Abstraction de la programmation par tâches pour des codes distribués et hétérogènes

Task-based programming abstraction for distributed and heterogeneous codes

• Auteur / Autrice : Mina Warnet
• Direction : Marc Perache
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Laboratoire en Informatique Haute Performance pour le Calcul et la simulation
• Partenaire(s) de recherche : Référent : Faculté des sciences d'Orsay

Mots clés

Mots clés libres

Gpu

Programmation par tâches

Hpc

Hpc

Task programming

Gpu

Résumé

Dans le cadre de cette thèse, nous cherchons à étudier les différents moyens d'abstractions possibles du modèle de programmation par tâches pour les développeurs d'applications de simulation numérique. Plusieurs paramètres sont à prendre en compte pour faciliter l'utilisation de ce modèle de programmation particulier : les données et leurs mouvements associés (dépendances), granularité des tâches, ordonnancement, etc. À travers une interface un peu plus haut niveau que les frameworks cités précédemment, nous espérons trouver le meilleur compromis possible pour des applications portables et performantes. Nous visons principalement l'abstraction du modèle de programmation MPI+OpenMP(tâches) tel qu'il a été implémenté dans l'ensemble applicatif MPC. À ce titre, notre objectif est de prendre pour modèle une application type transport de particules Monte Carlo sur architecture distribuée et multi-GPUs. Nous visons principalement FleCSI comme abstraction haut niveau pour la parallélisation par tâches.

In this thesis, we are investigating how the task-based programming model can be abstracted for developers of numerical simulation applications. Several parameters must be considered to facilitate using this programming model: data and its associated movements (dependencies), task granularity, scheduling, etc. Through a slightly higher-level interface than the frameworks mentioned above, we hope to find the best possible compromise for portable, high-performance applications. Our main goal is to abstract the MPI+OpenMP(tasks) programming model as implemented in the MPC application package. As such, our goal is to model a Monte Carlo particle transport application on a distributed, multi-GPU architecture. We are aiming primarily at FleCSI as a high-level abstraction for task-based parallelization.