Programación paralela sobre arquitecturas heterogéneas

Abstract

A medida que avanzan las investigaciones y la tecnología se generan cada vez volúmenes más grandes de información y esto ocasiona un aumento drástico en los tiempos necesario para procesarla, es por eso que la comunidad científica está en la búsqueda de alternativas para suplir las necesidades de obtener resultados en el menor tiempo posible y optimizando los recurso, una de las posibles alternativas consiste en usar las nuevas arquitecturas heterogéneas que incluyen una interacción CPU-GPU para procesamiento paralelo, es aquí en donde reside la importancia de esta investigación la cual pretende utilizar programación paralela por medio de unidades de procesamiento gráfico (GPU) para la aceleración de algoritmos de cómputo científico, cada uno de los problemas tratados se implementaran de forma paralela en GPU y de forma secuencial en CPU con el fin de contrastar tiempos de simulación y así mostrar bajo qué condiciones y qué arquitectura obtendrán las mejores aceleraciones. A lo largo de todo el documento se explicará detalladamente las estrategias de computación paralela sobre arquitecturas heterogéneas utilizando en mayor proporción dispositivos de procesamiento gráfico (GPU), tomando como base el lenguaje C y las librerías CUDA y OpenCL para la gestión de la misma, con el fin de que el problema se adapte de la mejor forma al dispositivo utilizado. Dentro de los resultado obtenidos se observan aceleraciones de hasta 213X para el sistema de Lorenz y convertidor Buck, en el caso de la ecuación de Laplace en 2 dimensiones se puedo lograr aceleraciones de hasta 9;7X, en el caso de la ecuación de Laplace en 3 dimensiones se puedo lograr aceleraciones de hasta 8;6X y en el caso del análisis estadístico de SNP se obtuvo aceleración de 26;9X de forma paralela en CPU y de 8;2X de forma paralela en GPU.

Abstract : As research progresses and technology are generating larger amounts of information, and this causes a dramatic increase in the need for processing times, which is why the scientific community is in search of alternatives to meet the needs of obtaining results in the shortest possible time and optimizing resource, one possible alternative is to use the new heterogeneous architectures including a CPU-GPU interaction for parallel processing, it is where the importance of this research lies which intends to use parallel programming through graphics processing units (GPU) for accelerated algorithms for scientific computing, each of the problems addressed are implemented in parallel on GPU and sequentially in CPU in order to contrast simulation times and thus show low that architecture conditions and get the best acceleration. Throughout the document it will be explained in detail strategies parallel computing on heterogeneous architectures using a greater proportion devices graphics processing (GPU), based on the language C and CUDA and OpenCL libraries for managing it, with the so that the problem fits in the best way the device used. Within the result obtained accelerations up to 213X for the Lorenz system and Buck converter are observed in the case of the Laplace equation in 2 dimensions can achieve accelerations up to 9,7X, in the case of the equation Laplace in 3 dimensions can achieve accelerations up to 8,6X and in the case of statistical analysis of SNP acceleration of 26,9X parallel CPU and 8,2X parallel GPU was obtained