Files
pp_122-mko-lab2/lec4/README.md
T
2026-11-14 10:14:33 +03:00

5.3 KiB
Raw Blame History

Практикум: стенсил, редукция, журнал (≈5 мин + самостоятельная работа)

Задача: распараллелить один шаг теплопроводности и сумму массива, проверить совпадение с эталоном и исследовать влияние числа потоков. Готовый файл — материалы/lec4/data_parallel_demo.py.

  1. Реализуйте две версии. step_serial с @njit и step_parallel с @njit(parallel=True) и prange по строкам. v = u.copy() сохраняет границы.
  2. Проверьте до замера. np.allclose по всему полю и отдельные проверки всех четырёх границ.
  3. Измерьте. Прогрев, пять повторов, медиана, отдельный процесс для p = 1, 2, 4, 8; если есть 10 логических ядер — добавьте p = 10. Проверьте numba.threading_layer().
  4. Проверьте редукцию. sum_parallel согласуйте с sum_serial в допуске. Измените её на hist[i % 4] += a[i] и объясните, почему это не безопасная редукция.
  5. Сравните дисбаланс. Для неравномерной задачи сравните статическое разбиение с мелкими или динамическими порциями; посчитайте L.
  6. Заполните журнал.
Элемент Пример формулировки
Гипотеза Строки независимы, поэтому prange по i сократит время на большой сетке
Изменение range заменён на prange, добавлено parallel=True
Проверка np.allclose по всему массиву, отдельные проверки всех четырёх границ
Наблюдение Медианы и разброс для каждого числа потоков
Вывод Принять, доработать или отклонить гипотезу по измерениям
Ограничение Вывод относится к указанным CPU, Numba, размеру и типу данных

Заготовка таблицы:

p Медиана T(p) Min–max S(p) = T_serial / T(p) Результат совпал
1
2
4
8
10

Разберите четыре исхода: ускорение растёт почти линейно; насыщается; параллельная версия медленнее; результат отличается. В последнем случае сначала восстановите корректность и только потом считайте ускорение.

Попробуйте сами: сравните медианы T(p) с предсказанием из 1.2. Если ускорение насыщается раньше, чем кончаются ядра, объясните это трафиком памяти, а не «плохим параллелизмом».

Задание (≈60 минут).

  1. Реализуйте последовательный и prange-варианты стенсила на сетке от 1024 × 1024. Проверьте результат и все четыре границы.
  2. Для 1, 2, 4 и доступного числа потоков выполните пять замеров после прогрева. Постройте T(p) и S(p) по медианам.
  3. Реализуйте reduce суммы массива. На бумаге покажите конфликт в наивной гистограмме.
  4. Для неравномерной задачи сравните статическое разбиение с мелкими или динамическими порциями. Если Numba не поддерживает нужное планирование, примените OpenMP или чередующиеся блоки и опишите ограничение.
  5. Подготовьте заявку мини-проекта: тема из плана или ВКР, эталон, шаблоны, инвариант и критерии производительности.

ИИ можно использовать для обвязки замеров и графиков. Приложите декларацию: что сгенерировано, проверено и исправлено.

Считается выполненным, если:

  • есть эталон и автоматические проверки результата и границ;
  • приведены окружение, версии, медианы и разброс;
  • ускорение объяснено через накладные расходы или память;
  • редукция отделена от небезопасной записи в массив;
  • заявка содержит измеримые критерии корректности и производительности.