ADMIN Magazin Gestapelt - Schneller und sicherer mit RAID (Vorschau)

Programmieren
Julia
01 $./julia
Am besten baut man den Pfad zur ausführbaren
Datei nun in seine PATH-Variable
ein.
Wie bei vielen interaktiven Tools kann
man jetzt Ausdrücke eingeben wie:
julia> sqrt(2*7)+(6/4)
5.241657386773941
Wie oben schon erwähnt sind sowohl
eine User Manual wie auch Library-Referenz
online abrufbar und helfen bei
der Erkundung von Julia. Weil Julia auf
HPC-Umgebungen ausgerichtet ist und
Parallelverarbeitung dort eine große Rolle
spielt, ist das auch ein integraler Teil von
Julia.
Eintauchen in Julia
Hochspachen, die die Komplexität von
MPI verbergen, erleichtern den Umgang
mit Parallelverarbeitung. Das hat jedoch
seinen Preis in Form einer verminderten
Effizienz. Dieser Preis scheint oft gerechtfertigt,
weil der Bequemlichkeitsvorteil
den Effizienznachteil aufwiegt, aber das
MPI hat nach wie vor seine Berechtigung.
Wie im Julia-Manual beschrieben bietet
Julia eine einfaches, einseitiges Messaging-Modell:
„Julias Implementierung des
Message Passing unterscheidet sich von
der anderer Umgebungen wie etwa MPI.
Die Kommunikation in Julia ist generell
einseitig, was heißt, dass Julia nur mit
einem Prozessor in einer Zwei-Prozessor-Operation
umgehen muss. Darüber
hinaus handelt es sich bei diesen Operationen
typischerweise nicht um Dinge wie
'Nachricht verschicken' und 'Nachricht
empfangen', sondern sie ähneln eher
dem Aufruf von Benutzerfunktionen.“
Die Autoren heben außerdem hervor,
dass Julia zwei eingebaute Primitive enthält:
„… Remote References und Remote
Listing 1: Julia Header beim Startup
02 _
03 _ _ _(_)_ |
04 (_) | (_) (_) |
Calls. Eine Remote Reference ist dabei
ein Objekt, dass von jedem Prozessor
genutzt werden kann, um auf ein Objekt
zu verweisen, dass ein bestimmter
Prozessor speichert. Eine Remote Call ist
eine Anforderung eines Prozessors, eine
Funktion mit bestimmten Argumenten
auf einem anderen (oder demselben) Prozessor
auszuführen.“
Dynamisch erweitern
Für die folgenden Beispiele wird Julia
nun auf einer Multicore-Maschine mit
zwei Prozessoren gestartet:
julia ‐q ‐p2
05 _ _ _| |_ __ _ | A fresh approach to technical computing
06 | | | | | | |/ _` | |
07 | | |_| | | | (_| | | Version 0.0.0+86921303.rc6cb
08 _/ |\__'_|_|_|\__'_| | Commit c6cbcd11c8 (2012‐05‐25 00:27:29)
09 |__/ |
10 julia>
Das dynamische Hinzufügen weiterer
Cores wird im nächsten Abschnitt beschrieben,
im Moment sollen nur zwei
Cores benutzt werden. Es ist außerdem
sinnvoll, die Anzahl Cores nicht zu überzeichnen
(das »‐p«-Argument soll also
nicht die Anzahl Cores in der Maschine
übersteigen).Das Beispiel benutzt einen
»remote_call«, um zwei Zahlen auf einem
andren Prozessor zu addieren. Danach
wird das Resultat abgeholt. Man könnte
genauso wieder einen Remote Call benutzen,
um mit dem Ergebnis weiterzurechnen.
julia> r = remote_call(2,+,2,2)
RemoteRef(2,1,1)
julia> fetch(r)
4
julia> s = remote_call(2,+,1,r)
RemoteRef(2,1,2)
julia>fetch(s)
5
Remote Calls kehren unmittelbar zurück
und warten nicht auf die Beendigung des
Task. Der Prozessor, der den Call absetzte,
fährt mit seiner nächsten Operation fort,
während der Call irgendwo anders abgearbeitet
wird. ein »fetch()« wartet allerdings
bis das Resultat
verfügbar ist.
Alternativ kann man
auf die Beendigung
eines Remote Calls
warten, indem man
ein »wait()« mit der
Remote Reference
absetzt.
Das eben gezeigte
Beispiel ist durch
den Zwang, die Prozessornummern
explizit anzugeben,
nicht besonders portabel. Die meisten
Programmierer benutzen deshalb ein
Julia-Makro namens »spawn«, das diese
Abhängigkeit eliminiert. Zum Beispiel:
julia> r= @spawn 7‐1
RemoteRef(2,1,7)
julia> fetch(r)
6
Auch das Makro »@parallel« ist in Schleifen
sehr nützlich. Weil Julia interaktiv
ist, muss man sich ins Gedächtnis rufen,
dass auf der Kommandozeile eingegebene
Funktionen nicht automatisch entfernten
Cores zur Verfügung stehen (auf
dem lokalen oder einem entfernten Knoten).
Um Funktionen auf allen Cores zu
verwenden muss man »load()« benutzen.
Diese Funktion lädt Julia-Programme automatisch
auf alle Cores, die mit einer
Julia-Instanz assoziiert sind. Alternativ
liest Julia das File »startup.jl« im Homedirectory,
wenn es existiert.
Alle Cores aufrufen
Julia kann Cores der lokalen Maschine
oder von entfernten Maschinen (das sind
immer Cluster-Nodes) nutzen. Wie das
geht, wird im Folgenden demonstriert.
Zuerst startet man die Julia-Instanz mit
einem Core. Die »nprocs()«-Funktion
zeigt die Anzahl verfügbarer Cores der
aktuellen Instanz an:
$ julia ‐q
julia>nprocs()
1
Möchte man nun weitere lokale Cores
hinzufügen, bietet sich die Funktion
»addprocs_local()« an, wie Listing 2
zeigt. In diesem Beispiel wurde ein Core
hinzugefügt und nprocs() zeigt daraufhin
zwei Cores an.
julia>nprocs()
2
Remote Cores (solche von anderen
Maschinen) lassen sich auf zweierlei
Weise hinzufügen. Einmal mithilfe der
»addprocs_ssh«-Funktion. Ein Beispiel
zeigt Listing 3, das je einen Core von
den Knoten n0 und n2 einbindet. Die
Voraussetzung dafür ist allerdings, dass
Julia auf allen Nodes an derselben Stelle
installiert oder über ein Shared Filesys-
124 Ausgabe 06-2012 Admin www.admin-magazin.de