DOI: https://doi.org/10.26089/NumMet.v19r321

Вопросы разработки параллельного программного обеспечения для метода декомпозиции области

Авторы

  • Я.Л. Гурьева
  • Д.В. Перевозкин

Ключевые слова:

метод декомпозиции области
параллельный алгоритм
масштабируемость
структуры данных
вычислительный эксперимент

Аннотация

Рассматриваются различные аспекты разработки параллельного программного обеспечения для метода декомпозиции области: использование технологии MPI-программирования для кластерных систем, точки выбора при проектировании параллельных программ методов декомпозиции области, необходимость реализации действия матрицы без явного ее представления, работа с множествами индексов при программной реализации операторов ограничения и продолжения, а также при обмене данными между подобластями. На ряде численных экспериментов для модельной задачи исследуются вопросы наилучшего выбора конфигурации запуска исполняемой программы на кластере для минимизации времени расчета и предлагается стратегия проведения серии вычислительных экспериментов.

Новые вычислительные технологии

Загрузки

Опубликован

2018-06-06

Выпуск

Том 19 (2018): Выпуск 3.

Раздел

Раздел 1. Вычислительные методы и приложения

Авторы

Я.Л. Гурьева

Институт вычислительной математики и математической геофизики СО РАН (ИВМиМГ СО РАН)
просп. Лаврентьева, 6, 630090, Новосибирск
• старший научный сотрудник

Д.В. Перевозкин

Институт вычислительной математики и математической геофизики СО РАН (ИВМиМГ СО РАН)
просп. Лаврентьева, 6, 630090, Новосибирск
• младший научный сотрудник

Библиографические ссылки

  1. D. S. Butyugin, Y. L. Guryeva, V. P. Il’in, et al., “Parallel Algebraic Solvers Library Krylov,” Vestn. South Ural Univ. Ser. Vychisl. Mat. Inf. 2 (3), 92-105 (2013).
  2. Y. Saad, Iterative Methods for Sparse Linear Systems (SIAM, Philadelphia, 2003; Mosk. Gos. Univ., Moscow, 2013).
  3. Y. Saad, “A Flexible Inner-Outer Preconditioned GMRES Algorithm,” SIAM J. Sci. Comput. 14 (2), 461-469 (1993).
  4. Y. L. Gurieva, V. P. Il’in, and D. V. Perevozkin, “Algebraic-Geometric and Information Structures of Domain Decomposition Methods,” Vychisl. Metody Programm. 17, 132-146 (2016).
  5. MPI Forum.
    https://www.mpi-forum.org . Cited May 22, 2018.
  6. Message Passing Interface (MPI).
    http://parallel.ru/vvv/mpi.html . Cited May 22, 2018.
  7. S. Pissanetzky, Sparse Matrix Technology (Academic, London, 1984; Mir, Moscow, 1988).
  8. X.-C. Cai, C. Farhat, and M. Sarkis, “A Minimum Overlap Restricted Additive Schwarz Preconditioner and Applications in 3D Flow Simulations,” Contemp. Math. 218, 479-485 (1998).
  9. X.-C. Cai and M. Sarkis, “A Restricted Additive Schwarz Preconditioner for General Sparse Linear Systems,” SIAM J. Sci. Comput. 21 (2), 792-797 (1999).
  10. Intel Parallel Programming Professional (Introduction).
    https://www.intuit.ru/studies/courses/4447/983/lecture/14927?page=3
  11. V. D. Korneev, Parallel Programming with MPI (Inst. Comput. Math. Math. Geophys., Novosibirsk, 2002) [in Russian].
  12. Biconjugate Gradient Method.
    http://en.wikipedia.org/wiki/Biconjugate_gradient_method . Cited May 22, 2018.
  13. L. Giraud and R. S. Tuminaro, Algebraic Domain Decomposition Preconditioners , Technical Report ENSEEIHT-IRIT RT/APO/06/07 (Université Paul Sabatier, Toulouse, 2006).
  14. MUMPS: MUltifrontal Massively Parallel sparse direct Solver.
    http://mumps.enseeiht.fr . Cited May 22, 2018.
  15. Siberian Supercomputing Center.
    http://www2.sscc.ru/Default.htm . Cited May 22, 2018.
  16. Intel Trace Analyzer and Collector.
    https://software.intel.com/en-us/intel-trace-analyzer . Cited May 22, 2018.
  17. Intel Math Kernel Library.
    https://software.intel.com/en-us/mkl . Cited May 22, 2018.
  18. S. A. Lebedev, I. B. Meerov, A. V. Sysoev, et al., “Optimization and Application of the MUMPS Package for Solving the Three-Dimensional Stationary Strength Problems on Cluster Systems,” in Proc. Int. Supercomputer Conf., Novorossiysk, Russia, September 23-28, 2013 (Mosk. Gos. Univ., Moscow, 2013), pp. 233-237.