Openmp
1 recomendación779 vistas
OpenMP es una API para programación paralela en máquinas con memoria compartida. Utiliza un modelo de programación basado en fork-join para dividir tareas entre hilos. Incluye directivas para definir regiones paralelas, compartir trabajo y datos, y sincronizar hilos. OpenMP permite escalar aplicaciones de forma incremental agregando paralelismo sin cambios drásticos en el código.
![Elementos básicos Sintaxis básica #pragma omp nombre-directiva [cláusulas]](https://image.slidesharecdn.com/openmp-110303103243-phpapp01/85/Openmp-11-320.jpg)
Openmp
- 1. OpenMP José Casero Cantos www.twitter.com/Jose_Casero
- 2. Introducción API para programación multiproceso en máquinas con memoria compartida.
- 3. Modelo de programación portable y escalable.
- 4. Modelo de ejecución basado en fork-join.
- 6. Historia OpenMP 1.0 (1997-1998)
- 11. Elementos básicos Sintaxis básica #pragma omp nombre-directiva [cláusulas]
- 12. Estructuras Paralelas de Control Con Bucle #pragma omp parallel for for ( i = ilo; i <= ihi; i++ ) { Código C/C++ } Sin Bucle #pragma omp parallel { t_id = omp_get_thread_num ( ); if ( t_id % 2 == 0 ) { solid_update ( ); } else { Liquid_update ( ); } }
- 13. Work Sharing Omp for or omp do: Usado para dividir iteraciones de bucles entre varios hilos. También es llamado constructor de bucle.
- 14. Sections: Asignación de bloques consecutivos pero independientes a diferentes hilos
- 15. Single: Especifica un bloque de código que es ejecutado solamente por una hebra. Barrera implícita en el final
- 16. Master: similar a single pero el bloque de código será ejecutado solo por la hebra principal y no existirá una barrera implícita al final.
- 17. Data Environment Shared: los datos dentro de una región paralela son compartidos, lo cual significa que son visibles y accesibles desde otras hebras simultáneamente Por defecto todas las variables son compartidas excepto las utilizadas en bucles.
- 18. Private: los datos contenidos en una región paralela son exclusivamente accedidos por la hebra que lo esté ejecutando.
- 19. Default: permite al programador especificar el comportamiento de las variables sin ámbito de una región paralela. Podrán ser compartidos o no.
- 20. Firstprivate: como private excepto la inicialización del valor es actualizada antes de la construcción.
- 21. Lastprivate: como private excepto que el valor original es actualizado después de la construcción.
- 22. Reduction: un camino seguro para reunir todo el trabajo de todas las hebras.
- 23. Synchronization Critical section: el código que se encuentre en sección crítica será ejecutado solo por una hebra al mismo tiempo.
- 24. Atomic: similar a la anterior, pero avisa al compilador para un uso especial y mejorar el rendimiento.
- 25. Ordered: el bloque estructurado es ejecutado en el orden en el cual las iteraciones podrían ser ejecutadas en un bucle secuencial.
- 26. Barrier: cada subproceso espera a que todos los otros hilos de un equipo hayan llegado a este punto.
- 27. Nowait: especifica que cada hebra complete su trabajo asignado sin esperar a que finalicen las demás hebras.
- 29. OMP_NUM_THREADS
- 30. OMP_NESTED
- 31. OMP_DYNAMIC
- 35. omp_init_lock
- 36. omp_unset_lock
- 37. ¿Por dónde empiezo? Procesador de texto (Gedit, Kate, Emacs, …) GCC (Compilador) g++ -fopenmp HelloWorld.cpp -o HelloWorld
- 38. Entorno de Desarrollo Integrado
- 39. ¡Hola Mundo! #include <omp.h> #include <iostream> #include <sstream> int main (int argc, char *argv[]) { int th_id, nthreads; #pragma omp parallel private(th_id) { th_id = omp_get_thread_num(); std::ostringstream ss; ss << "Hello World from thread " << th_id << std::endl; std::cout << ss.str(); #pragma omp barrier #pragma omp master { nthreads = omp_get_num_threads(); std::cout << "There are " << nthreads << " threads" << std::endl; } } return 0; }
- 40. Vídeo
- 41. Depuración TotalView (Etnus) PGDBG Graphical Symbolic Debugger GDB
- 42. Pros No utiliza el paso de mensajes como MPI.
- 43. Los datos y la descomposición en hebras las maneja OpenMP de forma automática.
- 44. Paralelismo incremental: puede trabajar en una porción de tiempo al mismo tiempo sin realizar un cambio exagerado en el código.
- 45. Código unificado para aplicaciones secuenciales y en paralelo.
- 46. Los constructores OpenMP son tratados como comentarios cuando se usa una compliación en secuencial.
- 47. Se reducen menos bugs al hacer menos cambios en el código con motivo de lo anteriormente mencionado.
- 48. Granularidad gruesa y granularidad fina son posibles con OpenMP.
- 49. Existe abundante información en internet.
- 50. Contras Difícil depuración de errores.
- 51. Actualmente, solo funciona eficientemente en plataformas de multiprocesadores con memoria compartida.
- 52. La escalabilidad está limitada por la memoria de la arquitectura.
- 54. No puede utilizase en GPU.
- 55. La documentación que realmente ha sido de provecho se encuentra en inglés.
- 56. Si os ha interesado... Presentación: http://www.slideshare.net/JoseCasero/openmp Video: http://www.youtube.com/watch?v=eHdQ0Ck4Bds
- 57. Fuentes Http://www.openmp.org/ http://en.wikipedia.org/wiki/OpenMP http://es.wikipedia.org/wiki/OpenMP http://alvaromamanialiaga.blogspot.com/2010/09/granularidad-en-sistemas-distribuidos.html