Computación paralela y de alto rendimiento

Opiniones de los lectores

Las reseñas destacan el libro como un recurso completo y bien organizado para entender la computación de alto rendimiento (HPC), con explicaciones claras de temas esenciales como la computación paralela tanto en CPU como en GPU. Aunque muchos lectores consideran que es una guía inestimable, hay algunas críticas relativas a la dificultad de ejecutar los ejemplos proporcionados en clusters HPC típicos.

⬤ Cobertura exhaustiva y bien organizada de los temas de computación de alto rendimiento.
⬤ Explicaciones claras y comprensibles, lo que la convierte en una guía educativa útil.
⬤ Detalles prácticos y técnicas para optimizar el código y mejorar el paralelismo.
⬤ Cubre tanto la paralelización en CPU (OpenMP, MPI) como en GPU (OpenACC, OpenCL, CUDA).
⬤ Referencia valiosa para tecnólogos que buscan mejorar su comprensión de la computación paralela.

⬤ Dificultad para ejecutar los ejemplos en clusters HPC, en particular debido a la falta de orientación sobre el uso de Singularity en lugar de Docker.
⬤ Algunos lectores pueden encontrar los detalles técnicos difíciles si no están familiarizados con C / C ++ y la arquitectura de computadores.

(basado en 7 opiniones de lectores)

Título original:

Parallel and High Performance Computing

Contenido del libro:

La informática paralela y de alto rendimiento ofrece técnicas que garantizan un aumento de la eficacia de su código.

Resumen

Los cálculos complejos, como el entrenamiento de modelos de aprendizaje profundo o la ejecución de simulaciones a gran escala, pueden llevar mucho tiempo. Una programación paralela eficiente puede ahorrar horas -o incluso días- de tiempo de cálculo. Computación paralela y de alto rendimiento le muestra cómo proporcionar tiempos de ejecución más rápidos, mayor escalabilidad y mayor eficiencia energética a sus programas mediante el dominio de técnicas paralelas para procesadores multinúcleo y hardware de GPU.

Acerca de la tecnología

Escriba programas rápidos, potentes y energéticamente eficientes que se adapten a grandes volúmenes de datos. Mediante la programación paralela, el código distribuye las tareas de procesamiento de datos entre varias CPU para mejorar radicalmente el rendimiento. Con un poco de ayuda, puede crear software que maximice tanto la velocidad como la eficiencia.

Acerca del libro

Computación paralela y de alto rendimiento ofrece técnicas que garantizan un aumento de la eficacia de su código. Aprenderá a evaluar arquitecturas de hardware y a trabajar con herramientas estándar del sector como OpenMP y MPI. Dominará las estructuras de datos y los algoritmos más adecuados para la computación de alto rendimiento y aprenderá técnicas que ahorran energía en dispositivos portátiles. Incluso ejecutará una simulación masiva de un tsunami en un banco de GPU.

Contenido

Planificación de un nuevo proyecto paralelo.

Comprensión de las diferencias en la arquitectura de la CPU y la GPU.

Tratamiento de los núcleos y bucles de bajo rendimiento.

Gestión de aplicaciones con programación por lotes.

Acerca del lector

Para programadores experimentados que dominen un lenguaje de cálculo de alto rendimiento como C, C++ o Fortran.

Sobre el autor

Robert Robey trabaja en el Laboratorio Nacional de Los Álamos y ha estado activo en el campo de la computación paralela durante más de 30 años. Yuliana Zamora es actualmente estudiante de doctorado y becaria Siebel en la Universidad de Chicago, y ha impartido conferencias sobre programación de hardware moderno en numerosos congresos nacionales.

Tabla de Contenidos

PARTE 1 INTRODUCCIÓN A LA COMPUTACIÓN PARALELA.

1 ¿Por qué computación paralela?

2 Planificación de la paralelización.

3 Límites de rendimiento y creación de perfiles.

4 Diseño de datos y modelos de rendimiento.

5 Algoritmos y patrones paralelos.

PARTE 2 CPU: EL CABALLO DE BATALLA PARALELO.

6 Vectorización: FLOPs gratis.

7 OpenMP que rinde.

8 MPI: La columna vertebral paralela.

PARTE 3 GPUS: CONSTRUIDAS PARA ACELERAR.

9 Arquitecturas y conceptos de GPU.

10 Modelo de programación de la GPU.

11 Programación de GPU basada en directivas.

12 Lenguajes de GPU: Conceptos básicos.

13 Perfiles y herramientas para la GPU.

PARTE 4 ECOSISTEMAS DE ALTA COMPUTACIÓN.

14 Afinidad: Tregua con el núcleo.

15 Programadores por lotes: Poniendo orden en el caos.

16 Operaciones de archivos para un mundo paralelo.

17 Herramientas y recursos para mejorar el código.