等效率函数（ISO-efficiency Function）(Kumar1987)

122 等效率度量标准 曲线1表示算法具有很好的扩放性；曲线2表示算法是可扩放的；曲线 3表示算法是不可扩放的。

123 等效率度量标准 优点：简单可定量计算的、少量的参数计算等效率函数 缺点：如果To无法计算出（在共享存储并行机中）

124 等速度度量标准 p 表示处理器个数，W表示要求解问题的工作量或称问题规模（在此可指浮点操作个数），T为并行执行时间，定义并行计算的速度V为工作量W除以并行时间T p个处理器的并行系统的平均速度定义为并行速度V除以处理器个数 p：

125 等速度度量标准 W是使用p个处理器时算法的工作量，令W’表示当处理数从p增大到p’时，为了保持整个系统的平均速度不变所需执行的工作量，则可得到处理器数从 p到p’时平均速度可扩放度量标准公式

126 等速度度量标准 优点：直观地使用易测量的机器性能速度指标来度量 缺点：某些非浮点运算可能造成性能的变化

127 平均延迟度量标准 Ti为Pi的执行时间，包括包括延迟Li，Pi的总延迟时间为“L i+启动时间+停止时间”。定义系统平均延迟时间为:
pTpara =To+ Ts 推持并行执行效率不变，则定义平均延迟可扩放性度量标准为

128 平均延迟度量标准 优点：平均延迟能在更低层次上衡量机器的性能 缺点：需要特定的软硬件才能获得平均延迟

129 基准测试 Benchmark的属性 可重复性（必须） 代表性（必须） 易用性（必须） 可验性（必须） 时间可测性（可选）
完全覆盖性（条件依赖） 精确性（条件依赖）

130 基准测试 基准测试程序（Benchmark） 性能分析工具
LINPACK、LAPACK、BLAS、BLACS、Livermore Loops、Dhrystone、Whetstone、NAS、SPEC、Sim LinPACK：Top500的标准测试程序 性能分析工具 监视程序的执行、产生性能数据、甚至能够作初步分析，以帮助确定性能瓶颈 DEEP 、MPE和Jumpshot 、Pablo、Paradyn

131 Thanks