Akcelerace aplikací na superpočítači pomocí jazyka Python

Abstract

V dnešnej dobe sú už všetky počítače, ktoré používame schopné paralelného spracovávania, ktoré nám výrazne šetrí čas pri riešení náročných problémov, ako sú napríklad rôzne vedecké výpočty, simulácie alebo predpovede. Témou tejto práce je akcelerácia výpočtovo náročných aplikácií práve pomocou paralelnému spracovania zadaného problému na superpočítači. Pre jednoduchšie pochopenie danej problematiky ľuďmi, ktorých sa priamo týka (napr. vedci, výzkumníci), bol zvolený programovací jazyk Python, ktorý je jednoduchý na pochopenie a mocný zároveň. Prvá časť práce sa venuje zoznámeniu s technikami paralelného spracovania pomocou mikrotestov, ktorých výsledky boli diskutované a využité ďalej v práci. Druhá časť práce sa zaoberá problematikou rekonštrukcie obrazu. Výsledky experimentovania s rôzne veľkými obrázkami sú porovnané v rámci sekvenčnej a paralelnej verzie pri rekonštrukcii obrazu a zápise do súboru. Spracované výsledky sú zhodnotené, diskutované a porovnané medzi sebou. Medzi použité metriky patria čas, zrýchlenie, priepustnosť a latencia.Nowadays, all computers we use are capable of parallel processing that saves time in compute-intensive tasks such as scientific computations, various simulations or predictions. The theme of this thesis is acceleration of compute-intensive tasks on supercomputer. This is achieved by the parallelization of the problem. For better understanding the issue by scientists from diverse scientific fields, the python programming language was chosen. Python is very powerful and easy to use as well. The first part of the thesis deals with the parallel processing techniques. The set of microtests was designed and implemented for this purpose. Results are then discussed and used in the further work. The second part of the thesis deals with the problem of parallel image reconstruction. For a comparison, the sequential version of the problem was also implemented. Both versions, sequential and parallel, were tested on a set of images of a different size. Experiments focus on acceleration, spent time, memory bandwidth and latency. These outcomes are also presented and discussed.