Programmazione di Sistemi Multicore

Corso di Laurea in Informatica, terzo anno

A.A. 2018-2019, primo semestre

Docente: Irene Finocchi Ricevimento: mercoledì 9:30-10:30 (oppure in altri giorni/orari da concordare via e-mail) durante il corso; per appuntamento al termine del corso. Ufficio: sede di Via Salaria, stanza 345/A. Tel: 06-49918426. E-mail: finocchi AT di.uniroma1.it Orario delle lezioni Giorno Ore Aula Lunedì 8:00-10:30 Aula 2 - Via del Castro Laurenziano 7A Martedì 8:00-10:30 Aula 2 - Via del Castro Laurenziano 7A

Avvisi Obiettivi e programma sintetico Diario delle lezioni Materiale didattico Slide Modalità d'esame Date d'esame Prove d'esame

Avvisi

• Homework 2018: Sudoku in parallelo. A questo link trovate alcuni benchmark su cui testare la vostra applicazione.

• Per un problema di salute la lezione del 26 novembre è annullata. Verificherò in settimana se c'è uno slot libero in modo da poterla recuperare.

• Presentazione LVenture Group

• Sospensione attività didattica 30 ottobre: a valle della decisione del Comune di chiudere tutte le scuole di ogni ordine e grado causa maltempo, il Rettore ha disposto la sospensione dell'attività didattica. La lezione del 30 ottobre non avrà quindi luogo. Di conseguenza, la data della prova intermedia è posticipata dal 5 al 12 novembre.

• Sospensione attività didattica 29 ottobre: a valle della decisione del Comune di chiudere tutte le scuole di ogni ordine e grado causa maltempo, il Rettore ha disposto la sospensione dell'attività didattica. La lezione del 29 ottobre non avrà quindi luogo.

• Prima prova intermedia: lunedì 12 novembre, ore 8:00 - 10:30, Aula 6. La prenotazione è obbligatoria.

• Cambio aula: tutte le lezioni del terzo anno sono state spostate dall'aula L2 all'aula L6, sempre in Via del Castro Laurenziano.

• Iscrivetevi al Google group per avvisi, notizie last-minute e discussioni sugli argomenti del corso.

Obiettivi e programma sintetico

Il corso affronta problematiche e tecniche di programmazione delle moderne piattaforme di calcolo parallele, dai sistemi multicore presenti sui più comuni laptop, desktop, server e dispositivi mobili, fino alle moderne GPU.

Il parallelismo offre enormi opportunità nello sviluppo di applicazioni con requisiti computazionali stringenti: basti pensare ai benefici in aree come computer graphics e big data computing. Ma un maggior parallelismo nell'hardware risulta inefficace se non è opportunamente sfruttato a livello software. Ciò impone cambiamenti fondamentali nello stile di programmazione e, ad un più alto livello di astrazione, nella progettazione degli algoritmi e delle strutture dati utilizzate. Ad oggi, la maggior parte degli algoritmi sono pensati secondo una visione sequenziale del modello di calcolo soggiacente e i linguaggi di programmazione offrono poche astrazioni per programmare sistemi multiprocessore.

Scopo del corso è di insegnare agli studenti a "pensare in parallelo", rivisitando sia il modo in cui i programmi sono espressi che alcune tecniche algoritmiche tradizionalmente pensate per modelli sequenziali. La prima parte del corso utilizza Java come linguaggio di programmazione e si focalizza su un modello a memoria condivisa con thread espliciti. Presenteremo successivamente tecniche di programmazione di GPU (OpenCL) e - tempo permettendo - di problem solving su cluster a larga scala (MapReduce).

Il corso ha una natura trasversale, coniugando aspetti di algoritmi e linguaggi di programmazione e discutendo le basi teoriche del parallelismo (grafi delle computazioni, parallelismo ideale, speedup, leggi del parallelismo, data race e determinismo delle computazioni). L'homework farà acquisire allo studente un'esperienza diretta scrivendo software parallelo efficiente in alcuni dei modelli presentati a lezione.

Diario delle lezioni

Lunedì 24 settembre 2018 - Introduzione al corso. Legge di Moore e implicazioni sullo sviluppo di software (the free lunch is over). Differenza tra parallelismo e concorrenza.

• Slide della lezione
• The Free Lunch Is Over: A Fundamental Turn Toward Concurrency in Software, articolo di Herb Sutter apparso in Dr. Dobb's Journal, 30(3), Marzo 2005.

Martedì 25 settembre 2018 - Speedup ed efficienza. Limiti teorici e pratici del parallelismo: legge di Amdahl, legge di Gustafson, overhead di comunicazione e sincronizzazione.

• Slide della lezione

Esercizi di riepilogo (A)
Prova intermedia del 3 novembre 2015. Traccia A: domanda 1, domanda 2 punti 1 e 2. Traccia B: domanda 2 punto 1
Appello gennaio 2016. Domanda 1 punti a) e c)
Appello febbraio 2016. Domanda 1
Prova intermedia novembre 2016. Domanda 1, parte A

Lunedì 1 ottobre 2018 - Sistemi paralleli: tassonomia di Flynn, modello di comunicazione (sistemi distribuiti o a memoria condivisa, NUMA vs UMA). Parallelizzazione automatica: storie di successo (vettorizzazione), difficoltà, data dependency. Modelli di programmazione: memoria condivisa con thread espliciti. Java.lang.Thread: nozioni fondamentali, parallel hello world.

• Slide della lezione

Martedì 2 ottobre 2018 - Cenni ad altri modelli di programmazione: scambio di messaggi, dataflow e data parallelism (vedere slide del 1 ottobre). Parallelismo fork/join in Java. Un primo esempio: somma degli elementi in un array. Esperimenti al calcolatore. 1) Alcuni problemi pratici: come aumentare la dimensione dell'heap, perché iterare un esperimento, come misurare i tempi di esecuzione real, user e system con il comando time. 2) Un primo esperimento: cosa accade all'aumentare del numero dei thread? Analisi dello speedup ottenuto in pratica: perché all'aumentare del numero di thread i tempi di esecuzione non diminuiscono considerevolmente (anzi, se aumentiamo di molto i thread potrebbero anche aumentare)? Memory bottleneck. 3) Un secondo esperimento: computazioni memory- o CPU-bounded, differenze ottenute in termini di speedup (nel codice per la somma degli elementi di un array, decommentate la linea ans += (long)... nel metodo run).

• Slide della lezione
• Parallel sum: implementazione, sintesi degli esperimenti e delle analisi svolte

Lunedì 8 ottobre 2018 - Scelta del numero di thread: portabilità del codice, thread vs processori: è una buona idea usare tanti thread quanti sono i processori disponibili all'inizio dell'esecuzione? Load balancing. Una diversa soluzione: divide-and-conquer parallelism. Implementazione ricorsiva della somma in un array tramite fork di un nuovo thread per ciascuna chiamata ricorsiva. Quanti thread nell'implementazione ricorsiva? Un semplice conteggio su alberi binari. Due importanti ottimizzazioni: cutoff sequenziale e dimezzamento del numero di thread.

• Slide della lezione

Lunedì 15 ottobre 2018 - La libreria Java ForkJoin: ForkJoinPool, RecursiveAction e RecursiveTask<V> 3) Due utili astrazioni: map e reduce, implementazione con thread espliciti tramite ForkJoin, cenni al framework MapReduce di Google. 4) Strutture dati e parallelismo: array, alberi bilanciati, liste collegate.

• Slide della lezione

Martedì 16 ottobre 2018 - Analisi di algoritmi paralleli: il DAG di esecuzione, work e span, ovvero T₁ (numero di nodi) e T_∞ (lunghezza del cammino critico). Generalizzazione delle analisi ad un numero arbitrario P di processori. Lower bound: T_P ≥ max{T₁/P, T_∞}. Come ottenere un'esecuzione che richiede tempo O(T₁/P+T_∞): l'importanza dello scheduling, gli scheduler greedy funzionano bene! Analisi 2-approssimazione, cenni al work stealing.

• Slide della lezione
• L'analisi dello scheduling greedy si basa sul Cormen, Leiserson, Rivest, Stein, Introduction to Algorithms (3rd edition). Il capitolo su algoritmi multithreaded può essere scaricato gratuitamente a questo link (Sample chapter).

Esercizi di riepilogo (B)
Prova intermedia del 3 novembre 2015. Traccia A: domanda 3, domanda 2 punto 3. Traccia B: domanda 1, domanda 2 punto 2, domanda 3
Appello gennaio 2016. Domanda 1 punto b), domanda 2
Appello febbraio 2016. Domanda 2
Prova intermedia novembre 2016. Domanda 1, parte B, domanda 2, domanda 4

Lunedì 22 ottobre 2018 - Somme prefisse: definizione del problema, work e span dell'algoritmo sequenziale, due algoritmi paralleli con span O(log n). Un'applicazione delle somme prefisse: array packing. Un'applicazione del packing: partitioning. Un'applicazione del partitioning: parallel quicksort. Analisi del quicksort nel caso migliore, equazioni di ricorrenza per work e span.

• Slide della lezione

Martedì 23 ottobre 2018 - Calcolo della più lunga sottosequenza iniziale di 1 in un array di bit (esercizio): soluzione basata su ForkJoin esplicito, soluzione basata sul calcolo del minimo, tecnica delle coppie. Parallel mergesort. Analisi della parallelizzazione naive (con merge sequenziale). Fusione (ricorsiva) di due array in parallelo: analisi di work e span dell'algoritmo merge. Integrazione nel mergesort ed analisi.

• Slide della lezione

Esercizi di riepilogo (C)
Prova intermedia del 3 novembre 2015. Traccia A: domanda 4. Traccia B: domanda 4.
Appello gennaio 2016. Domanda 3.
Appello febbraio 2016. Domanda 3.
Prova intermedia novembre 2016. Domanda 3.
Appello 28 giugno 2017. Tutta la parte 1.
Appello 10 gennaio 2017. Tutta la parte 1.

Lunedì 29 ottobre 2018 - sospensione attività didattica causa maltempo

Martedì 30 ottobre 2018 - ulteriore sospensione attività didattica causa maltempo

Lunedì 5 novembre 2018 - Somma di interi: come calcolare il bit di riporto in parallelo. Svolgimento di esercizi di preparazione all'esonero.

• Introduction to parallel & distributed algorithms, Carl Burch, 2009: somma di interi, sezione 3.3

Martedì 6 novembre 2018 - Svolgimento di esercizi di preparazione all'esonero.

Lunedì 12 novembre 2018 - Prova intermedia prima parte (parallelismo)

Martedì 13 novembre 2018 - Programmazione concorrente: accessi alla memoria sovrapposti, bad interleaving, il problema della mutua esclusione. Lock come ADT: caratteristiche di un mutex e di un reentrant lock.

• Slide della lezione

Lunedì 19 novembre 2018 - Concorrenza in Java: la keyword synchronized. Race condition: bad interleaving vs. data race. Metodi reader e metodi writer, possibili interleaving tra le istruzioni (quali istruzioni? A che livello di astrazione? Il ruolo del compilatore), uso di synchronized, stati intermedi inconsistenti. La keyword volatile: quando è corretto usarla? Una distinzione fondamentale: memoria thread-local, immutable e synchronized.

• Slide della lezione

Martedì 20 novembre 2018 - Linee guida per usare i lock correttamente. Locking consistente, granularità dei lock (fine vs coarse grained locking), granularità della sezione critica e il problema A-B-A. Deadlock: tecniche di deadlock avoidance (acquisizione ordinata dei lock). Lock in pratica: un esempio basato su liste concorrenti. Coarse-grained locking. Fine-grained hand-over-hand locking: perchè serve prendere il lock su elementi consecutivi della lista, esempio relativo alla rimozione di un nodo della lista.

• Slide della lezione
• Ulteriori slide: liste concorrenti

Lunedì 26 novembre 2018 - lezione annullata

Martedì 27 novembre 2018 - Ulteriori meccanismi di sincronizzazione: reader/writer locks. Ulteriori meccanismi di sincronizzazione: condition variables. Come implementare una attesa passiva, le operazioni wait, notify (signal) e notifyAll (broadcast), errori di programmazione tipici (e soluzioni), costrutti ed idiosincrasie di Java.

• Slide della lezione

Lunedì 3 dicembre 2018 - Heterogeneous computing: CPU vs GPU, genesi di OpenCL. Architettura di una GPU, platform model, execution model e memory model in OpenCL. Concetti fondamentali: host, compute device, compute unit, processing element, contesto, programma, kernel, work item, work group, coda dei comandi, tipi di memoria (host, private, local, global). API OpenCL: ottenere informazioni sui dispositivi, creazione del contesto e della coda dei comandi.

• Slide della lezione
• OpenCl 2.0 quick reference card
• OpenCL 2.0 specification
• La macchina virtuale con OpenCL è disponibile nella sezione "Libri di testo e materiale didattico"

Martedì 4 dicembre 2018 - Ancora API OpenCL: memory objects, program objects, kernel objects, gestione delle code dei comandi. Un primo esempio, con discussione dettagliata del codice host: OpenCL Hello World. Discussione dettagliata del layout di memoria: quali dati risiedono in memoria host, globale, privata? Task parallelism e data parallelism in OpenCL: le funzioni clEnqueueTask e clEnqueueNDRangeKernel.

• Slide della lezione
• Il codice del programma hello è contenuto nel tar gzippato disponibile nella sezione "Libri di testo e materiale didattico"

Lunedì 10 dicembre 2018 -

Martedì 11 dicembre 2018 -

Lunedì 17 dicembre 2018 -

Martedì 18 dicembre 2018 - Prova intermedia seconda parte (concorrenza, GPU)

Materiale didattico

• Dan Grossman, A Sophomoric Introduction to Shared-Memory Parallelism and Concurrency, reading notes, febbraio 2015.
• Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein, Introduction to Algorithms, terza edizione, capitolo 27 (Multithreaded Algorithms, sample chapter scaricabile gratuitamente sul sito web del libro).

• Codice OpenCL contenente tutti gli esempi visti in classe
• Macchina virtuale contenente una distribuzione Linux Slitaz minimale (32 bit) con OpenCL 1.2 preinstallato, read me. Per poter utilizzare la macchina virtuale è necessario installare VirtualBox (disponibile sul sito di Oracle).

Slide

A questo link potete trovare le slide messe a disposizione degli studenti durante l'Anno Accademico 2017-2018.

Le slide per l'Anno Accademico 2018-2019 potrebbero essere aggiornate o modificate a ridosso della lezione, e saranno messe a disposizione settimanalmente nel Diario delle lezioni, corredate da una breve sintesi degli argomenti affrontati.

Modalità d'esame

Per superare l'esame si deve sostenere una prova scritta (divisa in due parti) e svolgere un homework che sarà assegnato a metà corso.

Nella prova scritta occorrerà dimostrare di aver studiato e compreso gli argomenti trattati nelle lezioni:

• rispondendo a tipiche domande da esame orale volte a verificare la comprensione della materia;
• svolgendo esercizi che prevedono l'applicazione dei concetti esposti a lezione.

L'homework richiede di implementare ed analizzare sperimentalmente un software parallelo e può essere svolto in gruppi costituiti da al più 3 persone.

Non è previsto un esame orale, salvo su esplicita richiesta del docente in caso di sospetta copiatura - parziale o totale - dell'homework o della prova scritta.

Prove intermedie. Sono previste due prove intermedie: la prima nella settimana di interruzione della didattica (tipicamente inizio novembre), la seconda al termine del corso. La prima prova intermedia riguarderà tutti gli argomenti svolti fino alla data della prova stessa e sarà strutturata come la prova scritta, ovvero con domande aperte ed esercizi di ragionamento. La seconda prova intermedia coprirà gli argomenti svolti nella seconda parte del corso. La sufficienza ottenuta alle prove intermedie sarà valida fino all'ultimo appello dell'anno accademico corrente.

Voto. Sia l'homework che la prova scritta saranno valutati in trentesimi e concorrono a determinare il voto finale (homework 30%, prova scritta 70%). Il voto verrà inoltre incrementato di un punto per chi termini nella sessione invernale avendo superato le prove intermedie.

Prenotazioni. Per partecipare alle prove scritte (incluse quelle intermedie) è obbligatoria la prenotazione. Sarà possibile prenotarsi agli appelli d'esame tramite infostud, e alle prove intermedie tramite twiki.

Date d'esame

Prove d'esame

• Testo esame del 28 giugno 2017
• Testo esame del 10 gennaio 2017
• Prova intermedia novembre 2016
• Testo esame del 2 febbraio 2016
• Testo esame del 13 gennaio 2016
• Esonero seconda parte - dicembre 2015
• Prova intermedia novembre 2015: traccia A, traccia B