C#nedir?com
 
YAZAR HAKKINDA
Özkan Eren
Özkan Eren
http://www.csharpnedir.com/
İletişme geçmek için tıklayın.
6 Makalesi yayınlanmakta.
Yazar hakkında detaylı bilgi için tıklayın.
Yayınlanan diğer makaleleri için tıklayın.
İlgili etiketler: buffer burada degerleri fonksiyon fonksiyonlari fonksiyonu fonksiyonun haberlesme integral parametresi proses prosesler verinin yazimizda yukarida C++ / C++.NET Özkan Eren
 
YAZI HAKKINDA
Türü : Makale
Serbest Köşede C#nedir?com üyelerinin hazırladıkları yazılar yayınlanır. Bu yazılar editör incelemesine girmeden yayınlanır.
Seviyesi : Orta
Kategori : C++ / C++.NET
Yayınlanma Tarihi : 9.4.2005
Okunma Sayısı : 35051
Yorum Sayısı : 2     yorum yaz
Site İçi AramaSİTE İÇİ ARAMA
Üye Girişini AçÜye GİRİŞİ
Üye girişi için tıklayın.
Kullanıcı Adı
Şifre
 
Beni her zaman hatırla
Bir hafta boyunca kullanıcı bilgilerinizi kullanıcı çıkışı yapana kadar hatırlar. (Paylaşılan bilgisayarlarda önerilmez.)
 
Şifremi / Kullanıcı Adımı unuttum.
 
.net TV RSS Serbest KÖŞE (?)
Serbest Köşede C#nedir?com üyelerinin hazırladıkları yazılar yayınlanır. Bu yazılar editör incelemesine girmeden yayınlanır.
emre TAŞ
XML - Deniz Kılınç
emre TAŞ
yazının devamı >
emre TAŞ
Decompiling and Reverse Engineering .Net Radyo
emre TAŞ
yazının devamı >
emre TAŞ
Masaüstü mü ? İnternet Mi? .Net Radyo
emre TAŞ
yazının devamı >
emre TAŞ
.Net Kavramları - .Net Radyo
emre TAŞ
yazının devamı >
emre TAŞ
Yeni Başlayanlar için - .Net Radyo
emre TAŞ
yazının devamı >
Makale Gönder Bende Yazmak İstiyorum
.net TV RSSBlogroll
Burak Selim Şenyurt
Asp.Net Core'da Bir WebSocket Macerası 21.10.2017
Burak Selim Şenyurt
.NET Core 2.0 ile Basit Bir Web API Geliştirmek 21.10.2017
Turhal Temizer 'in Blogu
ChatBot UI Sample 21.10.2017
Turhal Temizer 'in Blogu
C# – IRR Function 21.10.2017
  Diğer Herşey
Sponsorlar
BT Akademi
Medya Portakal
Video Hosting Sponsoru
Csharpnedir.com bir Ineta üyesidir
Uzman Abi
Her Yönüyle C# - Sefer Algan
MPI ile Paralel Programlama - 2
 
Kapat
Sayfayı Yazdır Sık Kullanılanlara Ekle Arkadaşıma Gönder MySpace Del.Ico.Us Digg Facebook Google Mixx Reddit StumbleUpon
Geçen yazımızda MPI ile programlamaya bir giriş yapmıştık ve 12 bilgisayarın her birinden “merhaba dünya” yazısını yazdırmıştık. Bu yazımızda MPI haberleşme fonksiyonlarını inceleyeceğiz. MPI haberleşme fonksiyonları MPI kütüphanesinin belkemiğini oluşturan fonksiyonlardır.Yapmak istediğimiz hesaplara ve algoritmalara bağlı olarak değişik haberleşme fonksiyonları kullanmamız gerekecektir. Şimdi MPI de en çok kullanılan ve bilinen haberleşme fonksiyonlarımıza geçelim (Çok fazla fonksiyon olduğundan en önemlilerini incelemeye çalışacağız.)

En önemli haberleşme fonksiyonlarımız Send ve Recv fonksiyonlarıdır. Çoğu paralel prosesler Send ve Recv fonksiyonlarının dışında fonksiyon kullanmazlar. Bu fonksiyonların en önemli özelliği verileri ara belleklere hangi proses tarafından isteniliyorsa o prosese doğru bir şekilde iletmeleridir. Bu işlem için buffer dediğimiz arabellek alanı kullanılmaktadır. Bu fonksiyonlar veriyi önce prosesin arabelleğine göndermekte ve o proses üzerine alana kadar bu verinin üzerine başka veri yazmamaktadır. Aynı şekilde veriyi almaya gelen fonksiyon da o veriyi alana kadar beklemekte ve aldıktan sonra söz konusu arabelleği boşaltmaktadır. Dolayısı ile Send/Recv fonksiyonları sayesinde veriler kaybolmamaktadır. Aşağıdaki çizimde makineler arası Send/Recv fonksiyonlarının nasıl çalıştığını görmektesiniz. Örneğimizde de send/recv fonksiyonlarını kullanacağız.



MPI_SEND(&buffer,count,datatype,dest,tag,comm) 

MPI_RECV(&buffer,count,datatype,source,tag,comm,status) 

Fonksiyonlarımız burada değişik parametreler almaktadır bunlardan buffer yollanacak veya alınacak verinin adresini göstermektedir. Count parametresi yollanacak verilerin sayısını belirtmektedir. Datatype parametresi gidecek verinin türünü belirtmektedir (int,float,char,...). Dest parametresi verinin hangi makineye gideceğini belirtmektedir. Source parametresi verinin hangi makineden alacağını belirtmektedir.Tag parametresi ise 0-32767 arası sayısal bir değer alır ve kullanıcı tarafından yanlış makinelerden mesajlar gelmesini önlemek için verilebilecek bir tür güvenlik kodudur. SEND ve RECV fonksiyonlarında tag’ lerin eşit olması gerekmektedir.Comm değişkeni olarak genelde MPI_COMM_WORLD kullanılmaktadır. Grup haberleşme fonksiyonlarında değişik “comm” değerleri kullanılmaktadır. Şu anlık bu değer yeterlidir. Grup haberleşme fonksiyonlarında ise comm parametresi birden fazla değer alabilir. En son parametre değerimiz ise RECV fonksiyonundaki status değeridir. Status mesajın geldiği kaynağı bize bildirmektedir.

SEND/RECV fonksiyonlarımızın dışında işimize yarayabilecek başka fonksiyonlarda vardır bunları kısaca inceleyecek olursak;

MPI_ISEND(&buffer,count,datatype,dest,tag,comm) 

MPI_IRECV(&buffer,count,datatype,source,tag,comm,status)

Yukarıda gördüğünüz komutların Send ve Recv fonksiyonlarından tek farkı “I” (Immediate) yani beklemeksizin veri alışverişlerin olmasıdır. Sizin de tahmin edebileceğiniz gibi, Send/Recv fonksiyonlarında var olan otomatik olarak bekleme işlemi burada kullanıcı inisiyatifine bırakılmaktadır. Bu fonksiyonlar tek başlarına kullanılmazlar. Muhakkak MPI_WAIT veya MPI_TEST gibi yardımcı fonksiyonları kullanmaları gerekmektedir.

MPI_WAIT(&request,&status) 

ISEND ve IRECV fonksiyonları verileri yollayana veya alana kadar beklemelerini sağlayan fonksiyondur. Status istenilen mesajın adresini ve tag’ ini dönmektedir.

MPI_TEST (&request,&flag,&status)

Bu fonksiyonumuz da istenilen verinin ulaşıp ulaşmadığını kontrol etmek için kullanılır. Eğer verimiz istenilen yere ulaşmışsa flag olarak true değeri  dönmektedir.Status istenilen mesajın adresini ve tag’ ini dönmektedir.

MPI_REDUCE(data, result, count, type, op, root,comm)  Bu fonksiyonumuz N tane makinede oluşmuş sonuçları derleyerek ana proses’ te result dizisinde saklamaktadır. Geri kalan değişkenlerden count “reduce”(alınmış veri) sayısını, type alınan verilerin türlerini, op yapılan alınma işlemlerinin sonuçlarını, root verilerin alındığı prosesleri ve son olarak comm haberleşme ortamının adını (MPI_COMM_WORLD) almaktadır. Bu yazdıklarımızı bir de görsel olarak açıklayalım.



Yukarıda da gördüğümüz gibi 5 tane işlemci ayrı data yani veriler üretmektedir. İstersek bunları ayrı ayrı yollayabiliriz. Bunun için her makine send/recv fonksiyonlarını kullanabiliriz. Biz bunun yerine MPI_REDUCE fonksiyonunu kullanıyoruz. Elimizde ki bütün “data” verilerini MPI_REDUCE aracılığı ile ana işlemcide “result” dizisine gönderiyoruz.  MPI_ALLREDUCE(data, result, count, type, op, root,comm) ALLREDUCE fonksiyonu REDUCE ile işlevsel olarak aynıdır. Tek farkı bütün proseslere result değerini göndermektedir. MPI_BARRIER(comm)  Global haberleşme fonksiyonlarının en önemlilerindendir. Bütün proseslerin işlemleri tamamlanana kadar devam etmelerini engelleyen senkronizasyon fonksiyonudur. MPI_BCAST(&buffer,count,datatype,root,comm) 

BCAST, Broadcasting kelimesinin kısaltılmış halidir. Root olarak sayılan prosesten arabellekteki (buffer) değerleri “comm” ortamında ki bütün proseslere yollamaktadır. İlk yazımda yazdığım gibi MPI paralel makineler arası haberleşme kütüphanesidir ve 100 den fazla fonksiyonu vardır. Yukarıda size sadece bu haberleşme fonksiyonlarının en çok kullanılanlarını verdim çok daha karışık amaçlar için kullanabileceğiniz spesifik fonksiyonlar da vardır.UYGULAMA

Örnek olarak bu yazımızda integral değer hesaplayan bir kod yazacağız. Integral almak için 10 makine kullanacağız. Bunun için “trapezoidal” adı verilen bir yöntem kullanacağız. Paralel kodumuz burada integrali hesaplanacak fonksiyonun X aralığa bölünerek her aralıkta integralin ayrı hesaplanmasından sorumlu olacaktır. 

Fonksiyonu dikdörtgenlere ayırarak alan hesaplamak : Trapezoidal

 

Amacımız matematik olmadığı için sizi matematiksel yöntemleri anlatarak sıkmayacağım.Yukarıda da gördüğünüz gibi bir fonksiyonun altındaki alanı hesaplamak için o fonksiyonu dikdörtgenlere bölüyoruz ve o dikdörtgenlerin alanlarını hesaplıyoruz. Eğer dikdörtgen sayısı yeterince fazla olursa (bizim örnekte 1000 olacak) dikdörtgenler neredeyse fonksiyona dönüşür ve fonksiyonun alanına çok yakın bir değer elde ederiz.

 

Kodumuz ise bu fonksiyonun altındaki alanı 10 parçaya bölüyor ve 10 bölgede 100 tane dikdörtgen (toplamda 1000 tane dikdörtgen) oluşturarak bunların alanlarını hesaplıyor daha sonra bütün değerleri toplayarak integrali veriyor. Şimdi geldik kod kısmına:

#include <stdio.h>
#include "mpi.h" 
// f fonksiyonu f(x)=x*x*x-x*x kabul edilmiştir
// verilen x değeri için f(x) değerini vermektedir
float f(float x); 
// Yukarıda açıkladığım Trapezoidal kuralına uygun şekilde bize dikdörtgenlerin alanını vermektedir //
float Trapezoidal(float aa, float bb, int nn, float h); 
int main(int argc, char** argv)

    int prosesrank;
    int p;
    // başlangıc noktamız 5 bitiş noktamız 10 //
    float a = 5.0;
    float b = 10.0;
    // 1000 tane dikdörtgen oluşturuyoruz //
    int n = 1000;
    float h;
    float aa;
    float bb;
    int nn;
    float integral;
    float toplam; 
    // MPI fonksiyonları için gerekli değişkenler //
    int source;
    int dest = 0;
    int tag = 50;    
    MPI_Status status; 
    // prosesler başlıyor //
    MPI_Init(&argc, &argv); 
    // Rank fonksiyonu ile bu kodun hangi makinede (proseste) olduğunu öğreniyoruz //
    MPI_Comm_rank(MPI_COMM_WORLD, &prosesrank); 
    // Aşağıdaki fonksiyon bize proses sayısını veriyor //
    // bu fonksiyonlar hakkında bilgiyi ilk yazımda bulabilirsiniz //
    MPI_Comm_size(MPI_COMM_WORLD, &p); 
    // b fonksiyonun sonu a başı bunu n kadar yani 1000 kadar eşit parçaya bölüyoruz // 
    h = (b-a)/n;
    // 1000 parçayı p prosese paylaştırıyoruz //
    nn = n/p; 
    // aa  ve bb değerleri bize prosesler tarafından paylaşılan aralıkların başını ve sonunu vermektedir //
    aa = a + prosesrank*nn*h;
    bb = aa + nn*h; 
    // başı aa sonu bb olan aralıkların alanlarını hesaplıyoruz // 
    integral = Trapezoidal(aa, bb, nn, h); 
    // aşağıda ki kısımda 1. proses ( yani 0 ) bize sonuçları vermektedir //
    // aşağıda ki kısım sadece 1.proses için geçerlidir //
    if (prosesrank == 0)
    {
        toplam = integral;
        // her prosesten Recv komutu ile ayrı ayrı integral sonuclarını alıyoruz //
       // dikkat edin burada IRecv fonksiyonunu kullanamıyoruz çünkü yukarıda da açıkladığım gibi gönderilmeye hazır değil Recv/Send ikilisi arabellekleri kullanarak alınacak veri gelene kadar beklemektedirler //
        for (source = 1; source < p; source++)
        {
            MPI_Recv(&integral, 1, MPI_FLOAT, source, tag,MPI_COMM_WORLD, &status);
            // MPI fonksiyonlarının güzelliğini görüyorsunuz ! Sizden ayrı olarak bekleme komutları istenmiyor buffer da oluşacak değeri Recv fonksiyonu kendisi otomatik olarak oluşunca alıyor // 
           toplam += integral;
        }
    } 
    // aşağıda ki kısım ise 1.proses dışındaki bütün proseslerde geçerlidir //
    // Yukarıda yaptığım fonksiyon tanımlarına bakarsanız Send fonksiyonu kendi integral// // değerlerini 1.prosese yollamaktadır //
    else
    {
        MPI_Send(&integral, 1, MPI_FLOAT, dest,tag, MPI_COMM_WORLD);
        // burada da integral değerleri her makinenin bufferine yollanmaktadır,eğer diğer makinenin Recv komutu ulaşmışsa anında alınmaktadır eğer ulaşmamışsa o Recv fonksiyonu gelene kadar integral değeri o buffer da beklemektedir //
    } 
    // 1.prosesten  sonucu yazdırıyoruz //
    if (prosesrank == 0)
    {  
        printf("başlangıcı %f sonu %f olan fonksiyonun integrali = %f\n",a, b, toplam);
    } 
    MPI_Finalize();
    return 0;
}
/* Fonksiyonlarımız */ 
float f(float x)
{
    float sonuc;
    sonuc=x*x*x-x*x;
    return sonuc;

float Trapezoidal(float aa, float bb, int nn, float h)
{
    float integral;
    float x;
    int i;
    integral = (f(aa) + f(bb))/2.0;
    x = aa;
    for (i = 1; i <= nn-1; i++)
    {
        x += h;
        integral += f(x);
    }
    integral *= h;
    return integral;
}
Yukarıda da gördüğünüz gibi Send/Recv fonksiyonları kullanıcının wait, lock gibi komutları kullanmadan prosesler arasında iletişimleri oldukça etkili bir şekilde sağlamaktadır. Programı çalıştırdıktan sonra aşağıdaki ekran görüntüsünü elde ederiz.



Eğer bu alanı analitik olarak hesaplarsak sonucu 2052.0883.... olarak bulmaktayız.

Sonuç Olarak

Bu yazımızda gördüğünüz gibi MPI ile prosesler arası iletişim cidden çok kolay ve kullanıcılar limitleri çok zorlamadıkları sürece bir problemi daha küçük parçalara bölerek çok kolay çözebilmektedir. Her ne kadar integral örneğimiz basit bir örnek olarak kalsa da Send/Recv fonksiyonlarını ve diğer haberleşme fonksiyonlarını rahatça daha büyük örneklerinizde kullanabilirsiniz. İleriki yazılarımda Paralel Algoritmaları işleyerek bir işi 10-20 makinede yapmanın bize neden avantaj sağladığını göstereceğim. Sağlıcakla kalın!

Özkan Eren
ozkeren@yahoo.com

Makale:
MPI ile Paralel Programlama - 2 C++ ve C++.NET dili Özkan Eren
  • Yazılan Yorumlar
  • Yorum Yaz
ARA
9
2012
selamlar, MPI programlamasına yeni başladım. sinx hesaplatan bir program yazmak istiyorum pipelining methodu kullanarak. yardımcı olabilirmisiniz? ya da herhangi bi örnek kod varmı acaba pipeline örneği olarak
Sayfalar : 1 
Yorum yazabilmek için üye girişi yapmalısınız. Üye girişi için tıklayın.
Üye değilseniz Üyel Ol linkine tıklayarak üyeliğinizi hemen başlatabilirisniz.
 
  • Bu Konuda Son 10
  • Eklenen Son 10
  • Bu Konuda Geçmiş 10
Bu Konuda Yazılmış Yazılmış 10 Makale Yükleniyor
Son Eklenen 10 Makale Yükleniyor
Bu Konuda Yazılmış Geçmiş Makaleler Yükleniyor