Нижегородский государственный университет им.Н.И.Лобачевского.

ЛАБОРАТОРИЯ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Факультет вычислительной математики и кибернетики

Лаборатория ITLabИсследованияПроекты 2003-2009 гг.Научно-производственные проектыТехнология разработки распределенных параллельных программ с помощью Cluster OpenMP Switch to English version  
Новости
О Лаборатории
Обучение
Исследования
Проекты 2011 г.
Проекты 2010 г.
Проекты 2003-2009 гг.
Образовательные комплексы
Семинар Лаборатории
Мероприятия
Вакансии Интел
Сотрудничество
Разработчики сайта
О нас пишут
Летняя школа 2011
Видео лекции
Клуб У.М.Н.И.К.
Имя:
Пароль:
запомнить:
Забыли пароль? Регистрация

Наименование проекта

Технология разработки распределенных параллельных программ с помощью Cluster OpenMP

Краткое описание

Cluster OpenMP – это технология, обеспечивающая выполнение OpenMP программ на нескольких вычислительных узлах, связанных коммуникационными сетями. Аппаратно такие узлы не имеют общей памяти, поэтому Cluster OpenMP имитирует ее программным образом.

Общее описание предметной области

Параллельное программирование – активно развивающийся в последнее время подход к разработке вычислительно-трудоемких программных комплексов, позволяющий использовать возможности современных многоядерных и многопроцессорных систем и существенно ускорять время работы программ. Разработка параллельных программ существенно более сложна, чем создание программ последовательных, поэтому наличие технологий параллельного программирования, облегчающих этот процесс, имеет огромное значение. Одной из таких технологий является разработанная компанией Intel технология Cluster OpenMP.

Вы можете использовать Cluster OpenMP для своей программы, если:

  • вам нужна производительность большая, чем может быть достигнута только с использованием одного процессора
  • вы хотите использовать технологию Cluster OpenMP, которую легче использовать и легче отладить, чем MPI
  • ваша программа дает хорошее ускорение при использовании технологии OpenMP
  • ваша программа требует малой синхронизации, и данные в ней хорошо локализованы

Для исследования эффективности Cluster OpenMP с точки зрения производительности и процесса внедрения в существующий программный продукт достаточно высокой сложности была выбрана библиотека вероятностных сетей PNL.

Библиотека алгоритмов обработки вероятностных сетей Probabalistic Network Library (PNL)

  • представляет собой удобное средство работы с графическими моделями
  • содержит высокопроизводительные версии алгоритмов вывода и обучения
  • предназначена для работы с широким спектром приложений в области компьютерной графики, распознавания образов, принятия решений включает в себя параллельные версии наиболее популярных алгоритмов для систем с общей и распределенной памятью

Цели проекта

  1. Используя реализацию PNL под OpenMP, распараллелить код алгоритмов Gibbs Sampling Inference и Expectation Maximization Learning библиотеки PNL с помощью Cluster OpenMP на Linux EM64T
  2. Сравнить производительность параллельных версий алгоритмов на основе Cluster OpenMP с версиями на основе MPI и OpenMP
  3. Собрать статистику, характеризующую процесс внедрения в программный код указанных алгоритмов библиотеки PNL c поддержкой Cluster OpenMP
  4. Опубликовать результаты на www.sourceforge.net

Коллектив

Кураторы проекта

  • Андрей Тананакин (Интел)
  • Александр Сысоев (ННГУ)

Исследователи

  • Анна Лабутина (ННГУ)
  • Андрей Камаев (ННГУ, ИТЛаб)
  • Алексей Сиднев (ННГУ, ИТЛаб)
  • Александр Коваленко (ННГУ)
  • Ольга Маковеева (ННГУ, ИТЛаб)

Текущие исследования

  1. Изучение Cluster OpenMP, написание простейших примеров
  2. Изучение алгоритмов Gibbs Sampling Inference и Expectation Maximization Learning библиотеки PNL
  3. Сборка библиотеки PNL под Windows компилятором Intel C++ Compiler 9.0, подбор тестовых сетей, прогон тестов (OpenMP и MPI), сбор результатов.
  4. Сборка библиотеки PNL под Linux EM64T  компилятором Intel C++ Compiler 9.1, прогон тестов (OpenMP и MPI), сбор результатов.

Программное обеспечение

  1. Fedora Core 4
  2. Intel C++ Compiler 9.1 (beta)
  3. MPICH2
  4. Intel MPI
  5. PNL

Материалы курса

Новости

14.11.2015
16.10.2015
16.10.2015
14.10.2015
20.09.2015

© ITLab, Нижний Новгород,  2009