Автоматизация конструирования численных параллельных программ с заданными нефункциональными свойствами на базе вычислительных моделей

Автоматизация конструирования численных параллельных программ с заданными нефункциональными свойствами на базе вычислительных моделей

Автор: Перепелкин Владислав Александрович, Софронов Иван Викторович, Ткачева Анастасия Александровна

Журнал: Проблемы информатики @problem-info

Рубрика: Параллельное системное программирование и вычислительные технологии

Статья в выпуске: 4 (37), 2017 года.

Бесплатный доступ

В работе рассматривается проблема автоматизации конструирования параллельных программ численного моделирования с заданными нефункциональными свойствами. Задача конструирования программы рассматривается как задача выбора для каждой функции, входящей в исходное описание алгоритма решения задачи, реализующий ее модуль из числа заранее за¬данных, каждый из которых обладает разными (известными) нефункциональными свойства¬ми. В качестве математического аппарата для формального описания связи между свойствами отдельных модулей и свойствами результирующей программы предлагается использовать вы¬числительные модели, описанные в теории структурного синтеза параллельных программ и систем на вычислительных моделях. На базе системы фрагментированного программирования LuNA, ориентированной на автоматическое конструирование параллельных программ численного моделирования, проведен эксперимент по конструированию параллельной программы с заданными нефункциональными свойствами.

Еще

Автоматизация синтеза параллельных программ, кодогенерация, автоматическая настройка программ, технология фрагментированного программирования, система фрагментированного программирования luna

Короткий адрес: https://sciup.org/143165279

IDR: 143165279

Список литературы Автоматизация конструирования численных параллельных программ с заданными нефункциональными свойствами на базе вычислительных моделей

  • Kale L.V., Krishnan S. ('II.Л ИМ: a portable concurrent object oriented system based on С++//OOPSLA'93 Proc. of the eighth annual conf. on Object-oriented programming systems, languages and applications. ACM. New York. 1993. P. 91-108.
  • OpenMP .: http://www.openmp.org/
  • Вальковский В. А., Малышкин В. Э. Синтез параллельных программ и систем на вычислительных моделях. Новосибирск: Наука. Сиб. отд-ние, 1988.
  • Malyshkin V. Е., Perepelkin V. A. LuNA Fragmented Programming System, Main Functions and Peculiarities of Run-Time Subsystem//In the Proc. of the 11th Intern. Conf. on Parallel Computing Technologies (PaCT 2011), LNCS. V.~6873, Springer, 2011. P. 53-61.
  • Брусенцов Л. E. Автоматическая оптимизация при компиляции//Открытые системы, 2011, № 2. С. 53-50.
  • Брусенцов Л. Е. Распределенный итеративный поиск опций компиляции//XIII Росс. конф. с участием иностранных ученых „Распределенные, информационные и вычислительные ресурсы" (DICR'2010): материалы конф. электр. данные. Новосибирск: ИВТ СО РАН, 2010 (CD-ROM). № гос. регистрации 0321100051. -http://conf.nsc.ru/dicr2010/ru/reportview/29810.
  • Purini S., Jain L. Finding Good Optimization Sequences Covering Program Space//ACM Transactions on Architecture and Code Optimization, Vol. 9. N 4. Article 39. 2010.
  • Michael R. Jantz, Prasad A. Kulkarni Performance Potential of Optimization Phase Selection During Dynamic JIT Compilation//VEE'13, March 16-17, 2013, Houston, Texas, USA.
  • The GNU Compiler Collection (GCC) .: https://gcc.gnu.org.html.
  • Using the GNU Compiler Collection (GCC): Optimize Options .: https://gcc.gnu.org/onlinedocs/gcc/Optimize-Options.html.
  • Leather H., Bonilla E., О'Boyle M. Automatic Feature Generation for Machine Learning Based Optimizing Compilation//Proc. of the 7th annual IEEE/ACM Intern. Symposium on Code Generation and Optimization, 2009. P. 81-91.
  • Ashouri A. H., Palermo G., Silvano C. Auto-tuning Techniques for Compiler Optimization//DATE'2016-PhD Forum, IEEE/ACM, Dresden, Germany, 2016.
  • Hashimoto M., Terai M., Maeda T. and Minami K. Extracting Facts from Performance Tuning History of Scientific Applications for Predicting Effective Optimization Patterns.//Proc. of the 12th Working Conf. on Mining Software Repositories, 2015. P. 13-23.
  • Akhmed-Zaki D., Lebedev D., Perepelkin V. Implementation of a three dimensional Three-Phase Fluid Flow („Oil-Water-Gas") Numerical Model in LuNA Fragmented Programming System//Journal of Supercomputing, S.I.: Parallel Computing Technologies -2016. Springer, 2016. P. 1-7.
  • Malyshkin V. E., Perepelkin V. A., Tkacheva A. A. Control Flow Usage to Improve Performance of Fragmented Programs Execution. PaCT 2015. LNCS, Vol. 9251, Springer, 2015. P. 86-90.
  • Ткачева А. А. Эффективное исполнение фрагментированных программ с помощью средств прямого управления в системе LuNA на примере задачи редуцирования данных//Проблемы Информатики. 2016. № 2 (31). С. 21-29.
  • Tkacheva A. A. The Algorithm of Control Program Generation for Optimization of LuNA Program Execution. PaCT 2017. LNCS, V. 10421. Springer, 2017. P. 365-371.
  • Kireev S. E., Malyshkin V. E. Fragmentation of Numerical Algorithms for Parallel Subroutines Library//J. Supercomputing. 2011. V. 57. N 2. P. 161-171.
  • Межведомственный Суперкомпьютерный Центр Российской Академии Наук. .: http://www.jscc.ru/scomputers.html
Еще
Статья научная
SciUp 2024 © 2024 ©