| Titre : | Implémentation de modèles de calcul parallèle sous OpenMp |
| Auteurs : | Abdelillahelhabib Meskine, Auteur ; Abdrahmane Zehhaf, Auteur ; khadidja yahyaoui, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2021 |
| ISBN/ISSN/EAN : | SE01248T |
| Format : | 109 / couv. ill. en coul / 29 cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
Avec l'augmentation de la taille et de la complexité des problèmes, plusieurs modèles et cadres de programmation parallèles et distribués ont été développés pour gérer efficacement de tels problèmes. L’apparition des nouveaux modèles de programmation parallèle est liée au développement matériel et logiciel que confronte le domaine de l’informatique et de l’électronique. Ces modèles de calcul parallèle sont cernés dans le modèle OpenMP ( Open Miltiprocessig), le modèle MPI ( Message Passing Interface) et le modèle MapReduce. OpenMP est le standard de facto pour la programmation parallèle sur les systèmes à mémoire partagée. MPI est la norme de facto de l'industrie pour les systèmes de mémoire distribuée. Le frameworkMapReduce est devenu la norme de facto pour les applications gourmandes en données à grande échelle. Les avantages et les inconvénients qualitatifs de chaque framework sont connus, mais les indices de performance quantitatifs permettent d'avoir une bonne idée du framework à utiliser pour les applications. Chacun de ces modèles présentent des modèles qui sont propres à lui. Autrement dis, le modèle OpenMp présente lui aussi les modèles de modèles Fork and Join, modèle multithreading et le modèle OpenCl comme des environnements de programmation parallèle à mémoire partagée. Dans notre travail, nous sommes intéressés au modèle Open Cl (ComputingLanguage) . Actuellement ce modèle est apparu comme un challenge des technologies de pointe actuelle reflétée par les accélérateursdédiés aux applications de calcul intensif. Les GPUs sont connus comme des processeurs dédiés au calcul graphique, l’OpenCL est apparu comme un paradigme de programmation parallèle profitant de cette vitesse de calculpour d’autres types d’applications hors que le calcul graphique. Pour voir la performance de ce modèle d’exécution, nous avons implémenté d’autres modèles de OpenMp tels que : le multithreading et le fork and Join. Pour implémenter ces modèles, deux environnements sont utilisés : Le langage JAVA a été destiné pour l’implémentation des Fork and Join et le Multithreading. Le modèle de parallèle est implémenté sous le langage OpenCl. Les résultats d’exécution ont prouvé la grande différence de vitesse d’exécutiond’OpenCl par rapport au modèle multithreading et le modèle Fork etJoin.Deux métriques d’évaluation sont utilisés le speedup et le temps d’exécution. Comme meilleur modèle, le OpenCl a prouvé ces performances dans le calcul des données massives, ensuite Le multithreading et après le modèle Fork and join. Pour les autres tailles de données, le multithreading est meilleur par rapport au modèle Open Cl et Fork and join. Cette thématique a ouvert un large éventail de perspectives à envisager. L’utilisation de ses modèles pour d’autres calculs (algorithmes) parallèles dans différents domaines tels que : L’optimisation multi objectifs, Traitement d’images, le deeplearning, |
Exemplaires (2)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE01248T | INF419 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
| SE02122T | INF419 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
