Blaue Links: intern
|
|
Vorläufiges Dissertationsthema Automatische Leistungsanalyse paralleler ProgrammeFür die Lösung von komplexen, sehr rechenintensiven Aufgabenstellungen aus dem technisch-naturwissenschaftlichen Bereich werden immer häufiger hochparallele Mehrprozessorsysteme eingesetzt. Von besonderem Interesse sind zur Zeit zwei Architekturklassen. Dies sind zum einen Rechner mit verteiltem gemeinsamem Speicher (DSM - distributed shared memory), die einen globalen Adressraum auf dem physisch verteilten Speicher realisieren. Zum anderen handelt es sich um Rechner, deren Komponenten aus leistungsfähigen Mehrprozessorsystemen mit gemeinsamem Speicher bestehen, die über ein Hochgeschwindigkeitsnetzwerk gekoppelt sind.Die Programmentwicklung für Parallelrechner besteht aus vier Phasen: Programmentwurf, Kodierung, Fehlersuche und Programmoptimierung. Der Programmoptimierung kommt hierbei eine weit größere Bedeutung zu als bei der Softwareentwicklung für sequentielle Rechner, da der Einsatz von Parallelrechnern nur für solche Anwendungen vertretbar ist, die aufgrund ihres Rechenaufwandes und ihrer Zeitvorgaben auf sequentiellen Rechnern nicht schnell genug bearbeitet werden können. Die Programmoptimierungsphase ist ein Zyklus mit zwei Schritten: die Leistungsanalyse zur Erkennung von Leistungsengpässen und die Ausführung von Programmtransformationen aufgrund der gefunden Engpässe. Auch die Leistungsanalyse zerfällt wieder in zwei elementare Phasen, die zyklisch ausgeführt werden bis ein Leistungsengpass erkannt wurde, der dann durch geeignete Programmtransformationen entfernt oder zumindest gemildert werden kann. Diese Phasen sind das Messen von Leistungsdaten und das Bewerten der Messdaten. Zur Erfassung von Leistungsdaten werden im wesentlichen zwei Techniken eingesetzt, das Sampling und das Tracing. Beim Sampling wird die Programmausführung in bestimmten Abständen unterbrochen und es werden geeignete Messwerte, z. B. die Zahl der Cachefehler oder die momentan ausgeführte Operation, erfasst. Aus diesen Messwerten können dann statistische Daten über die gesamte Programmausführung abgeleitet werden. Die Technik des Tracing basiert hingegen auf einer Instrumentierung des Programms, so dass bestimmte Ereignisse der Programmausführung, z. B. Start und Ende eines Unterprogramms oder Senden und Empfangen einer Nachricht, protokolliert werden. Die erfassten Daten geben ein sehr genaues Bild des Laufzeitverhaltens, werden aber meistens in so großer Menge erzeugt, dass sie weder effizient erfasst und gespeichert werden können, noch eine Auswertung ohne grafische Werkzeuge möglich ist. Zur Bewertung der Leistungsdaten stehen eine Vielzahl von Werkzeugen zur Verfügung, die in zwei Klassen unterteilt werden können: Werkzeuge, die summarische Informationen in Bezug zum Programmtext darstellen, und Werkzeuge, die das dynamische Laufzeitverhalten durch grafische Diagramme veranschaulichen. So stehen zum Beispiel auf der CRAY T3E im ZAM die Analysewerkzeuge Apprentice und VAMPIR zu Verfügung. Apprentice ist eine Eigenentwicklung von Cray und erlaubt die Sortierung der Routinen eines Programms nach bestimmten Leistungsdaten, z. B. Ausführungszeit oder Overheadzeit, die über der gesamten Laufzeit und allen Prozessen summiert wurden. Aus den Unterprogrammen können dann einzelne Programmzeilen ausgewählt und ihre Leistungsdaten abgefragt werden. VAMPIR wurde am ZAM entwickelt und erlaubt u.a. die Visualisierung des dynamischen Programmverhaltens basierend auf Ausführungsprotokollen. Die zentrale Darstellung ist die sogenannte Timeline, in der alle Ereignisse der Prozesse nach ihrem Auftreten sortiert dargestellt werden und Nachrichten zwischen den Prozessen in Form von Pfeilen eingetragen sind. Wegen seiner flexiblen Visualisierungstechniken gilt VAMPIR als das leistungsfähigste Analysewerkzeug seiner Art. Die hier exemplarisch vorgestellten Werkzeuge der CRAY T3E verdeutlichen den Stand der Technik in diesem Bereich: Es existieren leistungsfähige Werkzeuge, die unterschiedliche Verfahren zur Erfassung von Leistungsdaten einsetzen und unterschiedliche Hilfsmittel zur Identifikation von Leistungsengpässen bereitstellen. Es ist aber alleine die Verantwortung des Anwenders, das jeweils beste Werkzeug auszuwählen und es so zu benutzen, dass er auch tatsächlich die vorhandenen Engpässe bestimmen kann. Dies ist um so unerfreulicher, da viele parallele Programme eine kleine Menge häufig wiederkehrender Leistungsengpässe aufweist, so dass schon eine automatische Erkennung dieser wenigen Leistungsengpässe eine große Arbeitserleichterung für den Anwender darstellen würde. Im Rahmen dieser Doktorarbeit soll eine automatische Steuerung des Leistungsanalysezyklus so realisiert werden, dass sie in Programmierumgebungen verschiedener Parallelrechner integriert werden kann. Hierzu müssen folgende Teilaufgaben gelöst werden:
Die auf die wissenschaftliche Fragestellung dieser Dissertation zielende Literatur ist in wichtigen Arbeiten und Quellen dem Arbeitsplan für die Durchführung der Dissertation beigefügt und bei den einzelnen Arbeitsphasen ausgewiesen. Die Dissertation ist weiterhin eingebunden in die Diskussionen der Esprit IV Arbeitsgruppe APART (Automatic Performance Analysis: Resources and Tools), die vom 1. Januar 1999 bis zum 31. Dezember 2000 von der EU gefördert wird. Die Arbeitsgruppe setzt sich aus drei europäischen Firmen, sechs europäischen Universitäten, drei amerikanischen Universitäten und dem Forschungszentrum Jülich zusammen, das auch für die Organisation verantwortlich ist.
Arbeitsplan für die Durchführung der Dissertation "Automatische Leistungsanalyse paralleler Programme"von Herrn Hans-Georg Eßer
Literatur
Last modified: Tue Jan 4 22:41:38 CET 2000 |
Copyright © 1997-2024 Hans-Georg Eßer; Server: Debian Linux, Apache Web Server, letzte Änderung: Thursday, 15-Jun-2006 14:16:30 CEST
Theme: