/usr/share/doc/HOWTO/fr-html/Beowulf-HOWTO.html is in doc-linux-fr-html 2013.01-2.
This file is owned by root:root, with mode 0o644.
The actual contents of the file can be viewed below.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 | <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3.2//EN">
<html>
<head>
<meta name="generator" content=
"HTML Tidy for Linux (vers 25 March 2009), see www.w3.org">
<meta name="GENERATOR" content="LinuxDoc-Tools 0.9.69">
<title>Beowulf HOWTO</title>
</head>
<body>
<h1>Beowulf HOWTO</h1>
<h2>Jacek Radajewski and Douglas Eadline (traduction :
Emmanuel PIERRE, epierre@e-nef.com )</h2>
v1.1.1, 22 Novembre 1998
<hr>
<em>Ce document est une introduction à l'architecture
Beowulf Supercomputeur. Il fournit les informations de base sur la
programmation parallèle, et inclut des liens vers des
documents plus spécifiques et des pages web.</em>
<hr>
<h2><a name="s1">1. Préambule</a></h2>
<h2><a name="ss1.1">1.1 Mise en garde</a></h2>
<p>Nous n'accepterons aucune responsabilité pour toute
information incorrecte présente dans ce document, ni pour
aucun des dommages qui pourraient en résulter.</p>
<h2><a name="ss1.2">1.2 Copyright</a></h2>
<p>Copyright © 1997 - 1998 Jacek Radajewski et Douglas
Eadline. Le droit de distribuer et de modifier ce document est
autorisé sous la licence GNU General Public License.</p>
<h2><a name="ss1.3">1.3 Au sujet de ce HOWTO</a></h2>
<p>Jacek Radajewski a commencé à travailler sur ce
document en novembre 1997 et a été ensuite rejoint
par Douglas Eadline. En quelques mois, le HOWTO Beowulf est devenu
un document consistant, et en août 1998, il a
été découpé en trois: Beowulf HOWTO,
Beowulf Architecture Design HOWTO, the Beowulf Installation and
Administration HOWTO. La Version 1.0.0 de ce document a
été soumise au Linux Documentation Project le 11
novembre 1998. Nous espérons que ce ne soit que le
début de ce qui deviendra une documentation complète
du Projet de Documentation Beowulf (Beowulf Documentation
Project).</p>
<h2><a name="ss1.4">1.4 Au sujet des auteurs</a></h2>
<ul>
<li>Jacek Radajewski est Administrateur Réseau, et
prépare un degré honorifique en Informatique à
l'Université du Southern Queensland, Australie. Le premier
contact de Jacek avec Linux eut lieu en 1995 et il en tomba
amoureux du premier coup. Jacek construisit son premier cluster
Beowulf en Mai 1997 et a joué avec cette technologie depuis,
toujours à la recherche de la meilleure manière de
tout organiser. Vous pouvez joindre Jacek par courriel à
<a href="mailto:jacek@usq.edu.au">jacek@usq.edu.au</a></li>
<li>Douglas Eadline, Ph.D. est le President et le Principal
Scientifique (Principal Scientist) à Paralogic, Inc.,
Bethlehem, PA, USA. Formé en tant que Chimiste
Physique/Analytique, il s'est investi dans les ordinateurs depuis
1978, année où il a construit sa première
machine pour l'utiliser avec l'instrumentation chimique. A
ujourd'hui, le Dr. Eadline s'intéresse à Linux, aux
clusters Beowulf, et aux algorithmes parallèles. Le Dr.
Eadline peut être joint par courriel à <a href=
"mailto:deadline@plogic.com">deadline@plogic.com</a></li>
</ul>
<h2><a name="ss1.5">1.5 Remerciements</a></h2>
<p>L'écriture du HOWTO Beowulf a été longue,
et il est finalement complet grâce à de nombreuses
personnes. Nous voudrions remercier celles qui suivent pour leur
aide et leurs contributions à ce HOWTO:</p>
<ul>
<li>Becky pour son amour, son soutien, et sa
compréhension.</li>
<li>Tom Sterling, Don Becker, et les autres personnes de la NASA
qui furent à l'origine du projet Beowulf.</li>
<li>Thanh Tran-Cong et la Faculty of Engineering and Surveying pour
avoir donné la machine Beowulf <i>topcat</i> pour les tests
de Beowulf.</li>
<li>Mon supérieur Christopher Vance pour de nombreuses
bonnes idées.</li>
<li>Mon ami Russell Waldron pour de grandes idées de
programmation, son intérêt général pour
le projet, et son soutien.</li>
<li>Mon ami David Smith pour la relecture de ce document.</li>
<li>Et de nombreuses autres personnes sur la liste de diffusion
Beowulf qui nous ont fournis beaucoup de retour et
d'idées.</li>
<li>Toutes les personnes qui sont responsables du système
d'exploitation Linux et de tous les autres outils gratuits
utilisés sur <i>topcat</i> et les diverses machines
Beowulf.</li>
</ul>
<h2><a name="s2">2. Introduction</a></h2>
<p>Au fur et à mesure que les niveaux de performance et de
commodité des ordinateurs et des réseaux augmentent,
il devient de plus en plus facile de construire des systèmes
informatiques parallèles à partir de composants
facilement disponibles, plutôt que de construire des
processeurs sur de très coûteux Superordinateurs. En
fait, le rapport prix/performances d'une machine de type Beowulf
est de trois à dix fois meilleur que celui des
superordinateurs traditionnels. L'architecture Beowulf
s'échelonne bien, elle est facile à construire et
vous ne payez que pour le matériel, puisque la pluspart des
logiciels sont gratuits.</p>
<h2><a name="ss2.1">2.1 A qui s'adresse ce HOWTO ?</a></h2>
<p>Ce HOWTO s'adresse aux personnes qui ont déjà eu
au moins des contacts avec le système d'exploitation Linux.
La connaissance de la technologie Beowulf ou d'un système
d'exploitation plus complexe et de concepts réseaux n'est
pas essentielle, mais des aperçus de la programmation
parallèle sont bienvenus (après tout, vous devez
avoir de bonnes raisons de lire ce document). Ce HOWTO ne
répondra pas à toutes les questions que vous pourriez
vous poser au sujet de Beowulf, mais, espérons-le, vous
donnera des idées et vous guidera dans la bonne direction.
Le but de ce HOWTO est de fournir des informations de base, des
liens et des références vers des documents plus
approfondis.</p>
<h2><a name="ss2.2">2.2 Qu'est-ce que Beowulf ?</a></h2>
<p><i>Famed was this Beowulf: far flew the boast of him, son of
Scyld, in the Scandian lands. So becomes it a youth to quit him
well with his father's friends, by fee and gift, that to aid him,
aged, in after days, come warriors willing, should war draw nigh,
liegemen loyal: by lauded deeds shall an earl have honor in every
clan.</i> Beowulf est le poème épique le plus ancien
en Anglais qui ait été conservé. C'est
l'histoire d'un héros d'une grande force et d'un grand
courage qui a défait un monstre appelé Grendel. Voir
l' <a href="#history">Historique</a> pour en savoir plus sur le
héros Beowulf.</p>
<p>Il y a peut-être de nombreuses définitions de
Beowulf, autant que de personnes qui construisent ou utilisent des
Superordinateurs Beowulf. Certains disent qu'ils peuvent appeler
leur système Beowulf seulement s'il est construit de la
même façon que la machine d'origine de la NASA.
D'autres vont à l'extrême inverse et appellent ainsi
n'importe quel système de stations qui exécutent du
code parallèle. Ma définition d'un Beowulf se situe
entre ces deux avis, et est fondée sur de nombreuses
contributions dans la liste de diffusion Beowulf.</p>
<p>Beowulf est une architecture multi-ordinateurs qui peut
être utilisée pour la programmation parallèle.
Ce système comporte habituellement un noeud serveur, et un
ou plusieurs noeuds clients connectés entre eux à
travers Ethernet ou tout autre réseau. C'est un
système construit en utilisant des composants
matériels existants, comme tout PC capable de faire tourner
Linux, des adaptateurs Ethernet standards, et des switches. Il ne
contient aucun composant matériel propre et est
aisément reproductible. Beowulf utilise aussi des
éléments comme le système d'exploitation
Linux, Parallel VirtualMachine (PVM) et Message Passing Interface
(MPI). Le noeud serveur contrôle l'ensemble du cluster et
sert de serveur de fichiers pour les noeuds clients. Il est aussi
la console du cluster et la passerelle (gateway) vers le monde
extérieur. De grandes machines Beowulf peuvent avoir plus
d'un noeud serveur, et éventuellement aussi d'autres noeuds
dédiés à des tâches
particulières, par exemple comme consoles ou stations de
surveillance. Dans de nombreux cas, les noeuds clients d'un
système Beowulf sont idiots (dumb): plus ils sont idiots,
mieux ils sont. Les noeuds sont configurés et
contrôlés par le noeud serveur, et ne font que ce
qu'on leur demande de faire. Dans une configuration client sans
disque (diskless), les noeuds clients ne connaissent même pas
leur adresse IP ou leur nom jusqu'à ce que le serveur leur
dise qui ils sont. Une des principales différences entre
Beowulf et un Cluster de Stations de travail (COW) est le fait que
Beowulf se comporte plus comme une simple machine plutôt que
comme plusieurs stations de travail. Dans de nombreux cas, les
noeuds clients n'ont pas de claviers ni de moniteurs, et on n'y
accède que par une connection distante ou par un terminal
série. Les noeux Beowulf peuvent être envisagés
comme un CPU + des ensembles de mémoires qui peuvent
être branchés dans le cluster, exactement comme un CPU
ou un module mémoire peut être branché dans une
carte mère.</p>
<p>Beowulf n'est pas un ensemble de matériels
spécialisés, une nouvelle topologie réseau ou
le dernier hack du kernel. Beowulf est une technologie de
clustering d'ordinateurs Linux pour former un superordinateur
parallèle, virtuel. Même s'il y a de nombreux
paquetages comme des patches du noyau, PVM, les librairies MPI, et
des outils de configuration qui rendent l'architecture Beowulf plus
rapide, plus facile à configurer, et plus facilement
utilisable, on peut construire une machine de classe Beowulf en
utilisant une distribution Standard de Linux sans ajouter d'autres
logiciels. Si vous avez deux Linux en réseau qui partagent
au moins le même système de fichier
<code>racine</code> via NFS, et qui se font confiance pour
exécuter des sessions distantes (rsh), alors on peut dire
que vous avez un simple Beowulf de deux noeuds.</p>
<h2><a name="ss2.3">2.3 Classification</a></h2>
<p>Les systèmes Beowulf ont été construits
à partir de nombreux constituants. Pour des
considérations de performances, des composants moins communs
(i.e. produits par un seul fabricant) ont été
utilisés. Afin de recenser les différents types de
systèmes et de rendre les discussions au sujet des machines
un peu plus faciles, nous proposons la méthode simple de
classification suivante:</p>
<p>CLASSE I BEOWULF:</p>
<p>Cette classe concerne des machines faites
d'éléments globalement disponibles. Nous devrons
utiliser les tests de certification "Computer Shopper" pour
définir les composants d'assemblage. ("Computer Shopper" est
un mensuel sur les PC et leurs composants.) [NdT: US seulement ;
pour un équivalent, on peut évoquer par exemple "PC
Direct".] Le test est le suivant:</p>
<p>Un Beowulf CLASSE I est une machine qui peut être
assemblée à partir de pièces trouvées
dans au moins quatre journaux de publicité de grande
diffusion.</p>
<p>Les avantages des systèmes de CLASS I sont:</p>
<ul>
<li>le matériel est disponible de noubreuses sources (faible
coût, maintenance facile)</li>
<li>ne dépendant pas d'un seul vendeur de
matériel</li>
<li>support des drivers par les commodités Linux</li>
<li>basé habituellement sur des standards (SCSI, Ethernet,
etc.)</li>
</ul>
<p>Les désavantages d'un système de CLASSE I
sont:</p>
<ul>
<li>de meilleures performances peuvent nécessiter du
matériel de CLASSE II</li>
</ul>
<p>CLASSE II BEOWULF</p>
<p>Un Beowulf CLASSE II Beowulf est simplement une machine qui ne
passe pas le test de certification "Computer Shopper". Ce n'est pas
une mauvaise chose. D'autre part, il s'agit plutôt d'une
classification de la machine.</p>
<p>Les avantages d'un système de CLASSE II sont:</p>
<ul>
<li>les performances peuvent être assez bonnes !</li>
</ul>
<p>Les désavantages des systèmes de CLASSE II
sont:</p>
<ul>
<li>le support des drivers peut varier</li>
<li>reposent sur un seul vendeur de matériel</li>
<li>peuvent être plus chers que les systèmes de CLASSE
I.</li>
</ul>
<p>Une CLASSE n'est pas nécessairement meilleure qu'une
autre. Cela dépend surtout de vos besoins et de votre
budget. Cette classification des systèmes sert seulement
à rendre les discussions sur les systèmes Beowulf un
peu plus succintes. La "Conception du Système" peut aider
à déterminer quelle sorte de système est le
plus approprié à vos besoins.</p>
<h2><a name="s3">3. Aperçu de l'Architecture</a></h2>
<h2><a name="ss3.1">3.1 A quoi cela ressemble-t-il ?</a></h2>
<p>Je pense que la meilleure façon de décrire
l'architecture d'un superordinateur Beowulf est d'utiliser un
exemple qui est très proche du vrai Beowulf, mais aussi
familier à beaucoup d'administrateurs systèmes.
L'exemple le plus proche d'une machine Beowulf est un Unix de
laboratoire avec un serveur et un certain nombre de clients. Pour
être plus spécifique, j'utiliserai le DEC Alpha au
laboratoire d'informatique de la Faculté des Sciences de
l'USQ comme exemple. Le serveur est appelé <i>beldin</i> et
les machines clientes sont <i>scilab01</i>, <i>scilab02</i>,
<i>scilab03</i>, jusqu'à <i>scilab20</i>. Tous les clients
ont une copie locale du système d'exploitation Digital Unix
4.0 installé, mais ont l'espace disque utilisateur
(<code>/home</code>) et <code>/usr/local</code> du serveur via NFS
(Network File System). Chaque client a une entrée pour le
serveur et tous les autres clients dans son fichier
<code>/etc/hosts.equiv</code>: ainsi tous les clients peuvent
exécuter une cession distante (rsh) vers tout autre. La
machine serveur est un serveur NIS pour tout le laboratoire, ainsi
les informations des comptes sont les mêmes sur toutes les
machines. Une personne peut s'asseoir à la console de
<i>scilab02</i>, se logue, et a le même environnement que
s'il était logué sur le serveur, ou <i>scilab15</i>.
La raison pour laquelle les clients ont la même
présentation est que le système d'exploitation est
installé et configuré de la même façon
sur toutes les machines, les espaces <code>/home</code> et
<code>/usr/local</code> sont physiquement sur le même serveur
et les clients y accèdent via NFS. Pour plus d'informations
sur NIS et NFS, reportez-vous à <a href=
"http://sunsite.unc.edu/LDP/HOWTO/NIS-HOWTO.html">NIS</a> et
<a href=
"http://sunsite.unc.edu/LDP/HOWTO/NFS-HOWTO.html">NFS</a>.</p>
<h2><a name="ss3.2">3.2 Comment utiliser les autres noeuds
?</a></h2>
<p>Maintenant que nous avons une vision correcte de l'architecture
du système, regardons comment nous pouvons utiliser les
cycles CPU des machines dans le laboratoire. Toute personne peut se
loguer sur n'importe laquelle des machines, et lancer un programme
dans son répertoire de base, mais peut aussi éclater
la même tâche sur différentes machines
simplement en exécutant un shell distant. Par exemple, si
nous voulons calculer la somme des racines carrées de tous
les entiers inclus strictement entre 1 et 10, nous écrivons
un simple programme appelé <code>sigmasqrt</code> (voir
<a href="#sigmasqrt">code source</a>) qui fait cela exactement.
Pour calculer la somme des racines carrées des nombres de 1
à 10, nous exécutons :</p>
<pre>
[jacek@beldin sigmasqrt]$ time ./sigmasqrt 1 10
22.468278
real 0m0.029s
user 0m0.001s
sys 0m0.024s
</pre>
La commande <code>time</code> nous permet de vérifier le
temps mis en exécutant cette tâche. Comme nous pouvons
le voir, cet exemple a pris seulement une petite fraction de
seconde (0.029 sec) pour s'exécuter, mais que se passe-t-il
si je veux ajouter la racine carrée des entiers de 1
à 1 000 000 000 ? Essayons ceci, et calculons le temps
écoulé:
<pre>
[jacek@beldin sigmasqrt]$ time ./sigmasqrt 1 1000000000
21081851083600.559000
real 16m45.937s
user 16m43.527s
sys 0m0.108s
</pre>
<p>Cette fois, le temps d'exécution de ce programme est
considérablement supérieur. La question
évidente qui se pose est: est-il possible de diminuer le
temps d'exécution de cette tâche et comment ? La
réponse évidente est de découper la
tâche en un ensemble de sous-tâches et
d'exécuter ces sous-tâches en parallèle sur
tous les ordinateurs. Nous pouvons séparer la grande
tâche d'addition en 20 parties en calculant un intervalle de
racines carrées et en les additionnant sur un seul noeud.
Quand tous les noeuds ont fini les calculs et retournent leurs
résultats, les 20 nombres peuvent être
additionnés ensemble et fournir la solution finale. Avant de
lancer ce processus, nous allons créer un "named pipe" qui
sera utilisé par tous les processus pour écrire leurs
résultats:</p>
<pre>
[jacek@beldin sigmasqrt]$ mkfifo output
[jacek@beldin sigmasqrt]$ ./prun.sh & time cat output | ./sum
[1] 5085
21081851083600.941000
[1]+ Done ./prun.sh
real 0m58.539s
user 0m0.061s
sys 0m0.206s
</pre>
<p>Cette fois, cela prend 58.5 secondes. C'est le temps qui a
été nécessaire entre le démarrage du
processus et le moment où les noeuds ont fini leurs calculs
et écrit leurs résultats dans la pipe. Ce temps
n'inclut pas l'addition finale des 20 nombres, mais il
représente une petite fraction de seconde et peut être
ignoré. Nous pouvons voir qu'il y a un avantage significatif
à exécuter une tâche en parallèle. En
fait la tâche en parallèle s'est
exécutée 17 fois plus vite, ce qui est très
raisonnable pour un facteur 20 d'augmentation du nombre de CPU. Le
but de l'exemple précédent est d'illustrer la
méthode la plus simple de paralléliser du code
concurrent. En pratique, des exemples aussi simples sont rares et
différentes techniques (les API de PVM et PMI) sont
utilisées pour obtenir le parallélisme.</p>
<h2><a name="ss3.3">3.3 En quoi un Beowulf diffère-t-il d'un
COW ?</a></h2>
<p>Le laboraroire d'informatique décrit plus haut est un
exemple parfait d'un cluster de stations (COW). Qu'est-ce qui rend
donc Beowulf si spécial et en quoi diffère-t-il d'un
COW ? En réalité il n'y a pas beaucoup de
différence, mais un Beowulf a quelques
caractéristiques uniques. La première est que dans la
plupart des cas, les noeuds clients dans un cluster Beowulf n'ont
pas de clavier, de souris, de carte graphique ni de moniteur. Tous
les accès aux noeuds clients sont faits par une connection
distante du noeud serveur, un noeud dédié à
une console, ou une console série. Cela parce qu'il n'y a
aucun besoin pour un noeud client d'accéder à des
machines en dehors du cluster, ni pour des machines en dehors du
cluster d'accéder à des noeuds clients directement;
c'est une pratique habituelle que les noeuds clients utilisent des
adresses IP privées comme les plages d'adresses 10.0.0.0/8
ou 192.168.0.0/16 (RFC 1918 <a href=
"http://www.alternic.net/rfcs/1900/rfc1918.txt.html">http://www.alternic.net/rfcs/1900/rfc1918.txt.html</a>).
D'habitude la seule machine qui est aussi connectée au monde
externe en utilisant une seconde carte réseau est le noeud
serveur. La façon la plus habituelle d'accéder au
système est soit d'utiliser la console du serveur
directement, soit de faire un telnet ou un login distant (rlogin)
sur le noeud serveur d'une station personnelle. Une fois sur
celui-ci, les utilisateurs peuvent éditer et compiler leur
code, et aussi distribuer les tâches sur tous les noeuds du
cluster. Dans la plupart des cas, les COW sont utilisées
pour des calculs parallèles la nuit et les week-ends, quand
les stations ne sont pas utilisées pendant les
journées de travail, utilisant ainsi les périodes de
cycles libres des CPU. D'autre part, le Beowulf est une machine
dédiée au calcul parallèle, et
optimisée pour cette tâche. Il donne aussi un meilleur
rapport prix/performance puisqu'il est constitué de
composants grand public et qu'il tourne principalement à
partir de logiciels libres. Beowulf donne aussi davantage l'image
d'une seule machine, ce qui permet aux utilisateurs de voir le
cluster Beowulf comme une seule station de calcul.</p>
<h2><a name="s4">4. Conception du Système</a></h2>
<p>Avant d'acheter du matériel, il serait de bon aloi de
considérer le design de votre système. Il y a deux
approches matérielles qui sont impliquées dans le
design d'un système Beowulf: le type de noeuds ou
d'ordinateurs que vous allez utiliser, et la méthode que
vous allez utiliser pour vous connecter aux noeuds d'ordinateurs.
Il n'y a qu'une seule approche logicielle qui puisse affecter votre
choix matériel: la librairie de communication ou API. Une
discussion plus détaillée sur le matériel et
les logiciels de communication est fournie plus loin dans ce
document.</p>
<p>Alors que le nombre de choix n'est pas grand, il y a des
considérations de conception qui doivent être prises
pour la construction d'un cluster Beowulf. La science (ou art) de
la "programmation parallèle" étant l'objet de
nombreuses interprétations, une introduction est fournie
plus bas. Si vous ne voulez pas lire les connaissances de base,
vous pouvez survoler cette section, mais nous vous conseillons de
lire la section <a href="#suitability">Convenance</a> avant tout
choix défninitif de matériel.</p>
<h2><a name="ss4.1">4.1 Brefs rappels sur la programmation
parallèle</a></h2>
<p>Cette section fournit des informations générales
sur les concepts de la programmation parallèle. Ceci n'est
PAS exhaustif, ce n'est pas une description complète de la
programmation parallèle ou de sa technologie. C'est une
brève description des enjeux qui peuvent influer fortement
sur le concepteur d'un Beowulf, ou sur son utilisateur.</p>
<p>Lorsque vous déciderez de construire votre Beowulf, de
nombreux points décrits plus bas deviendront importants dans
votre processus de choix. A cause de la nature de ses "composants",
un Superordinateur Beowulf nécessite de prendre de nombreux
facteurs en compte, car maintenant ils dépendent de nous. En
général, il n'est pas du tout difficile de comprendre
les objectifs impliqués dans la programmation
parallèle. D'ailleurs, une fois que ces objectifs sont
compris, vos attentes seront plus réalistes, et le
succès plus probable. Contrairement au "monde
séquentiel", où la vitesse du processeur est
considérée comme le seul facteur important, la
vitesse des processeurs dans le "monde parallèle" n'est que
l'un des paramètres qui détermineront les
performances et l'efficacité du système dans son
ensemble.</p>
<h2><a name="ss4.2">4.2 Les méthodes de programmation
parallèle</a></h2>
<p>La programmation parallèle peut prendre plusieurs formes.
Du point de vue de l'utilisateur, il est important de tenir compte
des avantages et inconvénients de chaque
méthodologie. La section suivante tente de fournir quelques
aperçus sur les méthodes de programmation
parallèle et indique où la machine Beowulf fait
défaut dans ce continuum.</p>
<h3>Pourquoi plus d'un CPU ?</h3>
<p>Répondre à cette question est important. Utiliser
8 CPU pour lancer un traitement de texte sonne comme "trop inutile"
-- et ce l'est. Et qu'en est-il pour un serveur web, une base de
données, un programme de ray-tracing, ou un planificateur de
projets ? Peut-être plus de CPU peuvent-ils améliorer
les performances. Mais qu'en est-il de simulations plus complexes,
de la dynamique des fluides, ou d'une application de Fouille de
Données (Data Mining) ? Des CPU supplémentaires sont
absolument nécessaires dans ces situations. D'ailleurs, de
multiples CPU sont utilisés pour résoudre de plus en
plus de problèmes.</p>
<p>La question suivante est habituellement: "Pourquoi ai-je besoin
de deux ou quatre CPU ? Je n'ai qu'à attendre le méga
super rapide processeur 986." Il y a de nombreuses raisons:</p>
<ol>
<li>Avec l'utilisation de systèmes d'exploitations
multi-tâches, il est possible de faire plusieurs choses en
même temps. Cela est un "parallélisme" naturel qui est
exploité par plus d'un CPU de bas prix.</li>
<li>La vitesse des processeurs double tous les 18 mois mais qu'en
est-il de la vitesse de la mémoire ? Malheureusement,
celle-ci n'augmente pas aussi vite que celle des processeurs.
Gardez à l'esprit que beaucoup d'applications ont besoin de
mémoire autre que celle du cache processeur et de
l'accès disque. Faire les choses en parallèle est une
façon de contourner ces limitations.</li>
<li>Les prédictions indiquent que la vitesse des processeurs
ne continuera pas à doubler tous les 18 mois après
l'an 2005. Il y a divers obstacles à surmonter pour
maintenir ce rythme.</li>
<li>Suivant l'application, la programmation parallèle peut
accélérer les choses de 2 à 500 fois (et
même plus dans certains cas). De telles performances ne sont
pas disponibles sur un seul processeur. Même les
Superordinateurs qui utilisaient à un moment un seul
processeur spécialisé très rapide sont
maintenant constitués de nombreux CPU plus banals.</li>
</ol>
<p>Si vous avez besoin de vitesse -- à cause d'un
problème lié au calcul et/ou aux
entrées/sorties --, il vaut la peine de considérer
l'approche parallèle. Comme le calcul parallèle est
implémenté selon de nombreuses voies, résoudre
votre problème en parallèle nécessitera de
prendre quelques décisions importantes. Ces décisions
peuvent affecter dramatiquement la protabilité, la
performance, et le coût de votre application.</p>
<p>Avant d'être par trop technique, regardons un vrai
"problème de calcul parallèle" en utilisant un
exemple qui nous est familier: faire la queue à une
caisse.</p>
<h3>La "caisse" en programmation parallèle</h3>
<p>Considérons un grand magasin avec 8 caisses
regroupées devant le magasin. Imaginons que chaque caisse
est un CPU et chaque client un programme informatique. La taille du
programme (quantité de calcul) est la taille de la commande
de chaque client. Les analogies suivantes peuvent être
utilisées pour illustrer les concepts de la programmation
parallèle:</p>
<h3>Systèmes d'exploitation Mono-Tâche:</h3>
<p>Une caisse ouverte (et en service) qui ne peut traiter qu'un
client à la fois.</p>
<p>Exemple en Informatique : MS DOS</p>
<h3>Systèmes d'exploitation Multi-Tâches:</h3>
<p>Une caisse ouverte, mais maintenant nous pouvons traiter une
partie de chaque commande à un instant donné, aller
à la personne suivante et traiter une partie de sa commande.
Tout le monde "semble" avancer dans la queue en même temps,
mais s'il n'y a personne dans la queue, vous serez servi plus
vite.</p>
<p>Exemple en Informatique : UNIX, NT avec un seul CPU</p>
<h3>Systèmes d'exploitation Multi-Tâches avec
plusieurs CPU:</h3>
<p>Maintenant on ouvre plusieurs caisses dans le magasin. Chaque
commande peut être traitée par une caisse
différente et la queue peut avancer plus vite. Ceci est
appelé SMP - Gestion Multiple Symétrique (Symmetric
Multi-processing). Même s'il y a plus de caisses ouvertes,
vous n'avancerez pas plus vite dans la queue que s'il n'y avait
qu'une seule caisse.</p>
<p>Exemple en Informatique : UNIX, NT avec plusieurs CPU</p>
<h3>Sous-tâches (Threads) sur les autres CPU d'un
Système d'exploitation Multi-Tâches:</h3>
<p>Si vous "séparez" les objets de votre commande, vous
pouvez être capable d'avancer plus vite en utilisant
plusieurs caisses en même temps. D'abord, nous postulons que
vous achetez une grande quantité d'objets, parce que le
temps que vous investirez pour "séparer" votre commande doit
être regagné en utilisant plusieurs caisses. En
théorie, vous devriez être capables de vous
déplacer dans la queue "n" fois plus vite qu'avant,
où "n" est le nombre de caisses. Quand les caissiers ont
besoin de faire des sous-totaux, ils peuvent échanger
rapidement les informations visuellement et en discutant avec
toutes les autres caisses "locales". Ils peuvent aussi aller
chercher directement dans les registres des autres caisses pour
trouver les informations dont ils ont besoin pour travailler plus
vite. La limite étant le nombre de caisses qu'un magasin
peut effectivement installer.</p>
<p>La loi de Amdals montre que l'accélération de
l'application est liée à la portion
séquentielle la plus lente exécutée par le
programme (NdT: i.e. majorée par la tâche la plus
lente).</p>
<p>Exemple en Informatique : UNIX ou NT avec plusieurs CPU sur la
même carte-mère avec des programmes multi-threads.</p>
<h3>Envoyer des messages sur des Systèmes d'exploitation
Multi-Tâches avec plusieurs CPU:</h3>
<p>De façon à améliorer la performance, la
Direction ajoute 8 caisses à l'arrière du magasin.
Puisque les nouvelles caisses sont loin du devant du magasin, les
caissiers doivent téléphoner pour envoyer leurs
sous-totaux vers celui-ci. La distance ajoute un délai
supplémentaire (en temps) dans la communication entre
caissiers, mais si la communication est minimisée, cela ne
pose pas de problème. Si vous avez vraiment une grosse
commande, une qui nécessite toutes les caisses, alors comme
avant votre vitesse peut être améliorée en
utilisant toutes les caisses en même temps, le temps
sopplémentaire devant être pris en compte. Dans
certains cas, le magasin peut n'avoir que des caisses (ou des
îlots de caisses) localisés dans tout le magasin :
chaque caisse (ou îlot) doit communiquer par
téléphone. Puisque tous les caissiers peuvent
discutter par téléphone, leur emplacement importe
peu.</p>
<p>Exemple en Informatique : Une ou plusieurs copies d'UNIX ou NT
avec plusieurs CPU sur la même, ou différentes
cartes-mères communiquant par messages.</p>
<p>Les scénarios précédents, même s'ils
ne sont pas exacts, sont une bonne représentation des
contraintes qui agissent sur les systèmes parallèles.
Contrairement aux machines avec un seul CPU (ou caisse), la
communication est importante.</p>
<h2><a name="ss4.3">4.3 Architectures pour le calcul
parallèle</a></h2>
<p>Les méthodes et architectures habituelles de la
programmation parallèle sont représentées
ci-dessous. Même si cette description n'est en aucun cas
exhaustive, elle est suffisante pour comprendre les
impératifs de base dans la conception d'un Beowulf.</p>
<h3>Architectures Matérielles</h3>
<p>Il y a typiquement deux façons d'assembler un ordinateur
parallèle:</p>
<ol>
<li>La mémoire locale des machines qui communiquent par
messages (Clusters Beowulf)</li>
<li>Les machines à mémoire partagée qui
communiquent à travers la mémoire (machines SMP)</li>
</ol>
<p>Un Beowulf typique est une collection de machines
mono-processeurs connectées utilisant un réseau
Ethernet rapide, et qui est ainsi une machine à
mémoire locale. Une machine à 4 voies SMP est une
machine à mémoire partagée et peut être
utilisée pour du calcul parallèle -- les applications
parallèles communiquant via la mémoire
partagée. Comme pour l'analogie du grand magasin, les
machines à mémoire locale (donc à caisse
individuelle) peuvent être scalairisées jusqu'à
un grand nombre de CPU ; en revanche, le nombre de CPU que les
machines à mémoire partagée peuvent avoir (le
nombre de caisses que vous pouvez placer en un seul endroit) peut
se trouver limité à cause de l'utilisation (et/ou de
la vitesse) de la mémoire.</p>
<p>Il est toutefois possible de connecter des machines à
mémoire partagée pour créer une machine
à mémoire partagée "hybride". Ces machines
hybrides "ressemblent" à une grosse machine SMP pour
l'utilisateur et sont souvent appelées des machines NUMA
(accès mémoire non uniforme) parce que la
mémoire globale vue par le programmeur et partagée
par tous les CPU peut avoir différents temps d'accès.
A un certain niveau d'ailleurs, une machine NUMA doit "passer des
messages" entre les groupes de mémoires
partagées.</p>
<p>Il est aussi possible de connecter des machines SMP en tant que
noeuds de mémoire locale. Typiquement, les
cartes-mères de CLASSE I ont soit 2 ou 4 CPU et sont souvent
utilisées comme moyens pour réduire le coût
global du système. L'arrangeur (scheduler) interne de Linux
détermine combien de ces CPU sont partagés.
L'utilisateur ne peut (à ce jour) affecter une tâche
à un processeur SMP spécifique. Cet utilisateur peut
quand même démarrer deux processus indépendants
ou un programme multi-threads et s'attendre à voir une
amélioration de performance par rapport à un
système à simple CPU.</p>
<h3>Architectures Logicielles et API</h3>
<p>Il y a basiquement deux façons d'"exprimer" la
concurrence dans un programme:</p>
<ol>
<li>En envoyant des Messages entre les processeurs</li>
<li>En utilisant les threads du système d'exploitation
(natives)</li>
</ol>
<p>D'autres méthodes existent, mais celles-là sont le
plus généralement employées. Il est important
de se souvenir que l'expression de concurrence n'est pas
nécessairement contrôlée par la couche
matérielle. Les Messages et les Threads peuvent être
implémentés sur des SMPn NUMA-SMP, et clusters --
même si, comme expliqué ci-dessous,
l'efficacité et la portabilité sont des facteurs
importants.</p>
<h3>Messages</h3>
<p>Historiquement, la technologie de passage de messages
reflétait les débuts des ordinateurs
parallèles à mémoire locale. Les messages
nécessitent la copie des données tandis que les
Threads utilisent des données à la place. Le temps de
latence et la vitesse à laquelle les messages peuvent
être copiés sont les facteurs limitants des
modèles de passage de messages. Un message est assez simple:
des données et un processeur de destination. Des API de
passage de messages répandues sont entre autres <a href=
"http://www.epm.ornl.gov/pvm">PVM</a> ou <a href=
"http://www.mcs.anl.gov/Projects/mpi/index.html">MPI</a>. Le
passage de Messages peut être implémenté avec
efficacité en utilisant ensemble des Threads et des Messages
entre SMP et machines en cluster. L'avantage d'utiliser les
messages sur une machine SMP, par rapport aux Threads, est que si
vous décidez d'utiliser des clusters dans le futur, il est
facile d'ajouter des machines ou de scalairiser vos
applications.</p>
<h3>Threads</h3>
<p>Les Threads ont été développés sur
les systèmes d'exploitation parce que la mémoire
partagée des SMP (moutiprocessorage symmétrique)
permettait une communication très rapide et une
synchronisation de la mémoire partagée entre les
parties d'un programme. Les Threads marchent bien sur les
systèmes SMP parce que la communication a lieu à
travers la mémoire partagée. Pour cette raison,
l'utilisateur doit isoler les données locales des
données globales, sinon les programmes ne fonctionneront pas
correctement. Cela est en contraste avec les messages: une grande
quantité de copie peut être éliminée
avec les threads car les données sont partagées entre
les processus (threads). Linux implémente les Threads POSIX.
Le problème avec les Threads vient du fait qu'il est
difficile de les étendre au-delà d'une machine SMP,
et, comme les données sont partagées entre les CPU,
la gestion de la cohérence du cache peut contribuer à
le charger. Etendre les Threads au-delà des limites des
performances des SMP nécessite la technologie NUMA qui est
chère et n'est pas nativement supportée par Linux.
Implémenter des Threads par dessus les messages a
été fait ( <a href=
"http://syntron.com/ptools/ptools_pg.htm">(http://syntron.com/ptools/ptools_pg.htm)</a>),
mais les Threads sont souvent inefficients une fois
implémentés en utilisant des messages.</p>
<p>On peut résumer ainsi les performances:</p>
<pre>
performance performance
machine SMP cluster de machines scalabilité
----------- ------------------- -----------
messages bonne meilleure meilleure
threads meilleure mauvaise* mauvaise*
* nécessite une technologie NUMA coûteuse.
</pre>
<h3>Architecture des Applications</h3>
<p>Pour exécuter une application en parallèle sur des
CPU multiples, celle-ci doit être explicitement
découpée en parties concurrentes. Une application
standard mono-CPU ne s'exécutera pas plus rapidement
même si elle est exécutée sur une machine
multi-processeurs. Certains outils et compilateurs peuvent
découper les programmesn mais la parallélisation
n'est pas une opération "plug and play". Suivant
l'application, la parallélisation peut être facile,
extrêmement difficile, voire impossible suivant les
contraintes de l'algorithme.</p>
<p>Avant de parler des besoins applicatifs, il nous faut introduire
le concept de Convenance (Suitability).</p>
<h2><a name="suitability"></a> <a name="ss4.4">4.4
Convenance</a></h2>
<p>Beaucoup de questions au sujet du calcul parallèle ont la
même réponse:</p>
<p>"Cela dépend entièrement de l'application."</p>
<p>Avant de passer directement aux opportunités, il y a une
distinction très importante qui doit être faite: la
différence entre CONCURRENT et PARALLELE. Pour clarifier
cette discussion, nous allons définir ces deux termes
ainsi:</p>
<p>les parties CONCURRENTES d'un programme sont celles qui peuvent
être calculées indépendamment.</p>
<p>Les parties PARALLELES d'un programme sont celles qui sont
exécutées sur des éléments de calculs
au même moment.</p>
<p>La distinction est très importante, parce que la
CONCURRENCE est une propriété d'un programme et
l'efficacité en PARALLELISME est une propriété
de la machine. Idéalement, l'exécution en
parallèle doit produire des performances plus grandes. Le
facteur limitant les performances en parallèle est la
vitesse de communication et le temps de latence entre les noeuds de
calcul. (Le temps de latence existe aussi dans les applications TMP
threadées à cause de la cohérence du cache).
De nombreux tests de performances communs sont hautement
parallèles, et ainsi la communication et le temps de latence
ne sont pas les points importants. Ce type de problème peut
être appelé "évidemment parallèle".
D'autres applications ne sont pas si simples et exécuter des
parties CONCURRENTES du programme en PARALLELE peut faire en sorte
que le programme fonctionne plus lentement, et ainsi décaler
toute performance de gain dans d'autres parties CONCURRENTES du
programme. En termes plus simples, le coût en temps de
communication doit en pâtir au profit de celui gagné
en temps de calcul, sinon l'exécution PARALLELE des parties
CONCURRENTES est inefficace.</p>
<p>La tâche du programmeur est de déterminer quelles
parties CONCURRENTES le programmeur DOIT exécuter en
PARALLELE et pour quelles parties il NE DOIT PAS le faire. Sa
réponse déterminera l'EFFICACITE de l'application. Le
graphe suivant résume la situation pour le programmeur:</p>
<pre>
| *
| *
| *
% des | *
appli- | *
cations | *
| *
| *
| *
| *
| *
| ****
| ****
| ********************
+-----------------------------------
temps de communication/temps de calcul
</pre>
<p>Dans un ordinateur parallèle parfait, le rapport
communication/calcul devrait être égal et tout ce qui
est CONCURRENT pourrait être implémenté en
PARALLELE. Malheureusement, les vrais ordinateurs
parallèles, incluant les machines à mémoire
partagée, sont sujets aux effets décrits dans ce
graphe. En concevant un Beowulf, l'utilisateur devrait garder
celui-ci en tête parce que la performance dépend du
rapport entre le temps de communication et le temps de calcul pour
un ORDINATEUR PARALLELE SPECIFIQUE. Les applications peuvent
être portables entre les ordinateurs parallèles, mais
il n'y a aucune garantie qu'elles seront efficaces sur une
plateforme différente.</p>
<p>EN GENERAL, IL N'EXISTE PAS DE PROGRAMME PORTABLE EFFICACE EN
PARALLELE</p>
<p>Il y a encore une autre conséquence au graphe
précédent. Puisque l'efficacité dépend
du rapport communication/calcul, changer juste un composant du
rapport ne signifie pas nécessairement qu'une application
s'exécutera plus rapidement. Un changement de vitesse
processeur, en gardant la même vitesse de communication, peut
avoir des effets inattendus sur votre programme. Par exemple,
doubler ou tripler la vitesse du processeur, en gardant la
même vitesse de communication, peut maintenant rendre des
parties de votre programme qui sont efficaces en PARALLELE, plus
efficaces si elles étaient exécutées
SEQUENTIELLEMENT. Cela dit, il se peut qu'il soit plus rapide
maintenant d'exécuter les parties qui étaient avant
PARALLELES en tant que SEQUENTIELLES. D'autant plus
qu'exécuter des parties inefficaces en PARALLELE
empêchera votre application d'atteindre sa vitesse maximale.
Ainsi, en ajoutant un processeur plus rapide, vous avez
peut-être ralenti votre application (vous enpêchez
votre nouveau CPU de fonctionner à sa vitesse maximale pour
cette application).</p>
<p>UPGRADER VERS UN CPU PLUS RAPIDE PEUT REELLEMENT RALENTIR VOTRE
APPLICATION</p>
<p>Donc, en conclusion, pour savoir si oui ou non vous pouvez
utiliser un environnement matériel parallèle, vous
devez avoir un bon aperçu des capacités d'une machine
particulière pour votre application. Vous devez tenir compte
de beaucoup de facteurs: vitesse de la CPU, compilateur, API de
passage de messages, réseau... Notez que se contenter
d'optimiser une application ne donne pas toutes les informations.
Vous pouvez isoler une lourde partie de calcul de votre programme,
mais ne pas connaître son coût au niveau de la
communication. Il se peut que pour un certain système, le
coût de communication ne rende pas efficace de
paralléliser ce code.</p>
<p>Une note finale sur une erreur commune: on dit souvent qu'"un
programme est PARALLELISE", mais en réalité seules
les parties CONCURRENTES ont été identifiées.
Pour toutes les raisons précédentes, le programme
n'est pas PARALLELISE. Une PARALLELISATION efficace est une
propriété de la machine.</p>
<h2><a name="ss4.5">4.5 Ecrire et porter des logiciels
parallèles</a></h2>
<p>A partir du mmoment où vous avez décidé de
concevoir et de construire un Beowulf, considérer un instant
votre application en accord avec les observations
précédentes est une bonne idée.</p>
<p>En général, vous pouvez faire deux choses:</p>
<ol>
<li>Y aller et construire un Beowulf CLASSE I et après y
ajuster votre application. Ou exécuter des applications
parallèles que vous savez fonctionner sur votre Beowulf
(mais attention à la portabilité et à
l'efficacité en accord avec les informations citées
ci-dessus).</li>
<li>Examiner les applications dont vous avez besoin sur votre
Beowulf, et faire une estimation quant au type de matériel
et de logiciels qu'il vous faut.</li>
</ol>
<p>Dans chaque cas, vous devrez considérer les besoins en
efficacité. En général, il y a trois choses
à faire:</p>
<ol>
<li>Déterminer les parties concurrentes de votre
programme</li>
<li>Estimer le parallélisme efficacement</li>
<li>Décrire les parties concurrentes de votre programme</li>
</ol>
<p>Examinons-les successivement:</p>
<h3>Déterminer les parties concurrentes de votre
programme</h3>
<p>Cette étape est couvent considérée comme
"paralléliser votre programme". Les décisions de
parallélisation seront faites à l'étape 2.
Dans cette étape, vous avez besoin de déterminer les
liens et les besoins dans les données.</p>
<p>D'un point de vue pratique, les applications peuvent
présenter deux types de concurrence: calcul (travaux
numériques) et E/S (Bases de Données). Même si
dans de nombreux cas, la concurrence entre calculs et E/S est
orthogonale, des applications ont besoin des deux. Des outils
existants peuvent faire l'analyse de la concurrence sur des
applications existantes. La plupart de ces outils sont
conçus pour le FORTRAN. Il y a deux raisons pour lesquelles
le FORTRAN est utilisé: historiquement, la majorité
des applications gourmandes en calculs numériques
étaient écrites en FORTRAN et c'était donc
plus facile à analyser. Si aucun de ces outils n'est
disponible, alors cette étape peut être quelque peu
difficile pour des applications existantes.</p>
<h3>Estimer le parallélisme efficacement</h3>
<p>Sans l'aide d'outils, cette étape peut nécessiter
un cycle de tests et erreurs, ou seulement de bons vieux
réflexes bien éduqués. Si vous avez une
application spécifique en tête, essayez de
déterminer la limite du CPU (liée au calcul) ou les
limites des disques (liées aux E/S). Les
spécifités de votre Beowulf peuvent beaucoup
dépendre de vos besoins. Par exemple, un problème
lié au calcul peut ne nécessiter qu'un petit nombre
de CPU très rapides et un réseau très rapide
à faible temps de latence, tandis qu'un problème
lié aux E/S peut mieux travailler avec des CPU plus lents et
un Ethernet rapide.</p>
<p>Cette recommandation arrive souvent comme une surprise pour
beaucoup, la croyance habituelle étant que plus le
processeur est rapide, mieux c'est. Mais cela n'est vrai que si
vous avez un budget illimité: les vrais systèmes
peuvent avoir des contraintes de coûts qui doivent être
optimisées. Pour les problèmes liés aux E/S,
il existe une loi peu connue (appelée la loi de
Eadline-Dedkov) qui est assez utile:</p>
<p>Soient deux machines parallèles avec le même index
de performance CPU cumulée, celle qui a les processeurs les
plus lents (et probablement un réseau de communication
interprocesseur plus lent) aura les meilleures performances pour
des applications dominées par les E/S.</p>
<p>Même si les preuves de cette règle vont
au-delà de ce document, vous pouvez trouver
intéressant de lire l'article <i>Performance Considerations
for I/O-Dominant Applications on Parallel Computers</i> (format
Postscript 109K) <a href=
"ftp://www.plogic.com/pub/papers/exs-pap6.ps">(ftp://www.plogic.com/pub/papers/exs-pap6.ps)</a></p>
<p>Une fois que vous aurez déterminé quel type de
concurrence vous avez dans votre application, vous devrez estimer
à quel point elle sera efficace en parallèle. Voir la
Section <a href="#software">Logiciels</a> pour une description des
outils Logiciels.</p>
<p>En l'absence d'outils, il vous faudra peut-être improviser
votre chemin lors de cette étape. Si une boucle liée
aux calculs est mesurée en minutes et que les données
peuvent être transférées en secondes, alors
c'est un bon candidat pour la parallélisation. Mais
souvenez-vous que si vous prenez une boucle de 16 minutes et la
coupez en 32 morceaux, et que vos transferts de données ont
besoin de quelques secondes par partie, alors cela devient plus
réduit en termes de performances. Vous atteindrez un point
de retours en diminution.</p>
<h3>Décrire les parties concurrentes de votre programme</h3>
<p>Il y a plusieurs façons de décrire les parties
concurrentes de votre programme:</p>
<ol>
<li>L'exécution parallèle explicite</li>
<li>L'exécution parallèle implicite</li>
</ol>
<p>La différence principale entre les deux est que le
parallélisme explicite est déterminé
parl'utilisateur, alors que le parallélisme implicite est
déterminé par le compilateur.</p>
<h3>Les méthodes explicites</h3>
<p>Il y a principalement des méthodes où
l'utilisateur peut modifier le code source spécifique pour
une machine parallèle. L'utilisateur doit soit ajouter des
messages en utilisant <a href="http://www.epm.ornl.gov/pvm">PVM</a>
ou <a href=
"http://www.mcs.anl.gov/Projects/mpi/index.html">MPI</a>, soit
ajouter des threads POSIX. (Souvenez vous que les threads ne
peuvent se déplacer entre les cartes-mères SMP).</p>
<p>Les méthodes explicites tendent à être les
plus difficiles à implémenter et à
déboguer. Les utilisateurs ajoutent typiquement des appels
de fonctions dans le code source FORTRAN 77 standard ou C/C++. La
librairie MPI a ajouté des fonctions pour rendre certaines
méthodes parallèles plus faciles à
implémenter (i.e. les fonctions scatter/gather). De plus, il
est aussi possible d'ajouter des librairies standard qui ont
été écrites pour des ordinateurs
parallèles. Souvenez-vous quand même du compromis
efficacité/portabilité.</p>
<p>Pour des raisons historiques, beaucoup d'applications gourmandes
en calculs sont écrites en FORTRAN. Pour cette raison,
FORTRAN dispose du plus grand nombres de supports pour le calcul
parallèle (outils, librairies ...). De nombreux programmeurs
utilisent maintenant C ou réécrivent leurs
applications FORTRAN existantes en C, avec l'idée que C
permettra une exécution plus rapide. Même si cela est
vrai puisque C est la chose la plus proche du code machine
universel, il a quelques inconvénients majeurs.
L'utilisation de pointeurs en C rend la détermination des
dépendances entre données et l'analyse automatique
des pointeurs extrêmement difficiles. Si vous avez des
applications existantes en FORTRAN et que vous voudrez les
paralléliser dans le futur - NE LES CONVERTISSEZ PAS EN C
!</p>
<h3>Méthodes Implicites</h3>
<p>Les méthodes implicites sont celles dans lesquelles
l'utilisateur abandonne quelques décisions de
parallélisation (ou toutes) au compilateur. Par exemple le
FORTRAN 90, High Performance FORTRAN (HPF), Bulk Synchronous
Parallel (BSP), et toute une série de méthodes qui
sont en cours de développement.</p>
<p>Les méthodes implicites nécessitent de la part de
l'utilisateur des informations concernant la nature concurrente de
leur application, mais le compilateur prendra quand même
beaucoup de décicions sur la manière
d'exécuter cette concurrence en parallèle. Ces
méthodes procurent un niveau de portabilité et
d'efficacité, mais il n'y a pas de "meilleure façon"
de décrire un problème concurrent pour un ordinateur
parallèle.</p>
<h2><a name="s5">5. Ressources Beowulf</a></h2>
<h2><a name="ss5.1">5.1 Points de départ</a></h2>
<ul>
<li>Liste de diffusion US Beowulf. Pour s'inscrire, envoyer un
courriel à <a href=
"mailto:beowulf-request@cesdis.gsfc.nasa.gov">beowulf-request@cesdis.gsfc.nasa.gov</a>
avec le mot <i>subscribe</i> dans le corps du message.</li>
<li>Homepage Beowulf <a href=
"http://www.beowulf.org">http://www.beowulf.org</a></li>
<li>Extreme Linux <a href=
"http://www.extremelinux.org">http://www.extremelinux.org</a></li>
<li>Extreme Linux Software pour Red Hat <a href=
"http://www.redhat.com/extreme">http://www.redhat.com/extreme</a></li>
</ul>
<h2><a name="ss5.2">5.2 Documentation</a></h2>
<ul>
<li>La dernière version du Beowulf HOWTO en Anglais <a href=
"http://www.sci.usq.edu.au/staff/jacek/beowulf">http://www.sci.usq.edu.au/staff/jacek/beowulf</a>.</li>
<li>La dernière version du Beowulf HOWTO en Français
<a href=
"http://www.e-nef.com/linux//beowulf">http://www.e-nef.com/linux/beowulf</a>.</li>
<li>Construire un système Beowulf <a href=
"http://www.cacr.caltech.edu/beowulf/tutorial/building.html">http://www.cacr.caltech.edu/beowulf/tutorial/building.html</a></li>
<li>Les liens de Jacek sur Beowulf <a href=
"http://www.sci.usq.edu.au/staff/jacek/beowulf">http://www.sci.usq.edu.au/staff/jacek/beowulf</a>.</li>
<li>Beowulf Installation and Administration HOWTO (DRAFT) <a href=
"http://www.sci.usq.edu.au/staff/jacek/beowulf">http://www.sci.usq.edu.au/staff/jacek/beowulf</a>.</li>
<li>Linux Parallel Processing HOWTO <a href=
"http://yara.ecn.purdue.edu/~pplinux/PPHOWTO/pphowto.html">http://yara.ecn.purdue.edu/~pplinux/PPHOWTO/pphowto.html</a></li>
</ul>
<h2><a name="papers"></a> <a name="ss5.3">5.3 Publications</a></h2>
<ul>
<li>Chance Reschke, Thomas Sterling, Daniel Ridge, Daniel Savarese,
Donald Becker, and Phillip Merkey <i>A Design Study of Alternative
Network Topologies for the Beowulf Parallel Workstation</i>.
Proceedings Fifth IEEE International Symposium on High Performance
Distributed Computing, 1996. <a href=
"http://www.beowulf.org/papers/HPDC96/hpdc96.html">http://www.beowulf.org/papers/HPDC96/hpdc96.html</a></li>
<li>Daniel Ridge, Donald Becker, Phillip Merkey, Thomas Sterling
Becker, and Phillip Merkey. <i>Harnessing the Power of Parallelism
in a Pile-of-PCs</i>. Proceedings, IEEE Aerospace, 1997. <a href=
"http://www.beowulf.org/papers/AA97/aa97.ps">http://www.beowulf.org/papers/AA97/aa97.ps</a></li>
<li>Thomas Sterling, Donald J. Becker, Daniel Savarese, Michael R.
Berry, and Chance Res. <i>Achieving a Balanced Low-Cost
Architecture for Mass Storage Management through Multiple Fast
Ethernet Channels on the Beowulf Parallel Workstation</i>.
Proceedings, International Parallel Processing Symposium, 1996.
<a href=
"http://www.beowulf.org/papers/IPPS96/ipps96.html">http://www.beowulf.org/papers/IPPS96/ipps96.html</a></li>
<li>Donald J. Becker, Thomas Sterling, Daniel Savarese, Bruce
Fryxell, Kevin Olson. <i>Communication Overhead for Space Science
Applications on the Beowulf Parallel Workstation</i>.
Proceedings,High Performance and Distributed Computing, 1995.
<a href=
"http://www.beowulf.org/papers/HPDC95/hpdc95.html">http://www.beowulf.org/papers/HPDC95/hpdc95.html</a></li>
<li>Donald J. Becker, Thomas Sterling, Daniel Savarese, John E.
Dorband, Udaya A. Ranawak, Charles V. Packer. <i>BEOWULF: A
PARALLEL WORKSTATION FOR SCIENTIFIC COMPUTATION</i>. Proceedings,
International Conference on Parallel Processing, 95. <a href=
"http://www.beowulf.org/papers/ICPP95/icpp95.html">http://www.beowulf.org/papers/ICPP95/icpp95.html</a></li>
<li>Publications sur le site de Beowulf <a href=
"http://www.beowulf.org/papers/papers.html">http://www.beowulf.org/papers/papers.html</a></li>
</ul>
<h2><a name="software"></a> <a name="ss5.4">5.4 Logiciels</a></h2>
<ul>
<li>PVM - Parallel Virtual Machine/Machine Parallèle
Virtuelle <a href=
"http://www.epm.ornl.gov/pvm/pvm_home.html">http://www.epm.ornl.gov/pvm/pvm_home.html</a></li>
<li>LAM/MPI - Local Area Multicomputer / Message Passing Interface
Multi-Ordinateurs locaux / Interface de Transmission de Messages
<a href=
"http://www.mpi.nd.edu/lam">http://www.mpi.nd.edu/lam</a></li>
<li>BERT77 - outil de conversion FORTRAN <a href=
"http://www.plogic.com/bert.html">http://www.plogic.com/bert.html</a></li>
<li>logiciels Beowulf de la page du Projet Beowulf <a href=
"http://beowulf.gsfc.nasa.gov/software/software.html">http://beowulf.gsfc.nasa.gov/software/software.html</a></li>
<li>Jacek's Beowulf-outils <a href=
"ftp://ftp.sci.usq.edu.au/pub/jacek/beowulf-utils">ftp://ftp.sci.usq.edu.au/pub/jacek/beowulf-utils</a></li>
<li>bWatch - logiciel de surveillance de cluster <a href=
"http://www.sci.usq.edu.au/staff/jacek/bWatch">http://www.sci.usq.edu.au/staff/jacek/bWatch</a></li>
</ul>
<h2><a name="ss5.5">5.5 Machines Beowulf</a></h2>
<ul>
<li>Avalon consiste en 140 processeurs Alpha, 36 Go de RAM, et est
probablement la machine Beowulf la plus rapide, allant à
47.7 Gflops et classée 114ème sur la liste du Top
500. <a href=
"http://swift.lanl.gov/avalon/">http://swift.lanl.gov/avalon/</a></li>
<li>Megalon-A Massively PArallel CompuTer Resource (MPACTR)
consiste en 14 quadri CPU Pentium Pro 200 noeuds, et 14 Go de RAM.
<a href=
"http://megalon.ca.sandia.gov/description.html">http://megalon.ca.sandia.gov/description.html</a></li>
<li>theHIVE - Highly-parallel Integrated Virtual Environment est un
autre Superordinateur Beowulf rapide. theHIVE est de 64 noeuds, une
machine de 128 CPU avec un total de 4 Go de RAM. <a href=
"http://newton.gsfc.nasa.gov/thehive/">http://newton.gsfc.nasa.gov/thehive/</a></li>
<li>Topcat est une machine beaucoup plus petite, constituée
de 16 CPU et 1.2 Go de RAM. <a href=
"http://www.sci.usq.edu.au/staff/jacek/topcat">http://www.sci.usq.edu.au/staff/jacek/topcat</a></li>
<li>MAGI cluster -- c'est un très bon site avec de nombreux
liens de qualité. <a href=
"http://noel.feld.cvut.cz/magi/">http://noel.feld.cvut.cz/magi/</a></li>
</ul>
<h2><a name="ss5.6">5.6 D'autres Sites Intéressants</a></h2>
<ul>
<li>Linux SMP <a href=
"http://www.linux.org.uk/SMP/title.html">http://www.linux.org.uk/SMP/title.html</a></li>
<li>Paralogic - Achetez un Beowulf <a href=
"http://www.plogic.com">http://www.plogic.com</a></li>
</ul>
<h2><a name="history"></a> <a name="ss5.7">5.7 Histoire</a></h2>
<ul>
<li>Légendes - Beowulf <a href=
"http://legends.dm.net/beowulf/index.html">http://legends.dm.net/beowulf/index.html</a></li>
<li>Les Aventures de Beowulf <a href=
"http://www.lnstar.com/literature/beowulf/beowulf.html">http://www.lnstar.com/literature/beowulf/beowulf.html</a></li>
</ul>
<h2><a name="s6">6. Code Source</a></h2>
<h2><a name="sum"></a> <a name="ss6.1">6.1 sum.c</a></h2>
<pre>
/* Jacek Radajewski jacek@usq.edu.au */
/* 21/08/1998 */
#include <stdio.h>
#include <math.h>
int main (void) {
double result = 0.0;
double number = 0.0;
char string[80];
while (scanf("%s", string) != EOF) {
number = atof(string);
result = result + number;
}
printf("%lf\n", result);
return 0;
}
</pre>
<h2><a name="sigmasqrt"></a> <a name="ss6.2">6.2
sigmasqrt.c</a></h2>
<pre>
/* Jacek Radajewski jacek@usq.edu.au */
/* 21/08/1998 */
#include <stdio.h>
#include <math.h>
int main (int argc, char** argv) {
long number1, number2, counter;
double result;
if (argc < 3) {
printf ("usage : %s number1 number2\n",argv[0]);
exit(1);
} else {
number1 = atol (argv[1]);
number2 = atol (argv[2]);
result = 0.0;
}
for (counter = number1; counter <= number2; counter++) {
result = result + sqrt((double)counter);
}
printf("%lf\n", result);
return 0;
}
</pre>
<h2><a name="prun"></a> <a name="ss6.3">6.3 prun.sh</a></h2>
<pre>
#!/bin/bash
# Jacek Radajewski jacek@usq.edu.au
# 21/08/1998
export SIGMASQRT=/home/staff/jacek/beowulf/HOWTO/example1/sigmasqrt
# $OUTPUT doit être un canal nommé (named pipe)
# mkfifo output
export OUTPUT=/home/staff/jacek/beowulf/HOWTO/example1/output
rsh scilab01 $SIGMASQRT 1 50000000 > $OUTPUT < /dev/null&
rsh scilab02 $SIGMASQRT 50000001 100000000 > $OUTPUT < /dev/null&
rsh scilab03 $SIGMASQRT 100000001 150000000 > $OUTPUT < /dev/null&
rsh scilab04 $SIGMASQRT 150000001 200000000 > $OUTPUT < /dev/null&
rsh scilab05 $SIGMASQRT 200000001 250000000 > $OUTPUT < /dev/null&
rsh scilab06 $SIGMASQRT 250000001 300000000 > $OUTPUT < /dev/null&
rsh scilab07 $SIGMASQRT 300000001 350000000 > $OUTPUT < /dev/null&
rsh scilab08 $SIGMASQRT 350000001 400000000 > $OUTPUT < /dev/null&
rsh scilab09 $SIGMASQRT 400000001 450000000 > $OUTPUT < /dev/null&
rsh scilab10 $SIGMASQRT 450000001 500000000 > $OUTPUT < /dev/null&
rsh scilab11 $SIGMASQRT 500000001 550000000 > $OUTPUT < /dev/null&
rsh scilab12 $SIGMASQRT 550000001 600000000 > $OUTPUT < /dev/null&
rsh scilab13 $SIGMASQRT 600000001 650000000 > $OUTPUT < /dev/null&
rsh scilab14 $SIGMASQRT 650000001 700000000 > $OUTPUT < /dev/null&
rsh scilab15 $SIGMASQRT 700000001 750000000 > $OUTPUT < /dev/null&
rsh scilab16 $SIGMASQRT 750000001 800000000 > $OUTPUT < /dev/null&
rsh scilab17 $SIGMASQRT 800000001 850000000 > $OUTPUT < /dev/null&
rsh scilab18 $SIGMASQRT 850000001 900000000 > $OUTPUT < /dev/null&
rsh scilab19 $SIGMASQRT 900000001 950000000 > $OUTPUT < /dev/null&
rsh scilab20 $SIGMASQRT 950000001 1000000000 > $OUTPUT < /dev/null&
</pre>
</body>
</html>
|