第5回 PSI プロジェクト研究者全体会議 サブテーマ 3-2 Base SIMulator-Parser 開発 ならびに NAS Parallel Benchmark FT の 性能評価実験 2007/7/13 九州大学 情報基盤研究開発センター 本田宏明 1 内容 • • • • PSI-SIM と BSIM-Parser スケルトン化手法 BSIM-Parser の開発 性能評価実験 （NAS Parallel Benchmark3.1 FT） – 実実行（オリジナルコード実行） – 擬似実行（スケルトンコード実行） • 手動生成スケルトン • 自動生成スケルトン • まとめ 2 PSI-SIMのワークフロー 評価アプリ ケーション （実機実行：可能） 1. BSIM-Parser 評価アプリ ケーション （実機実行：不可能） プログラムコード抽象化 (BSIM-Parser) プロセッサ情報 データベース 評価アプリケーションのプログラム コード抽象化（通信プロファイルの 高速生成を目的） 2. BSIM-Logger スケルトン コード 通信プロファイル生成 (BSIM-Logger) 予測実行時間 ネットワーク性能 通信プロファイルの生成（中規模シ ステムによる大規模システムの通 信プロファイル生成を目的） 評価イン ターコネク ト構成 通信プロファイル （ゼロ通信遅延） モデル化 インターコネクト シミュレーション (NSIM) インターコネクト コンフィグレーション （NDLファイル） 通信プロファイル （通信遅延有） 可視化／解析 （ANA） 通信トラフィックの可視化 プログラム最適化の指針提供 3. NSIM ネットワークシミュレーション（ゼロ 通信遅延プロファイルへの実遅延 時間付加が目的） 4. ANA アプリケーションの可視化／解析 （アプリケーションの評価や開発支 援が目的） 5. Open-FMO 次世代ペタスケールソフトウェアの 開発と評価 3 BSIM-Parser の開発 入力 次世代スパコンを対象とした プログラムソース • BSIM-Parser • 出力 • スケルトンコード 次世代スパコンについて，ソフトウエア実行の 性能評価を行う際に，そのままシミュレーショ ンを行うのでは，計算時間が多くなりすぎる。 現在存在しない計算ノードアーキテクチャに対 しても性能評価を行えないか？ プログラムの実行時間を削減 しつつ 演算時間見積り を行い，通信ログを採取可能 とするため，スケルトン化手法 による ソースの変換する Log Generation (BSIM-Logger) on Real Machines PSI-BSIM (Base SIMulator) – プログラムコードの 演算部分実行時間の見積り – 演算部分のコメント化， 実行時間のソースへの埋め込み 以上の役割を持ち，自動スケルトン化を可能とする 4 BSIM-Parser を開発する事を目的とする スケルトン化 オリジナルコード （コンパイル実行可能） loop or if 演算ブロック ; end スケルトンコード （コンパイル実行可能） loop or if 演算ブロックの コード置き換え BSIM_Add_time (計算時間) ; end BSIM-Logger へ • 演算ブロックを一つの関数に置き換えることで 実行時間を削減 • BSIM_add_time はBSIM-Logger にて処理 5 スケルトン化のレベル • レベル１： – ストレート・ライン・コード の抽象化．IF文やLOOP文よる分岐，関数呼 出し，ならびに，MPI通信は含まない． • レベル２： – IF文を含む連続コード部分 の抽象化．ただし，LOOP文による後ろ方 向への分岐や関数呼出し，ならびに，MPI通信は含まない． • レベル３： – LOOP文を含む連続したコード部分 の抽象化．ただし，関数呼出し，な らびに，MPI通信は含まない． • レベル４： – 関数呼出しを含む連続コード部分 の抽象化．ただし，MPI通信は含ま ない． • レベル５： – MPI通信を含む連続コード部分 の抽象化． 本研究では，ストレート演算ブロック：レベル１ での スケルトン化を行った． 6 BSIM-Parser の全体構成 • プログラムの構文解析ならび に中間言語表現への変換は COINS コンパイラを利用 • 中間言語表現で 変数依存解析ツールと接続 入力 Fortran, C オリジナル ソース コンパイラ 開発 coins 中間言語 表現 現状でほぼ全自動により スケルトンコード生成 変数依存 解析 LIR2C 開発 タグつき C ソース （リバース生成） 演算時間 見積り, コード変換 出力 スケルトン コード 7 オリジナルコード 実際の変数依存解析例 do k = 1, d(3) do j = 1, d(2) do i = 1, d(1) u0(i,j,k) = u0(i,j,k)*(twiddle(i,j,k)) u1(i,j,k) = u0(i,j,k) end do NAS Parallel FT: evolve 関数より end do end do COINS 中間表現（S 式） スケルトン化対象 演算ブロック コンパイラによる最適化手法の 一つである，静的単一代入の方法を利用 … (JUMPC (TSTLES I32 (MEM I32 (FRAME I32 i.1) &ID (i.1 13)) (MEM I32 (ADD I32 (MEM I32 (FRAME I32 d.7) &ID (d.7 14)) (MUL I32 (SUB I32 (INTCONST I32 1) (INTCONS (LABEL I32 _lab6) (LABEL I32 _lab5)) (DEFLABEL _lab6) (INFO LINE 12) スケルトン化対象 (SET 自動的に置き換え 中間表現 (F64 (MEM F64 (ADD I32 (ADD I32 (ADD I32 (MEM I32 (FRAME I32 u0.4) &ID (u0.4 26)) (MUL I32 (SUB I32 (MEM I32 (FRAME I32 k. (MUL I32 (SUB I32 (MEM I32 (FRAME I32 j.2) &ID (j.2 28)) (INTCONST I32 1)) (INTCONST I32 240))) 8 サポート対象 • 以下の機能についてサポート – 入力として Fortran77 と C 言語 のプログラム – レベル１，スケルトン化 • • 静的に変数依存解析可能な範囲に限定 – 整数変数のみによる条件分岐 – 浮動小数点演算や通信により取得したデータを元にする 分岐は取り扱わない 関数内解析 – 関数内のみの解析 – レベル１解析 (LIR表現の文数を変更しない) • – 実行部の計算時間見積り手法： 1. IC×CPI×CCT 2. 既存コンピュータによる実計算時間測定（人手が必要） 9 性能評価実験 自動スケルトン化されたアプリケーションにより， オリジナルプログラムの実行に対する性能見積りが どの程度可能か？ • 対象プログラム – NAS Parallel Benchmark3.1 FT • オリジナルコード実行 • スケルトンコード実行 • 測定環境 – 理研クラスター計算機 – BSIM-Logger 実装を含んだ MPICH2-1.0.4p1 – 総ランク数 ６４ – 使用ノード数 ４ – 自動ならびに手動による レベル１計算ブロック抽出 – – IC * CPI * CCT による計算時間見積り • 全ての演算のCPI を一定とする 10 NAS Parallel Benchmark3.1 FT プログラム実行時間 自動ならびに手動スケルトン生成擬似実行と 実実行 ６４ランク(４ｘ１６) との比較 ~ 29 秒 ：擬似実行予想（自動） ~ 41 秒 ：擬似実行予想（手動） ~ 45 秒 ：実実行 実行時間 (sec.) 100 自動では ６４％の見積り 擬似実行(自動) CPI=1.63 10 擬似実行(手動) CPI=1.63 1 S1 0.1 C 2 3B C 4 実実行 S: 64*64*64 A: 256*256*128 B: 512*256*256 C: 512*512*512 0.01 • Ｓタイプの逐次計算においてベース実行における平均 CPI = 1.63 を算出 • 擬似実行自身の実行時間は ~18.6 秒（実実行の40.8%） 自動生成スケルトンコードによる擬似実行においても， 実実行に対し比較的良い計算実行時間の見積りを与える 11 まとめ • 次世代スーパーコンピュータ性能評価環境 PSI-SIM のうち，BSIM-Parser 部分について開発を行い， BSIM-Parser ツールを用いてスケルトンコードを自動 作成し，性能評価実験を行った。 • 性能評価実験から，今回のNAS Parallel Benchmark FT プログラムについて，自動生成したレベル１スケル トンコードの実行時間見積りについて，実実行の結果 と比較的よく一致した。 今後の予定 • 実行時間予想の精度向上 • より抽象度の高いスケルトンコード自動生成 • レベルの高い 3D-FFT スケルトンコード作成 12
© Copyright 2024 ExpyDoc
