Обзор средств разработки высокопроизводительных приложений

Разбить на страницы

Показывать лекцию целиком

Презентацию к данной лекции Вы можете скачать здесь.

8 способов достижения высокой производительности:

Выбор вычислительной системы

Выбор модели (если задача решается методом математического моделирования

Использование эффективных вычислительных алгоритмов

Использование приёмов написания оптимального кода

Использование оптимизированных библиотек

Оптимизация при компиляции

Оптимизация готовой программы на основе анализа её выполнения

Параллельное программирование

параллелизм данных (OpenMP, Cilk Plus)

параллелизм задач (MPI)

Эволюция вычислительных технологий

От фоннеймановской архитектуры к архитектуре параллельной

Фоннеймановская архитектура

Как эволюционировала архитектура вычислительных систем

Эволюция программных технологий

Фоннеймановская архитектура последовательная, скалярная. В "классическом" фоннеймановском компьютере параллелизм отсутствует на всех уровнях.

Традиционная последовательная модель программирования, ориентированная на SISD архитектуры (по Флинну). Языки последовательного программирования.

Пользователю нужна производительность. Увеличение производительности позволяет:

решать новые, более сложные задачи;

решать старые задачи, но быстрее;

решать старые задачи, но с более высокой точностью.

Многие расширения фоннеймановской архитектуры используют параллелизм на разном уровне

Вычислительные системы с распределённой памятью (кластеры, MIMD по классификации Флинна) от небольших кластеров до суперкомпьютеров, занимающих первые позиции в рейтинге Top 500 Supercomputers.

Кластер - группа вычислительных узлов, объединённых высокоскоростной коммуникационной подсистемой и представляющая с точки зрения пользователя единый аппаратный ресурс.

Программные инструменты разработки высокопроизводительных приложений

Низкоуровневые средства

Системные вызовы операционной системы (UNIX/Linux)

IPC (InterProcess Communications)

именованные каналы;

общая память;

сообщения;

семафоры.

IPC. Сообщения. Пример

Клиент

#include <sys/types.h>
#include <sys/ipc.h>
#include <sys/msg.h>
#include "mesg.h"
main()
{
message   message;
key_t  key;
int msgid, length, n;
  
  if ((key = ftok("server", 'A')) < 0){
    printf("Невозможно получить ключ\n"); exit(1); }
  message.mtype=1L;
  if ((msgid = msgget(key, PERM | IPC_CREAT)) < 0){
    printf("Невозможно создать очередь\n"); exit(1); }
  n = msgrcv(msgid, message, sizeof(message), message.mtype, 0);
  if (n > 0) {
    if (write(1, message.buff, n) != n) {
      printf("Ошибка вывода\n"); exit(1); }
  }
  else { printf("Ошибка чтения сообщения\n"); exit(1); }
  
  exit(0);

Сервер

#include <sys/types.h>
#include <sys/ipc.h>
#include <sys/msg.h>
#include "mesg.h"
main()
{
Message      message;
key_t  key;
int  msgid, length;
  message.mtype = 1L;
  if ((key = ftok("server", 'A')) < 0){
    printf("Невозможно получить ключ\n"); exit(1); }
  if ((msgid = msgget(key, 0)) < 0){
    printf("Невозможно получить доступ к очереди\n"); exit(1); }
  if ((length = sprintf(message.buff, "Здравствуй, Мир!\n")) < 0){
    printf("Ошибка копирования в буфер\n"); exit(1); }
  if (msgsnd(msgid, (void *) message, length, 0) !=0){
    printf("Ошибка записи сообщения в очередь\n");
    exit(1); }
  if (msgctl(msgid, IPC_RMID, 0) < 0){
    printf("Ошибка удаления очереди\n"); exit(1); }
  exit(0);

POSIX Threads

Стандарт POSIX реализации потоков (нитей) выполнения, определяющий API для создания и управления ими.

POSIX.1c, Расширения потоков (IEEE Std 1003.1c-1995)

Создание, управление и завершение выполнения потоков

Планировщик потоков

Синхронизация потоков

Обработка сигналов

Реализации стандарта содержат:

функции управления потоками

функции синхронизации потоков

POSIX Threads. Пример

#include <stdio.h>
#include "gettimeofday.h"
#include <pthread.h>

#define gNumThreads 1
#define N 100000000

double a[N + 1], b[N + 1], sum;   
int i, j;   
double start, stop;   

const int gNumSteps = N;
double gVectorSum = 0;

void *threadFunction(void *arg) 
{ 
   int i;
   int myNum = *((int *)arg);
        
   double partialSum = 0;  // локально по отношению к каждому потоку

   for ( i = myNum; i < gNumSteps; i += gNumThreads )  // каждый gNumThreads-й шаг
   {
  partialSum += a[i] * b[i];   // параллельное вычисление сумм каждым потоком
   }
   gVectorSum += partialSum;          // сложения частных сумм и получение результата

   return 0;
}
int main() 
{  
 pthread_t tid[gNumThreads];
 int      tNum[gNumThreads], i, j;

// инициализация вектора   
for (j = 0; j < N; j++) 
{      
  a[j] = 1.031; b[j] = 1.057;
}

printf("Computed value of vector sum: ");
start = wcgettimeofday();   

  for (i = 0; i < gNumThreads; i++)
{
    tNum[i] = i;
    pthread_create(tid[i], NULL, threadFunction, tNum[i]);
}

  for (i = 0; i < gNumThreads; i++)
    pthread_join(tid[i], NULL);

stop = wcgettimeofday();   

printf("sum = %f\n", gVectorSum);   

printf("time = %g\n", stop - start);

Windows API

В Microsoft Windows имеется возможность разработки многопоточных приложений на C++ с помощью "стандартных" системных средств – прикладного программного интерфейса операционной системы Windows.

Windows API. Пример

#include <windows.h>
#include <stdio.h>
#define N 100000000

double a[N + 1], b[N + 1], sum;   
int i, j;   
double start, stop;   

const int gNumSteps = N;
const int gNumThreads = 1;
double gVectorSum = 0;
CRITICAL_SECTION gCS;

DWORD WINAPI threadFunction(LPVOID pArg)
{
   int i;
   int myNum = *((int *)pArg);
   double partialSum = 0;  // локально по отношению к каждому потоку
   for(i=myNum*(gNumSteps/gNumThreads); i<(myNum+1)*(gNumSteps/gNumThreads); i++)  
// используется каждый gNumThreads-й шаг
   {
    partialSum += a[i] * b[i];   // вычисление частных сумм каждым потоком
   }
   EnterCriticalSection(gCS);
   gVectorSum += partialSum;          // сложение частного результата с глобальным
   LeaveCriticalSection(gCS);
   return 0;
}
int main()
{
   HANDLE threadHandles[gNumThreads];
   int tNum[gNumThreads], i, j;

for (j = 0; j < N; j++) 
{      
   a[j] = 1.031; b[j] = 1.057;
}

printf("Computed value of dot product: ");
InitializeCriticalSection(gCS);
   for ( i = 0; i < gNumThreads; ++i )
   {
  tNum[i] = i;
  threadHandles[i] = CreateThread( NULL,            // атрибуты безопасности
                                   0,               // размер стека
                                   threadFunction,  // функция потока
                               (LPVOID)tNum[i],// данные для функции потока
                              0,              // режим запуска потока
                           NULL); // возвращаемый идентификатор потока
  }
WaitForMultipleObjects(gNumThreads, threadHandles, TRUE, INFINITE);
DeleteCriticalSection(gCS);
printf("sum = %f\n", gVectorSum);

Open Multi-Processing (OpenMP)

OpenMP

Стандарт программного интерфейса приложений для параллельных систем с общей памятью. Поддерживает языки C, C++, Fortran.

Первая версия появилась в 1997 (Fortran) / 1998 (C/C++) годах. Последняя версия OpenMP 3.0 (2008 год). Готовится версия OpenMP 4.0 (2012 год). Разработкой стандарта занимается OpenMP ARB (Architecture Board).

OpenMP. Пример

#include <windows.h>
#include <stdio.h>
#define N 100000000

double a[N + 1], b[N + 1];   
int i;   
double start, stop;   
double gDotProduct = 0;

int main()
{
// инициализация векторов   
for (i = 0; i < N; i++) 
{      
  a[i] = 1.034; b[i] = 1.057;
}
printf("Computed value of vector sum: ");
start = omp_get_wtime();   
#pragma omp parallel for reduction(+:gDotProduct)
  for ( i = 0; i < N; i++ ) 
  {
    gDotProduct += a[i] * b[i];
  }

stop = omp_get_wtime();   

printf("sum = %f\n", gDotProduct);   
printf("time = %g\n", stop - start);

Message Passing Interface (MPI)

Интерфейс Передачи Сообщений, спецификация разработанная в 1993—1994 годах группой MPI Forum, в состав которой входили представители академических и промышленных кругов. Она стала первым стандартом систем передачи сообщений.

MPI. Пример

#include <mpi.h>
#include <stdio.h>
int main (int argc, char *argv[]) 
{
   int ProcNum, ProcRank, tmp;
   MPI_Status status;
   MPI_Init (argc, argv);
   MPI_Comm_size (MPI_COMM_WORLD, ProcNum);
   MPI_Comm_rank (MPI_COMM_WORLD, ProcRank);
   if(ProcRank == 0){
  printf("Hello world from process %i \n", ProcRank);
  for(int i = 1; i < ProcNum; i++){
       MPI_Recv(tmp,1,MPI_INT,MPI_ANY_SOURCE,0,MPI_COMM_WORLD, status);
  printf("Hello world from process %i \n", tmp);
  }
   }
   else
   {
  MPI_Send(ProcRank,1,MPI_INT,0,0,MPI_COMM_WORLD);
   }
   MPI_Finalize();
   return 0;

Реализации MPI

MPI CHameleon (MPICH)

Свободно распространяемая реализация MPI. Пакет доступен в исходных кодах, поэтому допускает гибкую настройку. Поддерживается работа в различных версиях ОС UNIX, Mac OS и в последних версиях Microsoft Windows.

MPICH соответствует спецификации MPI-2. Поддерживаются различные коммуникационные среды (в т.ч. 10 Gigabit Ethernet, InfiniBand, Myrinet, Quadrics). Пока не поддерживаются системы, гетерогенные по форматам хранения данных. Имеется версия с поддержкой пакета Globus.

LAM (Local Area Multicomputer) MPI

"Opensource" реализация MPI, соответствующая спецификации MPI-1 и, в значительной мере, спецификации MPI-2. LAM поддерживает гетерогенные конфигурации, поддерживает пакет Globus и удовлетворяет IMPI (Interoperable MPI). Поддерживаются различные коммуникационные системы (в т.ч. Myrinet).

IMPI – попытка создания стандарта, обеспечивающего интероперабельность различных реализаций MPI (http://impi.nist.gov/). В настоящее время IMPI поддерживается такими реализациями, как:

LAM/MPI

MPI/Pro

Hewlett-Packard MPI (от версии 1.7)

GridMPI

LAM может работать на метакластерных системах.

Intel ® MPI

Входит в состав Intel® Cluster Toolkit. Коммерческая реализация MPI, оптимизированная для архитектуры Intel. Построена на основе MPICH.

Сайт в Интернете:

http://www.intel.com

Microsoft MPI

Входит в состав Compute Cluster Pack SDK.

Ориентирована на работу в среде ОС Microsoft Windows и доступна, в том числе, по лицензии MSDN Academic Alliance. Входит в состав Microsoft HPC Server 2008. Основана на MPICH2, включает дополнительные средства управления заданиями.

Поддерживается спецификация MPI-2.

OpenMPI

"Opensource" реализация MPI-2, разрабатываемая консорциумом представителей академических, научных и индустриальных кругов.

Полное соответствие спецификации MPI-2.

Поддержка различных ОС.

Поддержка различных коммуникационных сред.

Инструменты Intel

Библиотека Intel ® Math Kernel Library (MKL)

Состав библиотеки:

BLAS (3 уровня + расширение – уровень 1 для разреженных векторов)

LAPACK – вычислительная алгебра, в том числе решение спектральных задач

DFT (дискретное преобразование Фурье) – в том числе многомерное. Многопоточная реализация

Vector Mathematical Library – математические функции

Vector Statistical Library – набор векторизованных генераторов случайных чисел

Солверы, предобуславливатели, средства поддержки численного решения дифференциальных уравнений и др.

Оптимизирована для архитектуры Intel ®

Intel ® Integrated Performance Primitives (IPP)

Библиотека готовых компонентов для разработки мультимедийных приложений для вычислительных платформ Intel.

Включает модули для обработки сигналов и выполнения векторных и матричных операций, функции сжатия и распаковки речи и статических/динамических изображений, средства шифрования и обработки аудиоданных и текстовых строк и другое.

Intel IPP обеспечивает прозрачное использование расширенных возможностей процессоров Intel, таких, как технология MMX, наборы команд Streaming SIMD Extensions. Библиотека Intel IPP оптимизирована для работы с процессорами компании Intel.

Библиотека Intel IPP поддерживает 32- и 64-битные операционные системы Windows и Linux, включая встраиваемые версии, такие как Windows Mobile.

Intel ® Threading Building Blocks (TBB)

Библиотека готовых шаблонов C++, упрощающая разработку многопоточных приложений, обеспечивая более высокий уровень абстракции при распараллеливании.

Многоплатформенность: Linux, Microsoft Windows, Mac OS.

Если код написан на языке C++, лучше Intel® TBB. Intel® TBB хорошо подходит, если код в значительной степени объектно-ориентирован и в нем широко используются шаблоны C++ и определяемые пользователем типы.

Если код написан на C или Fortran, лучше выбрать OpenMP, поскольку этот API лучше соответствует стилю структурного программирования.

При использовании C++, если в программе преобладают операции обработки массивов, OpenMP может оказаться удобнее с точки зрения сложности программирования.

Компиляторы

Использование возможностей автоматической оптимизации компилятора может дать значительный выигрыш в производительности. Компиляторы Intel предоставляют большие возможности автоматической оптимизации приложений.

Intel® VtuneTM Amplifier XE

Intel ® VtuneTM Amplifier XE – программный инструмент, позволяющий выявить и локализовать проблемы производительности ПО.

Возможности:

сбор различных показателей производительности;

отображение данных в различных режимах (system-wide, исходный код и процессорные инструкции);

выявление потенциальных проблем производительности и создание рекомендаций по их разрешению.

Intel® Cluster Studio XE

Intel® Composer XE – компиляторы C/C++ и Fortran.

Intel® Trace Analyzer and Collector – анализ параллельных приложений.

Intel® MPI Library – реализация MPI.

Intel® MPI Benchmarks – тесты производительности MPI.

Intel® VTuneTM Amplifier XE – анализатор производительности.

Intel® Inspector XE – инструмент поиска ошибок работы с памятью, реализации многопоточности для приложений C/C++, Fortran, C#.NET.

Intel® Parallel Studio

Advisor

Выявление "кандидатов" на распараллеливание

Composer

Intel® C++ Compiler, Intel® Threading Building

Blocks, Intel® Integrated Performance Primitives,

and Intel® Parallel Debugger Extension.

Inspector

Выявление ошибок использования памяти (утечки памяти, переполнение буфера, указатели) и многопоточности (блокировки, гонки за данными и т.д.) на основе анализа выполнения программы.

Amplifier

Анализ производительности, профилирование и оптимизация параллельных приложений

Другие инструменты

Intel® CilkTM Plus

Средство разработки приложений для вычислительных систем с общей памятью.

OpenCL

Средство разработки приложений, использующих в качестве ускорителей вычислений графические процессоры общего назначения.

и другие

Страницы:

Презентацию к данной лекции Вы можете скачать здесь.

8 способов достижения высокой производительности:

Выбор вычислительной системы

Выбор модели (если задача решается методом математического моделирования

Использование эффективных вычислительных алгоритмов

Использование приёмов написания оптимального кода

Использование оптимизированных библиотек

Оптимизация при компиляции

Оптимизация готовой программы на основе анализа её выполнения

Параллельное программирование

параллелизм данных (OpenMP, Cilk Plus)

параллелизм задач (MPI)

Эволюция вычислительных технологий

От фоннеймановской архитектуры к архитектуре параллельной

Фоннеймановская архитектура

Как эволюционировала архитектура вычислительных систем

Эволюция программных технологий

Пользователю нужна производительность. Увеличение производительности позволяет:

решать новые, более сложные задачи;

решать старые задачи, но быстрее;

решать старые задачи, но с более высокой точностью.

Многие расширения фоннеймановской архитектуры используют параллелизм на разном уровне

Программные инструменты разработки высокопроизводительных приложений

Низкоуровневые средства

Системные вызовы операционной системы (UNIX/Linux)

IPC (InterProcess Communications)

именованные каналы;

общая память;

сообщения;

семафоры.

IPC. Сообщения. Пример

Клиент

#include <sys/types.h>
#include <sys/ipc.h>
#include <sys/msg.h>
#include "mesg.h"
main()
{
message   message;
key_t  key;
int msgid, length, n;
  
  if ((key = ftok("server", 'A')) < 0){
    printf("Невозможно получить ключ\n"); exit(1); }
  message.mtype=1L;
  if ((msgid = msgget(key, PERM | IPC_CREAT)) < 0){
    printf("Невозможно создать очередь\n"); exit(1); }
  n = msgrcv(msgid, message, sizeof(message), message.mtype, 0);
  if (n > 0) {
    if (write(1, message.buff, n) != n) {
      printf("Ошибка вывода\n"); exit(1); }
  }
  else { printf("Ошибка чтения сообщения\n"); exit(1); }
  
  exit(0);

Сервер

#include <sys/types.h>
#include <sys/ipc.h>
#include <sys/msg.h>
#include "mesg.h"
main()
{
Message      message;
key_t  key;
int  msgid, length;
  message.mtype = 1L;
  if ((key = ftok("server", 'A')) < 0){
    printf("Невозможно получить ключ\n"); exit(1); }
  if ((msgid = msgget(key, 0)) < 0){
    printf("Невозможно получить доступ к очереди\n"); exit(1); }
  if ((length = sprintf(message.buff, "Здравствуй, Мир!\n")) < 0){
    printf("Ошибка копирования в буфер\n"); exit(1); }
  if (msgsnd(msgid, (void *) message, length, 0) !=0){
    printf("Ошибка записи сообщения в очередь\n");
    exit(1); }
  if (msgctl(msgid, IPC_RMID, 0) < 0){
    printf("Ошибка удаления очереди\n"); exit(1); }
  exit(0);

POSIX Threads

Стандарт POSIX реализации потоков (нитей) выполнения, определяющий API для создания и управления ими.

POSIX.1c, Расширения потоков (IEEE Std 1003.1c-1995)

Создание, управление и завершение выполнения потоков

Планировщик потоков

Синхронизация потоков

Обработка сигналов

Реализации стандарта содержат:

функции управления потоками

функции синхронизации потоков

POSIX Threads. Пример

#include <stdio.h>
#include "gettimeofday.h"
#include <pthread.h>

#define gNumThreads 1
#define N 100000000

double a[N + 1], b[N + 1], sum;   
int i, j;   
double start, stop;   

const int gNumSteps = N;
double gVectorSum = 0;

void *threadFunction(void *arg) 
{ 
   int i;
   int myNum = *((int *)arg);
        
   double partialSum = 0;  // локально по отношению к каждому потоку

   for ( i = myNum; i < gNumSteps; i += gNumThreads )  // каждый gNumThreads-й шаг
   {
  partialSum += a[i] * b[i];   // параллельное вычисление сумм каждым потоком
   }
   gVectorSum += partialSum;          // сложения частных сумм и получение результата

   return 0;
}
int main() 
{  
 pthread_t tid[gNumThreads];
 int      tNum[gNumThreads], i, j;

// инициализация вектора   
for (j = 0; j < N; j++) 
{      
  a[j] = 1.031; b[j] = 1.057;
}

printf("Computed value of vector sum: ");
start = wcgettimeofday();   

  for (i = 0; i < gNumThreads; i++)
{
    tNum[i] = i;
    pthread_create(tid[i], NULL, threadFunction, tNum[i]);
}

  for (i = 0; i < gNumThreads; i++)
    pthread_join(tid[i], NULL);

stop = wcgettimeofday();   

printf("sum = %f\n", gVectorSum);   

printf("time = %g\n", stop - start);

Windows API

Windows API. Пример

#include <windows.h>
#include <stdio.h>
#define N 100000000

double a[N + 1], b[N + 1], sum;   
int i, j;   
double start, stop;   

const int gNumSteps = N;
const int gNumThreads = 1;
double gVectorSum = 0;
CRITICAL_SECTION gCS;

DWORD WINAPI threadFunction(LPVOID pArg)
{
   int i;
   int myNum = *((int *)pArg);
   double partialSum = 0;  // локально по отношению к каждому потоку
   for(i=myNum*(gNumSteps/gNumThreads); i<(myNum+1)*(gNumSteps/gNumThreads); i++)  
// используется каждый gNumThreads-й шаг
   {
    partialSum += a[i] * b[i];   // вычисление частных сумм каждым потоком
   }
   EnterCriticalSection(gCS);
   gVectorSum += partialSum;          // сложение частного результата с глобальным
   LeaveCriticalSection(gCS);
   return 0;
}
int main()
{
   HANDLE threadHandles[gNumThreads];
   int tNum[gNumThreads], i, j;

for (j = 0; j < N; j++) 
{      
   a[j] = 1.031; b[j] = 1.057;
}

printf("Computed value of dot product: ");
InitializeCriticalSection(gCS);
   for ( i = 0; i < gNumThreads; ++i )
   {
  tNum[i] = i;
  threadHandles[i] = CreateThread( NULL,            // атрибуты безопасности
                                   0,               // размер стека
                                   threadFunction,  // функция потока
                               (LPVOID)tNum[i],// данные для функции потока
                              0,              // режим запуска потока
                           NULL); // возвращаемый идентификатор потока
  }
WaitForMultipleObjects(gNumThreads, threadHandles, TRUE, INFINITE);
DeleteCriticalSection(gCS);
printf("sum = %f\n", gVectorSum);

Open Multi-Processing (OpenMP)

OpenMP

OpenMP. Пример

#include <windows.h>
#include <stdio.h>
#define N 100000000

double a[N + 1], b[N + 1];   
int i;   
double start, stop;   
double gDotProduct = 0;

int main()
{
// инициализация векторов   
for (i = 0; i < N; i++) 
{      
  a[i] = 1.034; b[i] = 1.057;
}
printf("Computed value of vector sum: ");
start = omp_get_wtime();   
#pragma omp parallel for reduction(+:gDotProduct)
  for ( i = 0; i < N; i++ ) 
  {
    gDotProduct += a[i] * b[i];
  }

stop = omp_get_wtime();   

printf("sum = %f\n", gDotProduct);   
printf("time = %g\n", stop - start);

Message Passing Interface (MPI)

MPI. Пример

#include <mpi.h>
#include <stdio.h>
int main (int argc, char *argv[]) 
{
   int ProcNum, ProcRank, tmp;
   MPI_Status status;
   MPI_Init (argc, argv);
   MPI_Comm_size (MPI_COMM_WORLD, ProcNum);
   MPI_Comm_rank (MPI_COMM_WORLD, ProcRank);
   if(ProcRank == 0){
  printf("Hello world from process %i \n", ProcRank);
  for(int i = 1; i < ProcNum; i++){
       MPI_Recv(tmp,1,MPI_INT,MPI_ANY_SOURCE,0,MPI_COMM_WORLD, status);
  printf("Hello world from process %i \n", tmp);
  }
   }
   else
   {
  MPI_Send(ProcRank,1,MPI_INT,0,0,MPI_COMM_WORLD);
   }
   MPI_Finalize();
   return 0;

Реализации MPI

MPI CHameleon (MPICH)

LAM (Local Area Multicomputer) MPI

LAM/MPI

MPI/Pro

Hewlett-Packard MPI (от версии 1.7)

GridMPI

LAM может работать на метакластерных системах.

Intel ® MPI

Сайт в Интернете:

http://www.intel.com

Microsoft MPI

Входит в состав Compute Cluster Pack SDK.

Поддерживается спецификация MPI-2.

OpenMPI

Полное соответствие спецификации MPI-2.

Поддержка различных ОС.

Поддержка различных коммуникационных сред.

Инструменты Intel

Библиотека Intel ® Math Kernel Library (MKL)

Состав библиотеки:

BLAS (3 уровня + расширение – уровень 1 для разреженных векторов)

LAPACK – вычислительная алгебра, в том числе решение спектральных задач

DFT (дискретное преобразование Фурье) – в том числе многомерное. Многопоточная реализация

Vector Mathematical Library – математические функции

Vector Statistical Library – набор векторизованных генераторов случайных чисел

Солверы, предобуславливатели, средства поддержки численного решения дифференциальных уравнений и др.

Оптимизирована для архитектуры Intel ®

Intel ® Integrated Performance Primitives (IPP)

Библиотека готовых компонентов для разработки мультимедийных приложений для вычислительных платформ Intel.

Intel ® Threading Building Blocks (TBB)

Многоплатформенность: Linux, Microsoft Windows, Mac OS.

Компиляторы

Intel® VtuneTM Amplifier XE

Возможности:

сбор различных показателей производительности;

отображение данных в различных режимах (system-wide, исходный код и процессорные инструкции);

выявление потенциальных проблем производительности и создание рекомендаций по их разрешению.

Intel® Cluster Studio XE

Intel® Composer XE – компиляторы C/C++ и Fortran.

Intel® Trace Analyzer and Collector – анализ параллельных приложений.

Intel® MPI Library – реализация MPI.

Intel® MPI Benchmarks – тесты производительности MPI.

Intel® VTuneTM Amplifier XE – анализатор производительности.

Intel® Parallel Studio

Advisor

Выявление "кандидатов" на распараллеливание

Composer

Intel® C++ Compiler, Intel® Threading Building

Blocks, Intel® Integrated Performance Primitives,

and Intel® Parallel Debugger Extension.

Inspector

Amplifier

Анализ производительности, профилирование и оптимизация параллельных приложений

Другие инструменты

Intel® CilkTM Plus

Средство разработки приложений для вычислительных систем с общей памятью.

OpenCL

и другие

Занятие пройдено

Предыдущее занятие Занятие пройдено Следующее занятие

Вернуться к учебному плану

Обзор средств разработки высокопроизводительных приложений

8 способов достижения высокой производительности:

Эволюция вычислительных технологий

От фоннеймановской архитектуры к архитектуре параллельной

Программные инструменты разработки высокопроизводительных приложений

Низкоуровневые средства

IPC. Сообщения. Пример

POSIX Threads

POSIX Threads. Пример

Windows API

Windows API. Пример

Open Multi-Processing (OpenMP)

OpenMP. Пример

Message Passing Interface (MPI)

MPI. Пример

Реализации MPI

Microsoft MPI

OpenMPI

Инструменты Intel

Библиотека Intel ® Math Kernel Library (MKL)

Intel ® Integrated Performance Primitives (IPP)

Intel ® Threading Building Blocks (TBB)

Компиляторы

Intel® VtuneTM Amplifier XE

Intel® Cluster Studio XE

Intel® Parallel Studio

Другие инструменты

8 способов достижения высокой производительности:

Эволюция вычислительных технологий

От фоннеймановской архитектуры к архитектуре параллельной

Программные инструменты разработки высокопроизводительных приложений

Низкоуровневые средства

IPC. Сообщения. Пример

POSIX Threads

POSIX Threads. Пример

Windows API

Windows API. Пример

Open Multi-Processing (OpenMP)

OpenMP. Пример

Message Passing Interface (MPI)

MPI. Пример

Реализации MPI

Microsoft MPI

OpenMPI

Инструменты Intel

Библиотека Intel ® Math Kernel Library (MKL)

Intel ® Integrated Performance Primitives (IPP)

Intel ® Threading Building Blocks (TBB)

Компиляторы

Intel® VtuneTM Amplifier XE

Intel® Cluster Studio XE

Intel® Parallel Studio

Другие инструменты

Купить дополнительную попытку

Вы действительно хотите купить ещё одну попытку для прохождения тестирования?

Успешно!

Напишите нам, если у вас есть вопросы

Уважаемые пользователи ИНТУИТ!

Уважаемые пользователи ИНТУИТ!

Добро пожаловать на обновлённый сайт НОУ «ИНТУИТ»!