Programmation des systèmes réparties

Frédéric Gava (MCF)gava@univ-paris12.fr

LACL, bâtiment P2 du CMC, bureau 221Université de Paris XII Val-de-Marne

61 avenue du Général de Gaulle94010 Créteil cedex

Architectures parallèles

3/0

Premières machines

1976 : Cray I: refroidi au « gaz liquide » 1981 : Cyber 205, 50 Mflops 1986 : Cray X-MP (713 MFlops) 1991 : Cray Y-MP (16 GFlops) 1995-2006 :

Grappes de PC Super-ordinateurs parallèles et vectoriels Calcul globalisé ou grilles de calcul géographiquement distribuées

4/0

Exemple grappe de PCs

5/0

Une grappe de l’INRIA

6/0

Super-ordinateursLe earth-simulator au Japon, environ 5000 processeurs…Le Tera-10 du CEA (France) est classé par mis les 5 plus puissantes machines…

7/0

Le parallélisme ?

On distribue les données sur p=4, 32, 5000 ordinateurs : Chacun calcule sur sa part des données

On s’échange les résultats

On recommence si nécessaire

On espère que le calcul soit complété p fois plus vite : Mais: l’échange des données prend du temps

… temps relatif inchangé depuis plus de 20 ans

Échange 20, 100, 1000 x plus lent qu’un calcul … s’il n’y a pas de bouchon !

8/0

Paralléliser c’est distribuer

Données

D on né es

9/0

Paralléliser c’est accélérerC

ALCUL

CA

LC

UL

10/0

Mais aussi communiquer et synchroniser

11/0

Comment mesurer ?

L

Cela limite les performances…

Calcul

Données

G

Synchronisation (latence)

Temps de communication

12/0

Vitesse de calcul

log Flops/s

-2,0

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

Kilo Mega Giga Tera

Loi de Moore : l’efficacité des processeurs double tout les 18 mois (normalement vrai jusqu’en 2017 mais après ?)

13/0

Vitesse des communications

 Nb Processeurs

Mflops/s 1/L M/s 1/g Mmots/s

t3e-256(2) 2000 1,1 260

t3e-256(4) 4000 0,9 382

t3e-256(8) 7000 0,6 327

t3e-256(16) 15000 0,4 253

t3e-256(24) 2200 0,47 222

t3e-256(32) 28000 0,41 177

CRAY T3E, haut de gamme circa 2002

Même la fibre optique n’y peut rien car la vitesse de la lumière est finie et donc communiquer coûte cher…

14/0

Le problème de l’efficacité

Le but faire le total (addition) d’un ensemble de nombre donnée ; le nombre d’entiers à additionner sera toujours le même On va répartir ces nombres suivant deux nombres de processeurs (humains), 5 et 10 Pour cette expérience, je vais demander 10 volontaires

Chacun des volontaires fait la somme des entiers qui lui sont alloués Dès que le volontaire a terminé, il se met près de moi Puis les volontaires se réunissent pour faire la somme total On analysera ensuite l’efficacité globale des volontaires

15/0

Exemple

4+8 2+15+9

Volontaire :

1 2 3

Total : 12+14+3=29

16/0

Total avec 5 processeurs

4+8+7+3 2+1+9+85+9+6+1 6+7+4+13+4+5+1

Volontaire :

1 2 3 4 5

17/0

Total avec 10 processeurs

Volontaire :

5+6

2

4+8

1

9+2

3

1+7

4

3+8

5

4+5

6

1+6

7

3+9

8

7+4

9

2+3

10

18/0

Moralité Les communications coûtent cher

La synchronisation aussi

Ce n’est pas parce que l’on a plus de processeur que le calcul sera plus rapide : on parle d’efficacité de l’algorithme parallèle

En gros : plus on a de processeurs plus il faut de gros problèmes sinon on fait perdre du temps au processeurs (par rapport à une machine parallèle avec moins de processeurs)

19/0

Différentes architectures (1)

On peut classer les machines parallèles suivant leur efficacité, leur nombre de processeurs, le types des processeurs/réseaux/mémoires etc.

On peut néanmoins et grossièrement classer les machines parallèles suivant 2 catégories :

Les machines à mémoire partagées

Les machines à mémoire distribuées

Le modèle client/serveur

20/0

Mémoires partagées

Processeur

Mémoire

Bus

Processeur

Bus

Les processeurs « multi-core » comme les « dual-core » : les processeurs accède directement à la mémoire vive ; très efficace mais encore coûteux et limité en nombre de processeurs (16 maxi dans le commerce)

Processeur

MémoireBus

RéseauProcesseur Processeur

Ici, c’est l’apanage des grosses, commerciales et coûteuse (100k à 1M euros) machines massivement parallèles comme les Cray T3E, SGI Origin 2000, IBM SP avec 64, 128, 256 processeurs. Mais très efficaces. Les processeurs accèdent tous à une mémoire vive via un réseau => communications aussi efficaces que lecture mémoire

21/0

Mémoires distribués

Processeur

Mémoire

RéseauProcesseur

Mémoire

Processeur

Mémoire

Les processeurs communiquent via le réseaux ; c’est le domaine des grappes de machines. Possibilité de machines peu cher avec un TRES grand nombre de processeurs mais néanmoins, encore aujourd’hui, des communications plus lentes que précédemment. Possibilité de construire pour pas cher sa propre machine parallèle…

Machine esclave

Réseaux

Machine esclaveMachine esclave

Machine esclave

Machine maître

Une machine maître (serveur) distribue les données et les calculs aux esclaves (client) et le maîtres récolte les résultats. Ce modèle de machine parallèles a été utilisé par exemple pour le Généthon, SETI@HOME etc. en utilisant les temps de calculs non-utilisé par les particuliers. On a donc une très grande capacité de calcul mais avec les problèmes suivant : il faut que le problème soit trivialement décomposable, il faut vérifier les données calculés pour éviter les pirates (on fait de la redondance de calcul puis on prend le résultat le plus rendu), communications parfois très coûteuses.

22/0

Différentes architectures (2)

Single Instruction

Multiple Instructions

Single Data SISD MISD

Multiple Data SIMD MIMD

Machine Séquentielle

On peut aussi classer les machines parallèles suivant les programmes parallèles qui y sont utilisés

Pour cela, on classe suivants les instructions et les données

Grappe de machines

23/0

SIMD Chaque instruction du processeur manipule parallèlement (dans les circuits imprimés) plusieurs données : on a donc plusieurs calculs à la fois pour chaque instruction

On trouve ce type d’instructions dans

les accélérateurs graphiques (du processeur ou de la carte graphique) : on souhaite manipuler plusieurs pixels/polygones à la fois

les processeurs avec co-processeurs arithmétiques : on souhaite calculer plusieurs additions à la fois pour accélérer les gros calculs numériques

etc.

24/0

MISD Plusieurs instructions manipulent parallèlement une seule et unique donnée !?

En fait possible avec des programmes dis en « pipe-line » : des données circulent sur un circuits de processeurs (ou de processus, c’est à dire avec plusieurs processus sur un même processeur) et chaque processus ne fait qu’une seule et unique opération

Exemple :

Processus 1calcul +1

Processus 2calcul *2

Processus 3calcul +3 ?1, 5, 6

10, 23

Flux de données

Données initiales Données finales

Futurs du parallélisme ?

(qui vivra verra…)

26/0

Les grilles de calcul Un « graal »

(super)-ordinateur distribuées géographiquement

Du calcul à la demande, comme de l’électricité

Nombreux projets et réalisations : GRID’5000

Grille du CERN

Globus

etc.

27/0

Taxonomie Une machine parallèle=plusieurs processeurs Meta-computing = plusieurs machines parallèles Calcul pair-à-pair = chaque machines est relié à une ou plusieurs autres machines (échanges de fichiers) Modèle Clients-Serveurs = des serveurs répartissent les calculs à des clients ; ceux-ci se connectent, calculent, redonnent le résultats aux serveurs etc. Global-computing = toutes les machines du mondes vue comme une seule ENORME machine (le « graal ») Mobile-computing = un utilisateur veut lancer une application ; un agent informatique se « balade » sur le net pour trouver une machine suffisamment puissante pour exécuter cette application ; puis revient sur la machine de l’utilisateur pour lui fournir le résultat etc.

28/0

Les problèmes Sécurité :

applications détruisant les fichiers etc. autorisation sur quelles machines ? sûreté d’exécution : une application plantant la/les machine(s) pour gêner les autres applications etc.

Performance : prédiction des communications… répartition des ressources physiques une petite application (calculette) a t’elle besoin d’autant de ressource ? sécurité : une application faisant des millions de calculs inutile pour gêner les autres etc.

Portabilité : grande hétérogénéité des machines Tolérance aux « pannes » : comment faire quand une machine se déconnecte (panne de courtant etc.) ? La recherche en informatique y travaille (voir site LACL par ex.)

29/0

Applications Analyse de la structure du web :

Qui parle de qui sur les pages perso ? Que peut-on savoir sur mon entreprise via le web et par regroupement d’information ? Quelles sont les réseaux pirates ?

Sécurité informatique : ce protocole de commerce est-il vraiment sûr ? Quel effet aurait une panne sur des informations critiques ? Le protocole de vote électronique est-il fiable ? Un pirate peut-il tous casser dans le réseau de mon entreprise ?

Et tellement d’autres choses… Intelligence artificiel (interaction homme-machine comme un e-vendeur ou apprentissage automatique pour la recherche de pétrole d’après des relevés topographiques et géologiques) Calcul formelle, démonstration automatiques, assistant de preuves (les sujets de Bac S peuvent être entièrement résolue par des machines) etc.