PDF de programación - Práctica de Multiprocesadores Introducción a OpenMP - Arquitectura de Computadores

Arquitectura de Computadores
Arquitectura de Computadores::

Práctica de Multiprocesadores
Práctica de Multiprocesadores

Introducción a OpenMP
Introducción a
OpenMP

Índice

Introducción

1.
2. Regiones Paralelas:

a) For
b) Sections

3 Distribución del trabajo
3. Distribución del trabajo
4. Gestión de datos
5. Sincronización
6. Tareas
7. Funciones de biblioteca
8. Variables del entorno
9. Ejemplo Π

AC : MP: Introd. a OpenMP

2

1. Introducción

 OpenMP se basa en directivas al compilador (¡es

compilable incluso si no se soporta OpenMP!)
 Mismo código fuente para secuencial y paralelo
 Se protege con el preprocesador: _OPENMP
 Basado en paralelización de bucles (datos)
Basado en paralelización de bucles (datos)
 Se aplica a bloques estructurados

1. Introducción

 Modelo de paralelismo: Fork-Join
 Un maestro crea y gestiona threads según

necesidad:

• 1 entrada, 1salida

 Se apoya en threads, para la paralelización
 Pensado para memoria compartida
 Modelo SPMD


¡Puede haber interbloqueos y carreras!

AC : MP: Introd. a OpenMP

3

AC : MP: Introd. a OpenMP

4

Ejemplo

Regiones Paralelas

// Secuencial:
void main()
{

double Res[1000];

// Paralelo:
void main()
{

double Res[1000];

for(int i=0;i<1000;i++)
do_huge_comp(Res[i]);

}

#pragma omp parallel for
for(int i=0;i<1000;i++)
do_huge_comp(Res[i]);

}

 Similar el paralelo y el secuencial.
 Pocos cambios, legible y fácil de mantener

AC : MP: Introd. a OpenMP

5

Se declaran con la directiva

#pragma omp parallel
{//código…}

 Crea N threads que ejecutan en paralelo el mismo

código solo cambia su ID
código, solo cambia su ID.
¡Al final de la región hay una barrera implícita!


 El número de threads depende de variables internas

(num_threads, max_threads, dynamic)

 O de la clausula num_threads(int)
 Si aparece la clausula “if”, se paraleliza sólo si se

cumple la condición:…parallel if(N>100)…

AC : MP: Introd. a OpenMP

6

1

Regiones Paralelas: Ejemplo

Distribución del trabajo: for

double A[1000];
omp_set_num_threads(4);
#pragma omp parallel
{

int ID = omp_get_thread_num();
sumarElemA (ID,A);

}

Se declaran con la directiva

#pragma omp for

for (;;) {//código…}

 Divide las iteraciones de un bucle entre los threads

disponibles.

 Al final hay una barrera implicita (evitable: nowait)



Se puede especificar la planificación
Se pueden “agrupar” varios bucles en uno, juntando sus
iteraciones: #pragma omp for collapse (3)

AC : MP: Introd. a OpenMP

7

AC : MP: Introd. a OpenMP

8

Distribución del trabajo: Ejemplo for

Distribución del trabajo: for

1. Código secuencial

2.

Región Paralela OpenMP
(id, i, Nthrds, istart, iend:
son variables privadas,
¿por qué? ¿deben serlo?)

3.

Región Paralela
OpenMP y distribución
de trabajo for

for(i=0;i<N;i++)

{a[i] = a[i] + b[i];}

#pragma omp parallel
{

int id, i,Nthrds,istart,iend;
id = omp_get_thread_num();
Nthrds =omp get num threads();
Nthrds omp_get_num_threads();
istart = id * N / Nthrds;
iend = (id+1) * N / Nthrds;
for(i=istart;i<iend;i++)
{ a[i] = a[i] + b[i];}

}
#pragma omp parallel
#pragma omp for schedule(static)
for(i=0;i<N;i++)

{ a[i] = a[i] + b[i];}



thread

Planificación con la clausula schedule:
#pragma omp for schedule(..)
schedule (static [,chunk])
● Asigna bloques fijos de iteraciones de tamaño “chunk” a cada
schedule (dynamic [ chunk])
schedule (dynamic [,chunk])
●
schedule (guided [,chunk])
●
●
schedule (runtime)
●

Cada thread coge dinámicamente bloques de iteraciones
El bloque inicialmente es grande y va bajando hasta
tamaño“chunk”

Cada thread coge “chunk” iteraciones hasta terminar con todas

Planificación y tamaño de bloque determinado por la variable de
entorno OMP_SCHEDULE







AC : MP: Introd. a OpenMP

9

AC : MP: Introd. a OpenMP

10

Distribución del trabajo: for

Distribución del trabajo: sections

 Asigna “secciones” a threads. Ejemplo
#pragma omp parallel
#pragma omp sections
{
x_calculation();
#pragma omp section
p g
y_calculation();
#pragma omp section
z_calculation();

p

}
 Al final hay una barrera (opción nowait)

AC : MP: Introd. a OpenMP

11

AC : MP: Introd. a OpenMP

12

2

Gestión de los datos

Gestión de los datos

 Todos las variables son compartidas (memoria

compartida)

 Pero las variables ubicadas en cada pila propia
(parámetros y variables locales) son privadas
( d th
(cada thread tiene su pila)
il )

d ti

 Se puede cambiar los ‘atributos’ de las variables

heredadas del maestro mediante cláusulas



shared: Variable común a todos los threads
● Cuidado: puede necesitar regiones críticas



 private: Cada thread tiene “su” copia local.
● Sin inicializar e indefinido tras la región paralela
firstprivate: Es private, pero se inicializa con el
valor del ‘original’ (variable del maestro)
lastprivate: Es private, pero al final tiene el valor
que le corresponda en la última iteración



 default: shared, private (FORTRAN) o none

AC : MP: Introd. a OpenMP

13

AC : MP: Introd. a OpenMP

14

Gestión de los datos








threadprivate: hace una copia privada de un dato
asociada a cada thread. Existe a lo largo de la
ejecución. en secuencial se ve la copia del maestro
copyin: inicializa los threadprivate con el maestro
copyprivate: pasa el valor dado en un hilo al resto
(se usa con single)
reduction (op:list): deben ser variables shared
• Hará una copia local y la inicializará según “op”
• Al final las copias locales se reducen a una global
• Operadores: + * - & | ^ && || min max

Gestión de los datos

1. #pragma omp parallel private(i) firstprivate(j)

{ i = 3 + func(id);

j = j + 2; }

2. #pragma omp parallel for lastprivate(i)

for (i=0; i<n-1; i++)
a[i]=b[i]; // caso n-1 fuera bucle
a[i] b[i]; // caso n 1 fuera bucle

a[i] = b[i] + b[i+1];

for (i=0; i<n; i++) {

3. #pragma omp parallel for shared(x, y, n) reduction(+:a)
reduction(^:b) reduction(min:c) reduction(max:d)
a += x[i];
b ^= y[i];
if (c < y[i]) c = y[i];
if (d > x[i]) d = x[i];

}

AC : MP: Introd. a OpenMP

15

AC : MP: Introd. a OpenMP

16

Gestión de los datos

1. int counter = 0;

#pragma omp threadprivate(counter)

2. #pragma omp threadprivate(work,size)

#pragma omp parallel copyin(size) shared(N)
{

work = build(tol,size+N);

3. #pragma omp parallel for reduction(+:res) lastprivate(Z,i)

}

}

for (i=0; i< 1000; i++){

Z = func(I);
res = res + Z;

Sincronización

critical: Define una región crítica
atomic: Asegura una actualización atómica



 barrier: Implementa una barrera


ordered: Asegura que las iteraciones se ejecutan en
el mismo orden que en secuencial: ¡¡evítese en lo
el mismo orden que en secuencial: ¡¡evítese en lo
posible!!

 master: Sólo el maestro ejecuta dicho código, los

demás se lo saltan
single: Un solo thread ejecuta dicho código, tiene
una barrera implícita. Con copyprivate puede hacer
visible a los demás threads los cálculos hechos.



AC : MP: Introd. a OpenMP

17

AC : MP: Introd. a OpenMP

18

3

Sincronización

Sincronización

1. #pragma omp parallel for schedule(dynamic) private(a)

for (i=0; i<N; i++){

a = work(i);
#pragma omp ordered

printf(“%d\n", a); //impresión resultados ordenada

}
2
#pragma omp threadprivate(x y)
2. #pragma omp threadprivate(x, y)
void init(float a, float b ) { // a y b privados
#pragma omp single copyprivate(a,b,x,y)

{
}

}

{

1. omp_lock_t *new_lock()
omp_lock_t *lock_ptr;
#pragma omp single copyprivate(lock_ptr)
{

lock_ptr = (omp_lock_t *)malloc(sizeof(omp_lock_t));
omp_init_lock( lock_ptr );
//

} //barrera, todos salen con el cerrojo!!!
return lock_ptr;

}

scanf("%f %f %f %f", &a, &b, &x, &y);

AC : MP: Introd. a OpenMP

19

AC : MP: Introd. a OpenMP

20

Tareas

Tareas: Ejemplo

 A partir de OpenMP 3.0
 Permite definir una “task”: conjunto de código y

datos a ajecutar

 Si hay algún thread disponible se pone a ejecutarla,

si no espera uno libre.



¿Cómo se pueden paralelizar este código?
while(my_pointer) {

do_independent_work (my_pointer);
my pointer = my pointer >next ;
my_pointer = my_pointer->next ;

} // End of while loop

 Permite una flexibilidad imposible antes
 Se espera por ellas en las barreras implícitas y

explícitas

 Se puede esperar por ellas con taskwait

 En general cualquier código con un número

indefinido de iteracciones. Solución bestia: contar
los elementos de la lista y montar un bucle: feo

 Solución: Tareas. Puede ser condicional (clausula if)

AC : MP: Introd. a OpenMP

21

AC : MP: Introd. a OpenMP

22

Tareas: Ejemplo

my_pointer = listhead;
#pragma omp parallel
{

#pragma omp single nowait
{

while(my_pointer) {

#pragma omp task firstprivate(my_pointer)
{
(void) do_independent_work (my_pointer);
}
my_pointer = my_pointer->next ;

}

}// End of single - no implied barrier (nowait)

} // End of parallel region - implied barrier

Funciones de biblioteca:

Entorno de Ejecución

 Gestión de threads

• void omp_set_num_threads(int)
• int omp_get_num_threads(void)
• int omp_get_thread_num(void)
• int omp_get_max_threads(void)
• void omp set dynamic(bool)
• void omp_set_dynamic(bool)
• bool omp_get_dynamic(void)
• void omp_set_nested(bool)
• bool omp_get_nested(void)

 Anidamiento del paralelismo

AC : MP: Introd. a OpenMP

23

AC : MP: Introd. a OpenMP

24

4

Funciones de biblioteca:

Entorno de Ejecución y Cerrojos

 Cerrojos

• void omp_init_lock(lock)
• void omp_destroy_lock(lock)
• void omp_set_lock(lock)
• void omp unset lock(lock)
• void omp_test_lock(lock)

_

_



 Número procesadores:

¿En una región paralela?
bool omp_in_parallel(void)
int omp_num_procs(void)
omp_get_wtime(), omp_get_wtick()

 Tomar tiempos

Variables del Entorno del Ejecución
OMP_SCHEDULE “schedule[, chunk_size]”
OMP_NUM_THREADS int_literal
OMP_DYNAMIC bool
OMP_NESTED bool
OMP PROC BIND bool
OMP_PROC_BIND bool
OMP_STACKSIZE int [B|K|M|G}
OMP_WAIT_POLICY passive || active
OMP_THREAD_LIMIT int










AC : MP: Introd. a OpenMP

25

AC : MP: Introd. a OpenMP

26

Ejemplo del cá