Departamento de Informática (UM)

Computação Híbrida de Larga Escala

16922 [ME97ME9700007448]

Mestrado em Computação Avançada [MCA]

S2

André Martins Pereira

Objetivos

Esta unidade curricular visa fornecer os conhecimentos necessários para que os alunos compreendam, analisem e avaliem a escalabilidade do desempenho em supercomputadores. Os resultados de aprendizagem centram-se na programação híbrida de servidores heterogéneos, que combinam dispositivos multicore e manycore, e na escalabilidade dessas abordagens para múltiplos servidores. Há uma ênfase na avaliação crítica dos fatores que limitam a escalabilidade do código. Os conteúdos são consistentes com estes resultados de aprendizagem. Esta unidade curricular utiliza como base os conceitos apresentados em Arquiteturas de Computadores Avançadas, estendendo-os a problemas de grande escala. Os conceitos são apresentados com casos de estudo reais, permitindo avaliar o impacto dos conceitos teóricos no desempenho do hardware. Os conteúdos estão estruturados de forma a permitir o estudo incremental e o teste de otimizações e metodologias que permitam o desenvolvimento de código paralelo eficiente.

Programa

1. Arquiteturas de supercomputadores de larga escala
2. Topologias e tecnologias de interligação multi-servidor em escala
3. Paralelização híbrida em servidores heterogéneos
4. Paralelismo multi-servidor escalável
5. Escalonamento multi-nível de cargas de trabalho
6. Estruturas de dados e técnicas de decomposição de domínios
7. Avaliação de desempenho de aplicações de larga escala
8. Visão geral de aplicações exascale de sucesso

Bibliografia

Computer Architecture: a Quantitative Approach, David Patterson and John Hennessy, Morgan Kaufmann, 2017.

Supercomputer Architecture, Paul Schneck, Springer, 1988.

Large-Scale Computing Techniques for Complex System Simulations, Werner Dubitzky and Krzysztof Kurowski and Bernard Schott, Wiley, 2011.

High Performance Computing, Thomas Sterling, Maciej Brodowicz, Matthew Anderson, Morgan Kaufmann, 2017.

Resultados da aprendizagem

- Caracterizar a arquitetura de supercomputadores de larga escala, incluindo os componentes chave e as suas interligações
- Avaliar o impacto de escolhas arquiteturais na escalabilidade de aplicações paralelas em servidores heterogéneos
- Desenvolver estratégias de paralelização escaláveis para aplicações multi-servidor
- Avaliar estruturas de dados apropriadas e estratégias de balanceamento de carga para computação de larga escala
- Identificar padrões comuns e práticas recomendadas no desenvolvimento e otimização de aplicações exascale
- Avaliar o potencial de tecnologias emergentes em arquiteturas de larga escala

Método de avaliação

A avaliação é feita através de um teste escrito (30%-40%), trabalhos práticos (50%-70%), e participação nas sessões práticas (até 10%).

Funcionamento

Turno: T 1; Docente: André Martins Pereira; Dep.: DI; Horas: 15.
Turno: PL 1; Docente: André Martins Pereira; Dep.: DI; Horas: 30.