Actas JP2011 - Universidad de La Laguna

Actas XXII Jornadas de Paralelismo (JP2011) , La Laguna, Tenerife, 7-9 septiembre 2011CUDA.El resto de este trabajo se organiza como sigue:En la sección II se hace un resumen de las principalescaracterísticas de llc. A continuación describen lasprincipales técnicas de optimización disponibles en ellenguaje en la sección III. En la sección IV se estudiala aplicación de algunas de estas optimizaciones acasos prácticos. Se muestran allí códigos de ejemploimplementados en llc así como algunos resultadoscomputacionales para que el lector se haga una ideade las características y posibilidades del lenguaje ysu compilador. Por último, se ofrecen algunas conclusionesy líneas de trabajo abiertas en la secciónV.II. El lenguage llc y su compiladorllc es un lenguage paralelo de alto nivel en el queel paralelismo se expresa mediante directivas de compilaciónal estilo de OpenMP. La mayor parte de lasdirectivas de éste son aceptadas, aunque se han hechoalgunos añadidos para aumentar la expresividadsemántica del lenguaje y permitir al desarrollador dellc expresar con mayor legibilidad las particularidadede su código.Nuestro propósito con llc y su compilador llCoMPno es incrementar la diversidad de lenguajes y entornosde programación disponibles para CAP. Alcontrario, presentamos una forma simple de desarrolloenfocado a diferentes arquitecturas para disminuirla brecha entre ingenieros de sistemas y desarrolladoresde aplicaciones CAP. Las extensiones dellc o las técnicas implementadas en llCoMP puedenservir de guía a desarrolladores mainstream de caraa la resolución de los problemas de programabilidadde los sistemas actuales.llCoMP es un compilador source-to-source que traducecódigo C anotado con directivas llc en códigoparalelo de alto nivel. Aunque llc soporta losconstructos paralelos más comunes - forall, sections,pipelines y task queues -, la nueva versión del backendde CUDA llCoMP solo soporta bucles forall,aunque otros constructos están bajo estudio paraser incluídas en futuras versiones. Puesto que todaslas directivas y cláusulas de OpenMP son reconocidaspor llCoMP, a partir de un mismo códigofuente pueden generarse diferentes binarios (secuencialo paralelos) dependiendo del compilador seleccionadopara traducir el código generado por nuestrocompilador.La nueva versión del compilador llc puede serconsiderada como un extractor de kernels de CUDAa partir de constructos OpenMP, aunque preferimosconsiderarla como una herramienta de prototipado.llCoMP representa una capa software intermediaentre llc y diferentes backends para este lenguaje.El compilador ha sido diseñado con el propósito deque abordar implementaciones para diferentes arquitecturasdestino no requiera demasiado esfuerzo.llCoMP se ha implementado usando Python con unenfoque orientado a objetos. Para el frontend, hemosusado el módulo pycparser [6] para construir una representaciónintermedia del código C. La arquitecturasofware desarrollada nos permite escribir un conjuntode transformaciones source-to-source que posibilitanla escritura de kernels CUDA a partir de la informaciónextraída del código llc original.Además del enfoque clásico del desarrollo de entornosde programación para CAP, donde la facilidadde uso está destinada al usuario, nuestra propuestatambién está dirigida a arquitectos de hardware.Creemos que un rápido desarrollo del backendes la clave para la adopción de una nueva arquitectura,y la implementación de una gran variedadde arquitecturas es esencial para la adaptación deun compilador. Si un nuevo backend para un compiladorse puede implementar en pocas semanas, elhardware se puede evaluar en menos tiempo por ungran número de usuarios, facilitando por tanto laadopción de un nuevo hardware.Para posibilitar un proceso rápido de construcciónde backends introducimos el concepto de plantillas.Las plantillas capturan los patrones paralelos máshabituales. El compilador se ayuda de un conjuntode herramientas que, partiendo de la representaciónintermedia y de un análisis del código fuente, permitengenerar códigos eficientes para la plataformadestino.llCoMP traduce el código de entrada a su árbolsintáctico (AST) correspondiente. Este AST setransforma posteriormente para convertirlo en unarepresentación intermedia. Sobre esta representaciónintermedia se trabajará para aplicar cualquier transformacióny así poder generar código CUDA, MPI,etc. Para poder hacer transformaciones, se usan algunospatrones de software. Por ejemplo, para buscarun nodo en el AST, se usa el patrón Filter. Unavez que se se ha encontrado un determinado nodo, sele puede aplicar un mutador que es la sustitución deese nodo por otro (patrón Mutator). Tras aplicar lastransformaciones necesarias mediante filtros y mutadores,el AST resultante se procesa mediante la claseWriter para producir el código correspondiente.Las transformaciones implementadas a través delpatrón Mutator pueden realizarse utilizando plantillasen lugar de implementarlas en código python.Una plantilla es un fragmento de código escrito enel lenguaje destino, que se modifica en función deciertos parámetros de entrada. Este código es interpretadoy traducido a la representación intermedia,y a continuación se inserta en el punto adecuado delAST. El diseño del backend utilizando plantillas decódigo facilitará la implementación futura de nuevosbackends.La inicialización y la reserva de memoria son operacionescomunes para todos los tipos de dispositivoshardware. Cada una de estas operaciones identificaun patrón y éste se implementa a través de una plantillade código. Para manipular estas plantillas e insertarnuevo código en el AST llCoMP agrupa esteconjunto de operaciones en una interfaz común. Actualmente,los patrones implementados son:• Inicialización del dispositivo:contiene tareasJP2011-688