| Entrambe le parti precedenti la revisione
Revisione precedente
Prossima revisione
|
Revisione precedente
Prossima revisione
Entrambe le parti successive la revisione
|
ccp:lezioni0708 [08/05/2008 alle 07:39 (16 anni fa)]
Massimo Coppola aggiornam elenco lezioni |
ccp:lezioni0708 [19/05/2008 alle 11:43 (16 anni fa)]
Massimo Coppola Aggiornamenti ai link |
| |
| | ** Tutorial di ASSIST ** | | | ** Tutorial di ASSIST ** | |
| | [[http://|aggiungere riferimenti]] | | | {{ccp:tutorial_assist_03_2007.pdf|Tutorial ASSIST Febbraio 2007}} | |
| | | {{:ccp:descrizioneloader1.1.pdf| GEA, versione Novembre 2006}} | |
| | | {{:ccp:assisttutorial_02_2008.pdf|Tutorial ASSIST Febbraio 2008}} | |
| |
| * **20/03** __ASSIST : semantica essenziale__ \\ Composizione di costrutti paralleli e livelli di annidamento, collegamento a formalismi a componenti. Approccio a linguaggio di coordinamento: meccanismo di compilazione a due fasi, integrazione di linguaggi sequenziali diversi in compilazione. Blocchi fondamentali: moduli sequenziali e proc. Parmod, esempi: input e output section; topologia (array, none, one) e concetto di processore virtuale (VP); distribuzioni (broadcast, on demand, scatter) e collezioni (from any, from all); parallelismo task-parallel (topologia none) e data-parallel (topologia array), definizioni dei VP associate. | * **20/03** __ASSIST : semantica essenziale__ \\ Composizione di costrutti paralleli e livelli di annidamento, collegamento a formalismi a componenti. Approccio a linguaggio di coordinamento: meccanismo di compilazione a due fasi, integrazione di linguaggi sequenziali diversi in compilazione. Blocchi fondamentali: moduli sequenziali e proc. Parmod, esempi: input e output section; topologia (array, none, one) e concetto di processore virtuale (VP); distribuzioni (broadcast, on demand, scatter) e collezioni (from any, from all); parallelismo task-parallel (topologia none) e data-parallel (topologia array), definizioni dei VP associate. |
| * **10/04** __Modelli astratti di calcolo parallelo ed in memoria secondaria__ \\ La PRAM (Parallel Random Access Machine). Assunzioni (parallelismo e memoria illimitati, sincronia, scalabilità); scopo del modello e varianti standard (EREW, CREW, CRCW e regole di risoluzione dei conflitti). Modelli di calcolo per memoria secondaria. Il PDM (Parallel Disk Model). Struttura essenziale, parametri M,B,N,Z e derivati m=(M/B), n=(N/B), z=(Z/B). Misura di complessità orientata ai blocchi, algoritmi base e loro complessità. Effetto pratico dei termini logaritmici a base elevata (M/B) nella complessità algoritmica. | * **10/04** __Modelli astratti di calcolo parallelo ed in memoria secondaria__ \\ La PRAM (Parallel Random Access Machine). Assunzioni (parallelismo e memoria illimitati, sincronia, scalabilità); scopo del modello e varianti standard (EREW, CREW, CRCW e regole di risoluzione dei conflitti). Modelli di calcolo per memoria secondaria. Il PDM (Parallel Disk Model). Struttura essenziale, parametri M,B,N,Z e derivati m=(M/B), n=(N/B), z=(Z/B). Misura di complessità orientata ai blocchi, algoritmi base e loro complessità. Effetto pratico dei termini logaritmici a base elevata (M/B) nella complessità algoritmica. |
| * **17/04** //lezione annullata// | * **17/04** //lezione annullata// |
| * **21/04** __Modelli di calcolo Bulk - Synchronous__ \\ BSP e modelli derivati: BSP*, D-BSP. Cenni ai modelli CGM, LogP. | * **21/04** __Modelli astratti di calcolo parallelo e in memoria secondaria__ \\ PRAM, esempi di algoritmi, complessità in processori e tempo, work ed efficienza. Aumento di efficienza con riduzione del numero di processori (esempio di riduzione logaritmica). Modello PDM, complessità di operazioni di permutazione e sort, relazione con il modello BSP. |
| * **24/04** __ __ | * **24/04** __Modelli di calcolo Bulk - Synchronous__ \\ Modelli coarse parallel (o bulk-synchronous). Modello BSP, schema e parametri, valutazione del costo algoritmico. Bridging models: Cenni a CGM e LogP. Realisticità del modello BSP, cenni alle estensioni: BSP*, D-BSP. Implementabilità, cenni a BSPlib. Cenni all'uso di modelli BSP-like per la valutazione del costo di skeleton paralleli [Tesi di dottorato di Andrea Zavanella]. Cenni alla possibilità di simulazione efficiente in memoria esterna di algoritmi BSP-* (vedi riferimenti su M.Coppola, M.Schmollinger //"Hierarchical Models and Software Tools for Parallel Programming"// LNCS 2625, cap 15 ). |
| * **29/04** __Memorie Condivise Distribuite__ \\ Concetto di DSM (distributed shared memory). [capitolo 9 del libro, ecluso 9.6.3] \\ Vantaggi e svantaggi (portabilità, prestazioni, scalabilità). Modelli di consistenza (weak, strict / sequential), unità di coerenza (pagine, variabili, oggetti), livello dei meccanismi di implementazione (hardware, sistema operativo, libreria, linguaggio di programmazione). Problema del false sharing. Eager and lazy release consistency (associata alle operazioni), entry consistency (data dalla struttura dei dati), scope consistency (data dalla struttura del programma). [Tesi Dottorato Marco Aldinucci , Capitolo 3] \\ Implementazione su meccanismi (hw/sw) di tipo message passing. Supporto ad hardware, supporto tramite librerie, supporto tramite thread/ processi serventi. Uso del supporto DSM in Assist: libreria smReference per l'interfacciamento ad una DVSM. Astrazione esposta, modello di consistenza esplicita, suo uso da ASSIST. Primitive, confronto tra due implementazioni: la DSM DVSA, il supporto DSM AdHoc. Impatto sulla gestione di strutture dati dinamiche, sulla dimensione dello spazio condiviso, sulla riconfigurabilità dinamica dell'insieme di nodi che supportano l'astrazione DSM. Strutture dati in memoria condivisa ed algoritmi out-of core; esempio: implementazione di Shared Tree in SkIE / ASSIST. | |
| | | [[http://portal.acm.org/citation.cfm?id=79181|Articolo di Valiant sui Parallel Bridging Models]] | |
| | | [[http://www.acm.org/pubs/citations/journals/surveys/1996-28-4es/a208-cormen/|Link al position paper di T.H.Cormen]] | |
| | | [[http://www.cs.dartmouth.edu/~thc/papers.html|Pagina degli articoli di Cormen]]. | |
| | | [[http://www.springerlink.com/content/0wpxd6j3l63w/ |LNCS 2625, cap 15]] | |
| | |
| | |
| | * **29/04** __Memorie Condivise Distribuite__ \\ Concetto di DSM (distributed shared memory). [** capitolo 9 del libro, escluso 9.6.3 **] \\ Vantaggi e svantaggi (portabilità, prestazioni, scalabilità). Modelli di consistenza (weak, strict / sequential), unità di coerenza (pagine, variabili, oggetti), livello dei meccanismi di implementazione (hardware, sistema operativo, libreria, linguaggio di programmazione). Problema del false sharing. Eager and lazy release consistency (associata alle operazioni), entry consistency (data dalla struttura dei dati), scope consistency (data dalla struttura del programma). [Tesi Dottorato Marco Aldinucci , Capitolo 3] \\ Implementazione su meccanismi (hw/sw) di tipo message passing. Supporto ad hardware, supporto tramite librerie, supporto tramite thread/ processi serventi. Uso del supporto DSM in Assist: libreria smReference per l'interfacciamento ad una DVSM. Astrazione esposta, modello di consistenza esplicita, suo uso da ASSIST. Primitive, confronto tra due implementazioni: la DSM DVSA, il supporto DSM AdHoc. Impatto sulla gestione di strutture dati dinamiche, sulla dimensione dello spazio condiviso, sulla riconfigurabilità dinamica dell'insieme di nodi che supportano l'astrazione DSM. Strutture dati in memoria condivisa ed algoritmi out-of core; esempio: implementazione di Shared Tree in SkIE / ASSIST. |
| * **5/05** // lezione annullata // | * **5/05** // lezione annullata // |
| * **8/05** __ __ | * **8/05** __Introduzione al Data Mining__ |
| * **12/05** __ __ | * **12/05** __Clustering Parallelo : K-means__ |
| * **15/05** __ __ | |
| | | [[http://www.di.unipi.it/~coppola/didattica/ccp0506/papers/dhillon-modha-corretto_parkmeans.ps|Dhillon, Modha Technical Report su K-means parallelo]] | A Data-Clustering Algorithm On Distributed Memory Multiprocessors. I.S. Dhillon, D.S.Modha, LNAI 1759, pag 245. **Nota:** la versione disponibile online via LNCS riporta un algoritmo errato, il technical report è corretto. | |
| | | [[http://www.di.unipi.it/~coppola/didattica/ccp0506/papers/i0871.pdf|Ottimizzazioni sequenziali e parallele per K-means]] | Large-Scale Parallel Data Clustering. Dan Judd, Philip K. Mckinley, Anil K. Jain. Ieee Transaction On Pattern Analysis And Machine Intelligence, Vo. 20, No. 8 August 1998. | |
| | * **15/05** __Context-aware High Performance Computing__ |
| * **19/05** __ __ | * **19/05** __ __ |
| * **22/05** __ __ | * **22/05** __ __ |
