最近,我遇到了教堂。我喜欢教程中给出的示例,但其中许多在我眼中是令人尴尬的平行。我正在研究多体量子物理学中的散射问题,一个常见问题可以简化为以下问题。
A
一个形状的张量用不同参数M x N x N
的矩阵方程的解来填充M
1..M
- 需要张量的一个子集
A
来计算每个参数的校正项1..M
。
问题的第一部分令人尴尬地平行。
因此,我的问题是,是否以及如何仅将所需的张量子集传输A
到集群的每个区域并最小化必要的通信?
最近,我遇到了教堂。我喜欢教程中给出的示例,但其中许多在我眼中是令人尴尬的平行。我正在研究多体量子物理学中的散射问题,一个常见问题可以简化为以下问题。
A
一个形状的张量用不同参数M x N x N
的矩阵方程的解来填充M
1..M
A
来计算每个参数的校正项1..M
。问题的第一部分令人尴尬地平行。
因此,我的问题是,是否以及如何仅将所需的张量子集传输A
到集群的每个区域并最小化必要的通信?
当 Chapel 工作正常时,应该以有效的方式在分布式和本地数组(比如说)之间传输数组切片。这意味着您应该能够使用 Chapel 的数组切片表示法编写此类张量子集传输。
例如,这是编写这种模式的一种方法:
// define a domain describing a 5 x 7 x 3 index set anchored at index (x,y,z)
const Slice = {x..#5, y..#7, z..#3};
// create a new array variable that stores the elements from distributed array
// `myDistArray` locally
var myLocalArray = myDistArray[Slice];
新变量myLocalArray
将是一个数组,其元素是 in 中的元素的副本,myDistArray
如 中的索引所述Slice
。的域myLocalArray
将是切片域Slice
,因此由于Slice
是非分布式域,myLocalArray
因此也将是本地/非分布式数组,因此在操作时不会产生使用 Chapel 的分布式数组表示法的任何开销当前语言环境。
迄今为止,我们主要专注于优化块分布式阵列的此类传输。例如,对于上述示例的情况,当 myDistArray 是块分布的时,我看到区域设置之间的通信数量是固定的,因为我改变了切片的大小(尽管这些通信的大小显然会根据需要传输的元素数量)。已知其他案例和模式需要更多优化工作,因此如果您发现一个案例没有按预期执行/扩展,请针对它提交Chapel GitHub 问题,以帮助提醒我们您的需求和/或帮助你找到一个解决方法。
所以,勾勒出你描述的模式,我可能会想象做这样的事情:
// create a local and distributed version of the complete tensor space
const LocTensorSpace = {1..M, 1..N, 1..N},
TensorSpace = LocTensorSpace dmapped Block(LocTensorSpace);
// declare array A to store the result of step 1
var A: [TensorSpace] real;
// ...compute A here...
// declare a 1D distributed form of the parameter space to drive step 2
const ParameterSpace = {1..M} dmapped Block({1..M});
// loop over the distributed parameter space; each locale will use all its cores
// to compute on its subset of {1..M} in parallel
forall m in ParameterSpace {
// create a local domain to describe the indices you want from A
const TensorSlice = { /* ...whatever indices you need here... */ };
// copy those elements into a local array
var locTensor = A[TensorSlice];
// ...compute on locTensor here...
}
其他一些似乎与我有关,但我不想让这个问题陷入困境的事情是:
(因此,如果您对这些感兴趣,请随时提出后续问题)
最后,为了子孙后代,这是我在将这个响应放在一起时编写的程序,以确保我在通信数量和获得本地数组方面得到我期望的行为(chpl version 1.23.0 pre-release (ad097333b1)
虽然我'd 期望最近版本的 Chapel 有相同的行为:
use BlockDist, CommDiagnostics;
config const M = 10, N=20;
const LocTensorSpace = {1..M, 1..N, 1..N},
TensorSpace = LocTensorSpace dmapped Block(LocTensorSpace);
var A: [TensorSpace] real;
forall (i,j,k) in TensorSpace do
A[i,j,k] = i + j / 100.0 + k / 100000.0;
config const xs = 5, ys = 7, zs = 3, // size of slice
x = M/2-xs/2, y = N/2-ys/2, z = N/2-zs/2; // origin of slice
const Slice = {x..#xs, y..#ys, z..#zs};
writeln("Copying a ", (xs,ys,zs), " slice of A from ", (x,y,z));
resetCommDiagnostics();
startCommDiagnostics();
var myLocArr = A[Slice];
stopCommDiagnostics();
writeln(getCommDiagnostics());
writeln(myLocArr);
writeln(myLocArr.isDefaultRectangular());