Programmierung von Multicore-Rechnern

Größe: px

Ab Seite anzeigen:

Download "Programmierung von Multicore-Rechnern"

Götz Dieter
vor 8 Jahren
Abrufe

1 Programmierung von Multicore-Rechnern Prof. Dr.-Ing. habil. Peter Sobe HTW Dresden, Fakultät Informatik/Mathematik Gliederung: Ein Blick auf Multicore-Prozessoren/ und -Rechner Weshalb? Nutzbarmachung durch Computerprogramme Multicore-Programmierung Profitierende Anwendungen Freital,

de Gliederung: Ein Blick auf Multicore-Prozessoren/ und -Rechner Weshalb?

2 Herkömmliche PCs Klassische Computer (insbes. PCs) bestehen aus: einem Prozessor (CPU, core) sockel Arbeitsspeicher (RAM) Grafikkarte (GPU) spezialisierter E/A-Bus zum Anschluss von Festplatten E/A-Bus, z.b. zum Anschluss einer Netzwerkkarte externe Interfaces, z.b. USB auf Mainboard mit einem Chipsatz

Grafikkarte (GPU) spezialisierter E/A-Bus zum Anschluss von Festplatten

3 Ein Blick auf Multicore Multiprozessor-Computer (früher nur spezielle Server-PCs) bestehen aus: mehreren Prozessoren (CPU-1) (CPU-2) (CPU-3) (CPU-4) sockel sockel sockel sockel Arbeitsspeicher (RAM) Grafikkarte (GPU) spezialisierter E/A-Bus zum Anschluss von Festplatten E/A-Bus, z.b. zum Anschluss einer Netzwerkkarte externe Interfaces, z.b. USB auf Mainboard mit einem Chipsatz

Arbeitsspeicher (RAM) Grafikkarte (GPU) spezialisierter E/A-Bus zum Anschluss von Festplatten

4 Ein Blick auf Multicore Multicore-Computer (heute schon fast alle PCs/Notebooks) bestehen aus: selten mehreren Prozessor-Chips, dafür aber Chips mit mehreren Prozessorkernen (cores) (CPU-0 CPU-1 CPU-2 CPU-3) sockel Arbeitsspeicher (RAM) Grafikkarte (GPU) spezialisierter E/A-Bus zum Anschluss von Festplatten E/A-Bus, z.b. zum Anschluss einer Netzwerkkarte externe Interfaces, z.b. USB heute 2 bis 8 Kerne üblich

CPU-3) sockel Arbeitsspeicher (RAM) Grafikkarte (GPU) spezialisierter E/A-Bus zum Anschluss von

5 Weshalb werden Multicore-Prozessoren entwickelt? hohe Integrationsdichte bei Halbleitertechnologie, d.h. man kann immer mehr Funktionseinheiten auf einem Chip unterbringen Leistungssteigerung über höhere Taktfrequenz nicht mehr möglich Besser: mehrere einfache Prozessorkerne als ein hochkomplexer Kern benötigt? mehr Verarbeitungsleistung für einzelne Anwendungsprogramme, z.b. für schnellere Anzeige großer Fotos Video-Dekodierung Computerspiele gleichzeitiges Ausführen mehrerer Programme In den meisten Programmen werden mathematische Verfahren auf großen Datenmengen ausgeführt. Diese Datenmengen kann man aufteilen und parallel durch mehrere CPUs verarbeiten.

6 Nutzbarmachung durch Computerprogramme Anwendungsprogramm 1 z.b. Webbrowser Anwendungsprogramm 2 z.b. ein Simulator Anwendungsprogramm 3 z.b. Foto-Konvertierung Betriebssystem Rechner-Hardware mit mehreren CPUs

Webbrowser Anwendungsprogramm 2 z.b. ein Simulator Anwendungsprogramm 3 z.

7 Multicore-Programmierung Programmierung und Programmiersprachen entwickelten sich aus sequentieller Sichtweise heute (noch?) vorwiegend sequentielle Programmiersprachen: Java, C, C++, C#, Objective-C, Fortran, Cobol Multicore Programmierung durch Erweiterung sequentieller Programmiersprachen Steuerung der Parallelarbeit durch Zugriff Betriebssystemfunktionen und Sammlungen von Unterprogrammen, meistens basierend auf s.g. Threads Teilautomatische Parallelisierung durch Übersetzerprogramme, OpenMP Frameworks und Ausführungsrahmen mit eingebauter Erzeugung und Steuerung paralleler Threads, z.b. Intel TBB, OpenCL

Programmiersprachen Steuerung der Parallelarbeit durch Zugriff Betriebssystemfunktionen und Sammlungen von Unterprogrammen, meistens basierend auf s.g.

8 Multicore-Programmierung

9 Multicore-Programmierung thread_create thread_join

10 Multicore-Programmierung # omp parallel for for-zyklus

11 Multicore-Programmierung class MatrixVectorMult { public: void operator () (const blocked_range<size_t> &r) const { for( size_t j=r.begin(); j!=r.end(); j=j+1 ) { c[j]=0.0; partitioner parallel_for originales Problem }; for (i=0; i<n; i++) c[j] = c[j] + A[j][i] * b[i]; } Zeit parallel_for(blocked_range<size_t>(0,n), MatrixVectorMult(A,b,c), auto_partitioner); Threads

0; partitioner parallel_for originales Problem }; for (i=0; i<n; i++) c[j] = c[j] + A[j][i]

12 Multicore-Programmierung

13 Profitierende Anwendungen Wissenschaftliche Berechnungen: Lösung großer Gleichungssysteme Numerische Lösung von Differentialgleichungen z.b. für die Wettervorhersage Verschlüsselung- und Entschlüsselung Bildverarbeitung Videokomprimierung Automatische Objekterkennung in Bildern Computerspiele Webserver, -browser

für die Wettervorhersage Verschlüsselung- und Entschlüsselung Bildverarbeitung

Ähnliche Dokumente

Projektseminar Parallele Programmierung

Projektseminar Parallele Programmierung HTW Dresden WS 2014/2015 Organisatorisches Praktikum, 4 SWS Do. 15:00-18:20 Uhr, Z136c, 2 Doppelstunden o.g. Termin ist als Treffpunkt zu verstehen Labore Z 136c / Z 355 sind Montag und Donnerstag 15:00-18:20