764 visualizaciones desde el 8 de Septiembre del 2017
150,3 KB
3 paginas
Creado hace 17a (25/03/2008)
Computación Cluster y Grid
Computación Cluster y Grid
Computación Cluster y Grid
Práctica de Equilibrado de Datos
1
1
3
Información para su realización
La práctica se realizará de la siguiente forma:
Grupos de hasta 2 personas
Código de apoyo:
Implementación del problema de simulación (como una biblioteca).
Implementación secuencial de referencia.
Implementación de dos solución paralelas.
Herramienta: Código desarrollado con MPI para C.
Máquina para su desarrollo:
Supercomputador Magerit
Fecha de entrega: (11-Junio) Último día de clase
Entregables:
Código.
Memoria con los resultados experimentales.
Computación Cluster y Grid
2
2
4
Práctica: Equilibrado de Datos
Objetivo: Reducir el tiempo total de cómputo de una
aplicación Master/Slave basada en MPI utilizando
técnicas de equilibrado de datos.
Para ello se espera:
Repartir proporcionalmente la carga entre los esclavos.
Mejorar el rendimiento de la solución paralela
proporcionada.
Presentación del speed-up conseguido respecto a la
solución secuencial proporcionada.
Computación Cluster y Grid
Computación Cluster y Grid
Aplicación: Sistema de Partículas
Se dispone de un espacio bi-dimensional en el que
residen dos tipos de objetos:
Partículas: Sujetas a diversas fuerzas que determina su
movimiento.
Repulsores: Partículas que no se ven afectadas por otras
partículas pero que sí ejercen un efecto de repulsión de
las partículas.
La aplicación simula la dinámica de un conjunto de
partículas después de N instantes de tiempo.
Computación Cluster y Grid
Aplicación: Sistema de Partículas
Modelo modificado de dinámica de objetos autónomos
de Craig Reynolds:
Dinámica de movimiento independiente:
Rotación: En torno al centro de coordenadas y proporcional al radio
Repulsión: Fuerza de repulsión contraria a ciertas partículas
independientes.
Dispersión: Factor aleatorio.
Dinámica de movimiento de grupo: (Steering Forces)
Entropía (distancia entre pares de partículas por su velocidad)
Si el número de partículas es bajo: Frena las partículas.
Si el número de partículas es alto: Acelera a las partículas.
Separación: Fuerza de repulsión entre cada par de partículas,
proporcional al inverso de la distancia.
Cohesión: Fuerza que tiende hacia el centro de masas del grupo de
partículas.
Computación Cluster y Grid
Mejora de Rendimiento
Para mejorar el rendimiento:
No se debe alterar la biblioteca de cálculo proporcionada.
Se deben plantear diferentes estrategias de división del
trabajo.
Hay que considerar:
Que el movimiento de una partícula se ve afectado por el
resto, pero sólo dentro del rango de acción (distancia 5).
La densidad en número de partículas (y el coste
computacional de su cómputo) no es igual en todas las
regiones del espacio.
La complejidad del cómputo de una partícula data
también es dependiente de cuántas partículas están en su
vecindario, así que no es constante.
Computación Cluster y Grid
5
7
6
8
Aplicación: Sistema de Partículas
Las partículas tienden a formar pequeños grupos y a
huir de los repulsores.
La complejidad de los cálculos en el punto más pesado
es O(n3)
Computación Cluster y Grid
Presentación de Resultados
Debido a que el sistema presenta dos elementos
variantes:
Determinación aleatoria de las partículas (si se altera la
semilla)
La propia ejecución paralela.
Las pruebas se realizarán:
Sobre 10 ejecuciones de cada configuración
Promediando los resultados
Las pruebas se harán con 8 y con 16 procesadores para
las configuraciones:
Partículas={400,800,1600}
Iteraciones={100,500}
Crear cuenta
Comentarios de: Computación Cluster y Grid - Práctica de Equilibrado de Datos (0)
No hay comentarios