Note ABES A framework for efficient execution on GPU and CPU+GPU systems Framework pour une exécution efficace sur systèmes GPU et CPU+GPU GPGPU Modèle polyédrique Prédiction de performance Sélection de code adaptative Calcul hétérogène Ordonnancement CPU vs GPU CPU + GPU GPGPU Polyhedral model Performance prediction Adaptive code selection Heterogeneous computing Scheduling CPU vs GPU CPU + GPU 004.2 004.3 Microprocesseurs -- Programmation Processeurs à hautes performances Compilation (informatique) Parallélisme (informatique) Les verrous technologiques rencontrés par les fabricants de semi-conducteurs au début des années deux-mille ont abrogé la flambée des performances des unités de calculs séquentielles. La tendance actuelle est à la multiplication du nombre de cœurs de processeur par socket et à l'utilisation progressive des cartes GPU pour des calculs hautement parallèles. La complexité des architectures récentes rend difficile l'estimation statique des performances d'un programme. Nous décrivons une méthode fiable et précise de prédiction du temps d'exécution de nids de boucles parallèles sur GPU basée sur trois étapes : la génération de code, le profilage offline et la prédiction online. En outre, nous présentons deux techniques pour exploiter l'ensemble des ressources disponibles d'un système pour la performance. La première consiste en l'utilisation conjointe des CPUs et GPUs pour l'exécution d'un code. Afin de préserver les performances il est nécessaire de considérer la répartition de charge, notamment en prédisant les temps d'exécution. Le runtime utilise les résultats du profilage et un ordonnanceur calcule des temps d'exécution et ajuste la charge distribuée aux processeurs. La seconde technique présentée met le CPU et le GPU en compétition : des instances du code cible sont exécutées simultanément sur CPU et GPU. Le vainqueur de la compétition notifie sa complétion à l'autre instance, impliquant son arrêt. Technological limitations faced by the semi-conductor manufacturers in the early 2000's restricted the increase in performance of the sequential computation units. Nowadays, the trend is to increase the number of processor cores per socket and to progressively use the GPU cards for highly parallel computations. Complexity of the recent architectures makes it difficult to statically predict the performance of a program. We describe a reliable and accurate parallel loop nests execution time prediction method on GPUs based on three stages: static code generation, offline profiling, and online prediction. In addition, we present two techniques to fully exploit the computing resources at disposal on a system. The first technique consists in jointly using CPU and GPU for executing a code. In order to achieve higher performance, it is mandatory to consider load balance, in particular by predicting execution time. The runtime uses the profiling results and the scheduler computes the execution times and adjusts the load distributed to the processors. The second technique, puts CPU and GPU in a competition: instances of the considered code are simultaneously executed on CPU and GPU. The winner of the competition notifies its completion to the other instance, implying the termination of the latter. Electronic Thesis or Dissertation Text en PDF 2505918 Université de Strasbourg Strasbourg 2016-12-31 https://theses.hal.science/tel-01298088 application/pdf 2278234 https://publication-theses.unistra.fr/public/theses_doctorat/2015/Dollinger_Jean-Francois_2015_ED269.pdf http://www.theses.fr/2015STRAD019/abes https://theses.hal.science/tel-01298088 https://theses.hal.science/tel-01298088 https://theses.hal.science/tel-01298088 Dollinger Jean-François 1987-03-26 FR 192356380 40812858 https://theses.fr/2015STRAD019 2015STRAD019 https://doi.org/10.70675/631d4ee5zcaabz4a0bzb254z6a4600d83b85 2015-07-01 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Clauss Philippe MADS_DIRECTEUR_DE_THESE_1 098478389 Hack Sebastian MADS_PRESIDENT_DU_JURY 156938588 Loechner Vincent MADS_MEMBRE_DU_JURY_1 114245908 Cohen Albert Henri MADS_RAPPORTEUR_1 067155898 Bodin François MADS_RAPPORTEUR_2 057249849 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 MA 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 UMR7357 176969721 260728 ddc:004 Clauss Philippe Hack Sebastian Loechner Vincent Cohen Albert Henri Bodin François École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg) PDF 2505918