ANR-DFG - Appel à projets générique 2020 - DFG

Heuristiques pour la mémoires hétérogènes – H2M

Résumé de soumission

Le calcul haute performance (HPC) est très important pour faire progresser la simulation numérique. Dans tous les systèmes de calcul modernes, l'écart entre les performances du calcul et de la mémoire continue de se creuser, particulièrement à cause des multicoeurs et accélérateurs. En conséquence, le sous-système mémoire change : l'évolution de la hiérarchie de cache est suivie par de nouvelles technologies avec de nouveaux types de mémoire. Dans le contexte du HPC, cela a débuté en combinant les mémoires traditionnelles avec une petite mémoire à haut débit. Dans les plateformes à accélérateurs, comme les GPUs, l'hétérogénéité est déjà plus grande via différents types de mémoire. Actuellement, les applications doivent être sévèrement modifiées pour des plateformes cibles particulières, et elles doivent employer des interfaces spécifiques aux matériels pour exploiter la mémoire hétérogène.

Il y a un besoin critique de développer une vue de la mémoire hétérogène qui soit portable et indépendante du matériel pour en permettre une utilisation productive dans les applications scientifiques. Cela se traduit sous la forme d'abstractions pour gérer les différents types de matériels existants pour que les runtimes puissent exposer des heuristiques sélectionnant la bonne mémoire cible durant l'exécution. Actuellement ces abstractions et heuristiques posent encore de nombreuses questions fondamentales.

Les résultats attendus du projet H2M définiront une route concrète pour le développement des systèmes de programmation parallèle. Ils offriront des abstrations de programmation exposant la mémoire hétérogène à différents niveaux de détail et de contrôle, ainsi qu'un ensemble de fonctionnalités indépendantes des constructeurs matériels, à destination des organismes de standardisation et des systèmes de gestion de runtime avancés.

Les runtimes avancés doivent employer des stratégies diverses basées sur ces abstractions pour placer les données. H2M permettra de développer des heuristiques pour exploiter, à l'exécution, les mémoires hétérogènes avec des structures de données abstraites. Des modèles de performance aideront à décider où placer les threads et les données, conjointement. Ce sera implementé dans des stratégies pour sélectionner le bon type de mémoire selon les besoins de l'application. Par ailleurs, H2M définira des critères de décision sur quand et où déplacer des données. Toutes ces décisions seront prises en considérant des compromis entre fonctionnalités et performance.

Grâce à cette recherche sur la performance, le projet fournira à son terme des propositions concrètes aux organismes de standardisation.

H2M combine l'expertise d'Inria en l'exposition des fonctionnalités bas niveau et l'expérience de RWTH à les abstraires pour les applications HPC. Le résultat de cette collaboration sera une compréhension profonde de comment les plates-formes à mémoire hétérogènes doivent être programmées, une hiérarchie d'abstrations logicielles, et un ensemble d'heuristiques à destinations des runtimes avancés pour aider les applications à exploiter efficacement la performance du matériel.

Coordination du projet

Brice GOGLIN (Centre de Recherche Inria Bordeaux - Sud-Ouest)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

INRIA Centre de Recherche Inria Bordeaux - Sud-Ouest
RWTH Aachen University

Aide de l'ANR 180 360 euros
Début et durée du projet scientifique : décembre 2020 - 36 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter