LIP ENS Lyon - PowerPoint PPT Presentation

About This Presentation
Title:

LIP ENS Lyon

Description:

Algorithmique pour les plateformes distribu es et h t rog nes ... li e aux architectures parall les actuelles. Simulation d'un ph nom ne physique. R solution ... – PowerPoint PPT presentation

Number of Views:88
Avg rating:3.0/5.0
Slides: 27
Provided by: frdr79
Category:
Tags: ens | lip | actuelles | lyon

less

Transcript and Presenter's Notes

Title: LIP ENS Lyon


1
Algorithmique pour les plateformes distribuées
et hétérogènes
  • LIP ENS Lyon
  • INRIA Rhône-Alpes

2
Plan de la présentation
  • Membres du projet
  • Introduction et fondements scientifiques
  • Présentation globale du projet
  • Algorithmique et ordonnancement
  • Ordonnancement pour le calcul creux
  • Approche client-serveur pour la simulation
  • Logiciels
  • Collaborations régionales, nationales et
    internationales
  • Contrats et projets
  • Conclusions et perspectives

3
Effectifs
  • Permanents
  • E. Caron (MdC ENS)
  • F. Desprez (DR2 INRIA, responsable)
  • J.-Y. LExcellent (CR2 INRIA)
  • Y. Robert (Prof. ENS Lyon)
  • F. Vivien (CR1 INRIA)
  • Collaborateurs extérieurs
  • J.-M. Nicod (MdC Besançon)
  • L. Philippe (Prof. Besançon)
  • Détachements, IE, ATER, postdocs, invités
  • P. Combes (IE INRIA ACI GRID ASP , jusquà Sept.
    03) H. Dail (IE INRIA, à partir de
    Janv.03)
  • G. Utard (Det. INRIA, jusquà Sept. 03)
    A. Su (Posdoc INRIA, à partir de Janv.03)
  • C. Pera (IE ENS RNTL GASP, , jusquà Juin. 04)
    M. Colin (Postdoc INRIA, jusquà Sep.
    04)
  • C. Koch Hoffer (IE INRIA VTHD, jusquà Sept. 03)
  • Doctorants
  • S. Dahan (B), V. Garonne (M), A. Guermouche, B.
    Del Fabro (B), L. Marshall, P. Kaur Chouhan, A.
    Legrand, M. Quinson (jusquà Sept. 03), H.
    Renard, A. Vernois

4
Introduction et fondements
5
Caractéristiques des plateformes cibles
  • Hétérogénéité
  • Réseaux (couches de communications
    multi-protocoles), processeurs, hiérarchies
    mémoire profondes
  • Équilibrage des charges (ordonnancement)
  • Distribution des données (statique et dynamique)
  • Évaluation des performances, modélisation des
    architectures
  • Simulation
  • Dynamicité
  • Découverte de larchitecture
  • Équilibrage des charges (ordonnancement)
  • Distribution des données
  • Évaluation des performances, modélisation
  • Informations sur la charge en temps réel
  • Réactivité !

6
Nouveau projet GRAAL (GRids And ALgorithms)
  • Focalisation sur les problèmes algorithmiques
    dans les environnements hétérogènes et distribués
  • Algorithmique, placement de données et
    ordonnancement
  • Algorithmique pour le creux
  • Approche client-serveur pour lexécution
    distribuée
  • Mots-clés
  • algorithmique bibliothèques
    applications
  • sur les architectures
    hétérogènes et distribuées
  • Un des 5 challenges de lINRIA  Maîtriser
    linfrastructure numérique en sachant programmer,
    calculer et communiquer sur lInternet et sur des
    réseaux hétérogènes 

7
Algorithmique et ordonnancement
Y. Robert, F. Vivien
8
Algorithmique et ordonnancement Objectifs
  • Nécessité d'une approche théorique malgré la
    difficultédes problèmes d'ordonnancement
    (minimisation du temps d'exécution)
  • Injecter une connaissance statique dans un
    environnement essentiellement dynamique
  • Étudier l'impact des nouveaux paramètres
    architecturaux hétérogénéité, volatilité,
    hiérarchie
  • Évaluation des stratégies rejouer/comparer les
    heuristiques contre une même charge, simulée mais
    réaliste

9
Algorithmique et ordonnancement Résultats (1/2)
  • ALGORITHMIQUE
  • Extension de ScaLAPACK aux grappes hétérogènes
  • Nouveaux résultats de complexité
  • Redistribution face aux variations de vitesse
  • Publications marquantes IEEE TC, IEEE TPDS,
    livre ALgoPar
  • DIVISIBLE LOAD
  • Maître-esclave hétérogène
  • Algorithme multi-round premier résultat de
    complexité
  • Publications marquantes IEEE TPDS, Parallel
    Computing
  • Collaboration UCSD H. Casanova

10
Algorithmique et ordonnancement Résultats (2/2)
  • ORDONNANCEMENT EN REGIME PERMANENT
  • Distribution optimale de tâches indépendantes sur
    une plateforme complexe
  • Extension au parallélisme mixte
  • Approche féconde nombreux travaux en cours
  • Publications marquantes IPDPS, journaux à
    paraître
  • Collaboration UCSD L. Carter, J. Ferrante
  • SimGrid
  • Extension à un ordonnanceur distribué
  • Découverte et modélisation des réseaux
  • V2 du logiciel disponible librement

11
Algorithmique et ordonnancement Perspectives
  • ALGORITHMIQUE
  • Grappes de grappes
  • Équilibrage de charge avec partage de bande
    passante dans les réseaux
  • ORDONNANCEMENT
  • Heuristiques hiérarchiques et intégration DIET
  • Boîte-à-outils maître-esclave hétérogène
  • Tâches partageant des fichiers
  • Réplication pour la tolérance aux pannes

12
Algorithmique pour le creux
J.-Y. LExcellent, G. Utard
13
Méthodes directes pour la résolution de systèmes
linéaires creux de grande taille
Résolution dun système linéaire creux Axb
Simulation dun phénomène physique
  • Méthodes directes (ex multifrontale)
  • A LU ou LDLT (Gauss)
  • Résolution Ly b puis Ux y
  • Très robustes si pivotage numérique (? structures
    de données dynamiques)
  • Heuristiques de renumérotation
  • Approches dynamiques (placement, ordonnancement)
  • Structures de données dynamiques
  • Dynamicité liée aux architectures parallèles
    actuelles

Remplissage
Matrice initiale
14
Méthodes directes Axes de recherche (1/2)
  • Étude des techniques de renumérotation les plus
    récentes
  • AMD, AMF, SCOTCH (ScAlApplix), PORD (Univ of
    Paderborn), METIS (Univ of Minnesota)
  • Impact sur le graphe de dépendance des tâches
  • Impact sur la mémoire
  • Impact sur les performances et le parallélisme
  • Ordonnancements dynamiques et équilibrage de
    charge
  • Grappes de multiprocesseurs
  • Ordonnanceurs pour optimiser les accès mémoire
  • Extension aux architectures plus hétérogènes
  • Approches out-of-core
  • Faire face aux défis de la simulation (taille
    croissante des problèmes)
  • Factorisation résolution (anticiper la lecture
    des facteurs)
  • Très lié aux aspects ordonnancement

15
Méthodes directes Axes de recherche (2/2)
  • Accès à nos techniques de résolution au travers
    de la grille
  • Mise en place en environnement client-serveur
    (avec DIET)
  • Site dexpertise (portail Web) avec comparaison à
    distance dune large gamme de solveurs creux (ACI
    GRID TLSE)
  • Expérimentation et validation des recherches sur
    des problèmes industriels de grande taille
  • Grâce à la plateforme logicielle MUMPS, diffusée
    dans lindustrie Boeing, EADS, CEA, Dassault,
  • Rester à lécoute des besoins des utilisateurs
    numériciens
  • Maintenir une plateforme dexpérimentation
    compétitive
  • Publications
  • SIAM J. Matrix Analysis and Applications, ACM
    Trans. Math. Software, Comput. Methods Appl.
    Mech. Eng., Parallel Computing, IPDPS
  • Collaborations
  • ENSEEIHT-IRIT, CERFACS, PARA//AB (Norvège), NERSC
    (Berkeley)

16
Méthodes directes Perspectives
  • Poursuivre les collaborations industrielles
  • accès à des problèmes réels
  • contrats détude
  • Algorithmique numérique pour le creux
  • out-of-core et liens avec lordonnancement
  • couplage avec des méthodes itératives
  • phase danalyse symbolique parallèle, etc.
  • Environnements très hétérogènes
  • processeurs/réseaux/mémoire
  • ordonnancements mixtes statiques/dynamiques
  • Utilisation des ressources de la grille
  • accès à distance aux solveurs
  • valorisation de nos recherches (aspect vitrine)

Algorithmique numérique pour le creux, en ayant
pour objectif la grille
17
Approche client serveur pour la simulation
E. Caron, F. Desprez, J.-M. Nicod, L. Philippe
Voir Eddy !
18
Serveurs de calculs Objectifs
  • Fournir de la puissance de calcul à travers
    lInternet
  • Développer une boîte-à-outils pour le
    déploiement denvironnements de type Application
    Service Provider (ASP)
  • applications de différentes natures (dynamique
    moléculaire, chimie, électronique, physique,
    géologie, bioinformatique, compilation, )
  • Modèle client-agent-serveur (Remote Procedure
    Call pour la grille)
  • Étudier les problèmes fondamentaux derrière la
    mise en place de tels environnements
  • Ordonnancement
  • Gestion de données
  • Liaisons avec les intergiciels
  • Valider les résultats théoriques par
  • simulation (SimGrid)
  • lintergiciel (plateforme logicielle DIET,
    Distributed Interactive Engineering Toolbox)
  • Participation au Global Grid Forum (GridRPC WG)

19
AGENT
  • Partie centrale des systèmes GRID-RPC
  • Choisit les serveurs capables de réaliser une
    requête demandée par un client
  • Équilibre la charge entre les serveurs
    (ordonnancement)
  • Récupère les informations sur les serveurs
    disponibles
  • Interroge la base de données de performances
  • Localisation importante
  • Problèmes éventuels de passage à léchelle
  • Peut gérer
  • Une partie de la sécurité
  • La tolérance aux pannes de serveurs
  • Dans notre approche
  • Ensemble distribué dagents
  • Parcours darbres avec informations réparties
    dans les nœuds pour lapproche hiérarchique
  • Connexion à FAST pour récupérer les informations
    sur les ressources
  • Différents ordonnanceurs génériques ou dépendants
    des applications
  • Liaisons avec la découverte de services dans les
    intergiciels

20
Ordonnancement
  • Ordonnancement hiérarchique et distribué
  • Étude de plusieurs connexions entre les agents
    (hiérarchique, distribuée, agents dupliqués, )
  • Heuristiques associées
  • Déploiement automatique
  • Placement des agents en fonction des
    caractéristiques de larchitecture cible
    (hiérarchie de réseaux, variations de
    performances, dynamicité)
  • Parallélisme mixte
  • Association du parallélisme de données et du
    parallélisme de tâches
  • Ordonnancement des requêtes une à une (ordo.
    Online) ou dun flot de requêtes (connaissance
     statique  des dépendances et graphe de
    lapplication)
  • Connexion pair-à-pair des ordonnanceurs
  • Connexion totalement dynamique au vol (dynamicité
    de la plateforme, tolérance aux pannes)
  • PASTRY, CHORD, CAN
  • Publications Parallel Computing, CCPE, PDCP,
    IPDPS, EuroPAR, HiPC, ICPP
  • Collaborations GRAIL/UCSD, LaRIA, ALGORILLE

E. Caron, F. Desprez, J.-M. Nicod, Y. Robert, F.
Vivien
21
Gestion des données
  • Accès aux données
  • Sources Privées (client), Partagées (serveur
    dédié)
  • Temps d'accès ?
  • Infrastructure de stockage intermédiaire
  • Espaces de stockage réservés sur les nÅ“uds de
    calcul plus mécanismes de transfert optimisés
    (GASS)
  • Réseau parallèle de stockage (IBP)
  • Stratégies d'optimisation réplication,
    migration, persistance
  • Problématiques localisation, sécurité,
    intégrité, prédiction
  • Axes de recherche
  • Intégration des infrastructures de stockage
    interaction avec l'ordonnancement (sélection de
    nœuds de calcul, demande de réplication/migration)
  • Gestion de données modifiables (cohérence, ACI MD
    GDS)
  • Publications Parallel Computing, IPDPS, CCGRID
  • Collaborations LaRIA, LRI

E. Caron, J.-M. Nicod, L. Philippe, G. Utard
22
Évaluation de nouvelles technologies logicielles
  • Relations fortes entre dune part les couches
    logicielles utilisées pour développer les
    environnements et les applications et dautre
    part les algorithmes et heuristiques utilisées
  • Modélisation des comportements réseau
  • Modélisation des architectures cibles
    (hiérarchie)
  • Modélisation des diverses couches logicielles
  • Modèles existants pour les approches CORBA
    (utilisé dans DIET)
  • Autres modèles ?
  • Nouvelles technologies utilisées dans les grilles
    (Web Services (OGSA), JXTA, composants, )
  • Important de surveiller lévolution des
    intergiciels pour nos propres développements

F. Desprez, L. Philippe
23
Logiciels
  • Scilab//
  • Version parallèle de Scilab (PVM, PBLAS,
    ScaLAPACK, NetSolve, DIET)
  • Surcharge des opérateurs
  • DIET
  • Toolkit pour applications utilisant des serveurs
    de calcul distribués
  • API pour lajout de nouvelles applications
  • FAST (Fast Agent System Timer) pour lévaluation
    de la plateforme
  • MUMPS
  • Solveur creux par méthode multifrontale
  • Collaboration avec le CERFACS, lENSEEIHT-IRIT et
    PARA//AB
  • Plateforme dexpérimentation et de valorisation
  • SimGrid
  • Toolkit de simulation à événements discrets pour
    la simulation dheuristiques dordonnancement
  • Insertion de traces réelles
  • Amélioration dans GRAAL (simulation dagents
    communicants)
  • En collaboration avec UCSD

24
Contrats et projets nationaux
  • ARC INRIA RedGRID redistribution de données en
    environnement hétérogène
  • ACI Grid
  • ASP déploiement dapplications
    sur plateforme DIET
  • TLSE site dexpertise pour les
    matrices creuses
  • DataGRAAL gestion de données dans les grilles
  • CGP2P approche calcul global (XtremWeb)
  • GRIPPS recherche de motifs en
    bioinformatique
  • GRID2 animation
  • ARGE fédération des travaux dans le grand est
  • ACI Grandes Masses de Données
  • GDS Gestion de données à grande
    échelle
  • Grid Explorer Plateforme de simulation
  • RNTL GASP développement de la plateforme DIET
    (avec Sun Labs Europe)
  • RNRT VTHD validation de la plateforme réseau
    avec nos applications
  • PSMN et Fédération lyonnaise de calcul
  • En cours de soumission GRID 5000, RNTL eGuilde

25
Contrats et projets nationaux, européens et
internationaux
  • NSF/INRIA
  • University of Minnesota, University of Indiana,
    NESRC, ScAlApplix, ALADIN, ENSEEIHT-IRIT
  • préconditionneurs parallèles
  • University of Tennessee
  • environnements pour la grille
  • University of California San Diego
  • ordonnancement hétérogène
  • Équipe Associée INRIA
  • GRAIL (UCSD)
  • Ordonnancement pour les plateformes hétérogènes
  • Simulation et validation de DIET avec SimGrid
  • Échange de chercheurs et organisation workshop
  • STAR Korée
  • Déploiement de DIET sur une grille nationale
    applis
  • Programme Franco-Bavarois
  • LRR Lab., TUM (Munich)
  • Monitoring grille et application de
    bioinformatique
  • Réseau dexcellence
  • CoreGRID (6ème PRCD)

26
Collaborations nationales et internationales
  • Laboratoires étrangers
  • University of Tennessee Knoxville, USA
  • University of California San Diego, USA
  • NESRC, Lawrence Berkeley Laboratory, USA
  • PARALLAB, University of Bergen, Norvège
  • TUM Munich, Allemagne
  • University of Sains, Malaisie
  • Projets INRIA
  • APACHE (Rhône-Alpes)
  • ARES (Rhône-Alpes)
  • RESO (Rhône-Alpes)
  • Résédas/ALGORILLE (Lorraine),
  • ALADIN (IRISA)
  • PARIS (IRISA),
  • Métalau (Rocquencourt)
  • ScAlApplix (Futur)
  • Laboratoires français
  • Université de Franche-Comté
  • LaRIA (Amiens)
  • ENSEEIHT-IRIT, CERFACS (Toulouse)
  • LSIIT (Strasbourg)
  • IBCP
  • PSMN

27
Positionnement au sein de lINRIA
  • APACHE (INRIA Rhône-Alpes)
  • Collaboration existante avec léquipe de D.
    Trystram autour de lordonnancement
  • Intérêt pour le déploiement automatique de
    logiciels
  • SARDES (INRIA Rhône-Alpes)
  • Utilisation des résultats de SARDES autour des
    intergiciels pour les plateformes distribuées
  • ObjectWeb
  • PARIS (INRIA-IRISA)
  • Réutilisation de leurs développements autour de
    Grid Enabled Corba
  • Plusieurs collaborations en cours (ARC INRIA, ACI
    GMD)
  • ALGORILLE (Lorraine)
  • Approches différentes (modélisation des
    applications vs heuristiques dordo)
  • Plusieurs collaborations en cours (ARC INRIA, ACI
    GRID, RNTL)
  • Grand Large (Futur)
  • Approches différentes (calcul global dans son
    ensemble pour Grand Large)
  • Collaborations existantes (CGP2P) et possibles
    (ordonnancement, sécurité, tolérance aux pannes,
    découverte de services)
  • ScAlApplix (Futur)
  • Approches différentes (ordonnancement statique vs
    dynamique), autres applications
  • Collaborations existantes (MUMPS/Pastix,
    renumérotations, ARC INRIA)

28
Conclusions
29
Conclusions
  • Des aspects intergiciels pour les plateformes
    distribuées et hétérogènes .
  • aux aspects fondamentaux de lalgorithmique
    parallèle hétérogène et de lordonnancement
  • Implications importantes dans les projets de
    grilles nationaux, européens et internationaux
  • Visibilité nationale et internationale
  • Rester proche des applications calcul numérique
     classique  mais aussi dautres domaines
    (data-intensive)
  • Collaborations industrielles autour des grilles
    de calcul

30
But ultime
  • Problem Solving Environments
  • Plus de transparence, généricité, sécurité
  • Unification des couches logicielles (Grid Forum)
  • Couplage algorithmique et modèles avec les
    supports dexécution et les architectures
  • Pouvoir traiter à la fois les données et les
    calculs

31
Domaines dapplications
  • Applications des solveurs creux
  • Dynamique moléculaire
  • Modèles numériques de terrain
  • Simulation de circuits électroniques
  • Biochimie
  • Physique
  • Bioinformatique
  • Compilation à distance
Write a Comment
User Comments (0)
About PowerShow.com