Tamtam Proceedings - lamsin

284 Mezali et al.Temps CPUTemps ElapsedGain (CPU 1 proc/CPU n procs)30002500200015001000500nb_var=1089nb_var=4225nb_var=16641nb_var=66049Temps Elapsed(n procs)30002500200015001000500nb_var=1089nb_var=4225nb_var=16641nb_var=6604900 2 4 6 8 10 12 14nbre_procs00 2 4 6 8 10 12 14nbre_procsFigure 3. Courbes Temps CPUFigure 4. Courbes Temps ElapsedSpeed-Up CPUSpeed-Up ElapsedSpeed-Up Tcalcul2015105nb_var=1089Droite theoriquenb_var=4225nb_var=16641nb_var=66049Speed-Up Elapsed2015105nb_var=1089Droite theoriquenb_var=4225nb_var=16641nb_var=6604900 2 4 6 8 10 12 14nbre_procs00 2 4 6 8 10 12 14nbre_procsFigure 5. Courbes Speed-Up CPUFigure 6. Courbes Speed-Up Elapsedde communications entre processeurs (exemple : send/receive). Afin de la diminuer, onprocède dès le départ à distribuer à chaque processeur le maximum de données dont ila besoin en autonome et ainsi minimiser au strict minimum ses échanges avec les autresprocesseurs. Ainsi dans notre cas, chaque processeur i reçoit sa partie A i une fois pourtoute tandis que le vecteur X sera assujeti à des remises à jour à chaque itération. Onnote toutefois que pour un même problème et avec un nombre de processeurs croissant,le temps de l’allocation des registres qui se fait en parallèle sur les processeurs est moinsimportant et de plus que les registres alloués au vecteur X et à la partie A i de la matriceresteront inchangés : ceci accentue la superlinéarité en CPU et la justifie en Elapsed àpartir d’un certain seuil de granularité où ce gain compense l’overhead de communicationet qui explique inversement la performance moyenne avec le cas h 1 et h 2 ayant une faiblegranularité. Ainsi, la contrainte d’overhead en communication entre un nombre importantde processeurs disparaît avec les gros cas, ce qui explique un gain en temps considérable.TAMTAM –Tunis– 2005