1 / 36

Pipelined Computations

Pipelined Computations. Dalam teknik pipeline, problem dibagi menjadi deretan yang harus dilaksanakan satu setelah lainnya. Setiap tugas nantinya akan dieksekusi oleh proses atau prosesor yang berbeda. Gambar 1 Proses pipeline. Gambar.2 Pipeline untuk penjumlahan. Contoh Lain

Download Presentation

Pipelined Computations

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Pipelined Computations Dalam teknik pipeline, problem dibagi menjadi deretan yang harus dilaksanakan satu setelah lainnya. Setiap tugas nantinya akan dieksekusi oleh proses atau prosesor yang berbeda Gambar 1 Proses pipeline Gambar.2 Pipeline untuk penjumlahan

  2. Contoh Lain Filter frekuensi - Menghilangkan frekuensi tertentu ( katakan f0, f1, f2, f3, dst) signal, f(t). Signal dapat dilewati pipeline dari kiri Gambar 3. Pipeline untuk filter frekuensi Pipeline dapat meningkatkan kecepatan untuk problem yang sekuensial, dalam tiga tipe komputasi: 1. Jika lebih dari satu instance dari problem yang akan dieksekusi 2. Jika ada deretan item data yang harus diproses, masing-masing membutuhkan operasi ganda 3. Jika informasi untuk memulai proses berikutnya dpt diberikan sebelum proses selesai melaksanakan operasi internalnya

  3. Diagram Ruang-Waktu Pipeline “Tipe 1” Gambar 4. Diagram ruang waktu pipeline

  4. Gambar 5 Diagram Ruang-Waktu Alternatif

  5. Diagram Ruang-Waktu Pipeline “Tipe 2” Gambar 6 Pemrosesan pipeline 10 elemen data

  6. Diagram Ruang-Waktu Pipeline “Tipe 3” Gambar 7 Pemrosesan pipeline, informasi di-pass sebelum proses selesai

  7. Jika jumlah tahap lebih besar dari jumlah prosesor dalam pipeline, kelompok tahap dapat diassign untuk tiap prosesor Gambar 8 Partitioning processes onto processors.

  8. Platform Komputisai untuk Aplikasi Pipeline gambar 9 Sistem multiprosesor dengan konfigurasi

  9. Contoh Program Penjumlahan Angka Gambar 10 Penjumlahan Pipeline

  10. Kode dasar untuk proses Pi : recv(&accumulation, P i-1 ); accumulation = accumulation + number; send(&accumulation, P i+1 ); Kecuali untuk proses pertama, P0 , yaitu send(&number, P 1 ); Dan proses terakhir , Pn-1 , yaitu recv(&number, P n-2 ); accumulation = accumulation + number;

  11. Program SPMD if (process > 0) { recv(&accumulation, P i-1 ); accumulation = accumulation + number; } if (process < n-1) send(&accumulation, P i+1 ); Hasil akhir ada di proses terakhir. Selain penjumlahan, operasi aritmatika lainnya dapat dilakukan juga

  12. Gambar 11 Penjumlahan angka pipeline dengan proses master dan konfigurasi cincin.

  13. Gambar 12 Penjumlahan angka pipeline denganakses langsung ke proses slave.

  14. Analisa Analisa Contoh pertama adalah Tipe 1. Dengan asumsi bahwa tiap proses melakukan aksi serupa dalam tiap siklus pipeline. Kemudian akan dilakukan komputasi dan komunikasi yang dibutuhkan dalam siklus pipeline Waktu total eksekusi t total = (waktu untuk satu siklus pipeline)(jumlah siklus) t total = (t comp + t comm )(m + p - 1) Dimana ada m instances problem dan p tahap pipeline (proses) Waktu rata-rata untuk komputasi diberikan oleh: t a = t total /m

  15. Instance Tunggal Problem t comp = 1 t comm = 2(t startup + t data ) t total = (2(t startup + t data ) + 1)n Kompleksitas waktu = O(n). Instances Ganda Problem t total = (2(t startup + t data ) + 1)(m + n - 1) t a = t total /m » 2(t startup + t data ) + 1 Yaitu, satu siklus pipeline.

  16. Mem-partisi Data dengan Instances Gande Problem t comp = d t comm = 2(t startup + t data ) t total = (2(t startup + t data ) + d)(m + n/d - 1) Dengan menaikkan d, partisi data, pengaruh komunikasi dihilangkan. Akan tetapi naiknya partisi data menurunkan paralelisme dan terkadang menaikkan waktu eksekusi

  17. Mengurutkan Angka Versi paralel dari insertion sort. ( A parallel version of insertion sort. (versi sekuensialnya adalah menempatka kartu yang dimainkan berurut dgn memindahkan kartu untuk menyisipkannya dalam posisi-nya) Gambar 13 Langkah dalam insertion sort dengan lima angka

  18. Algortima dasar untuk proses Pi adalah recv(&number, P i-1 ); if (number > x) { send(&x, P i+1 ); x = number; } else send(&number, P i+1 ); Dengan n angka, berapa banyak proses ke yang akan diterima diketahui, diberikan oleh n - i. Berapa banyak yang di pass kedepan juga diketahui; diberikan oleh n - i - 1 karena satu dari jumlah yang diterima tidak di pass kedepan. Maka loop sederhana dapat digunakan.

  19. Gambar 14 Pipeline untuk sorting menggunakan insertion sort.

  20. Gambar 15 Insertion sort dengan hasil kembali ke proses master m,enggunakan konfigurasi baris dua arah

  21. Dengan mengembalikan hasilnya, proses i dapat ditulis dalam bentuk right_procno = n - i - 1; /*no of processes to the right */ recv(&x, P i-1 ); for (j = 0; j < right_procno; j++) { recv(&number, P i-1 ); if (number > x) { send(&x, P i+1 ); x = number; } else send(&number, P i+1 ); } send(&number, P i-1 ); /* send number held */ for (j = 0; j < right_procno; j++) {/*pass on other nos */ recv(&x, P i+1 ); send(&x, P i-1 ); }

  22. Analisa Sekuensial Jelas merupakan algoritma sorting yang buruk dan tidak cocok kecuali untuk jumlah n yang sangat kecil ts = (n - 1) + (n - 2) + … + 2 + 1 = n (n + 1) / 2 Paralel Setiap siklus pipeline membutuhkan paling tidak t comp = 1 t comm = 2(t startup + t data ) Waktu eksekusi total, t total , diberikan oleh t total = (t comp + t comm )(2n - 1) = (1 + 2(t startup + t data ))(2n - 1)

  23. Gambar 16 Insertion sort dengan hasil dikembalikan

  24. Pembangkit Bilangan Prima Deretan integer dibangkitkan dari 2. Bilangan pertama, 2, adalah prima dan disimpan. Seluruh kelipatan bilangan ini dihilangkan karena bukan merupakan bilangan prima. Proses dilakukan secara berulang untuk bilangan berikutnya. Algoritma membuang nonprima, dan menginggalkan hanya bilangan prima

  25. Kode Sekuensial Umumnya menggunakan array dengan nilai awal 1 (TRUE) dan diset 0 (FALSE) jika indeks elemen bukan bilangan prima.Dengan menyatakan angka terakhir adalah n maka dapat ditulis: for (i = 2; i < n; i++) prime[i] = 1; /* Initialize array */ for (i = 2; i <= sqrt_n; i++)/* for each number */ if (prime[i] == 1) /* identified as prime */ for (j = i + i; j < n; j = j + i)/*strike multiples */ prime[j] = 0; /* includes already done */ Loop sederhana mengakses array untuk mencari bilangan prima

  26. Kode SekuensialWaktu Sekuensial Jumlah iterasi sangat tergantung dari bilangan prima tersebut. Ada [n/2-1] kelipatan dua, [n/3-1] kelipatan tiga, dan seterusnya. Sehingga total waktu sekuensial yang dibutuhkan: Dengan asumsi komputasi pada tiap iterasi sam dengan satu langkah komputasional. Kompleksitas waktu sekuensial adalah O(n2 ).

  27. Implementasi Pipeline Gambar 5.17 Pipeline untuk bilangan prima

  28. Kode untuk proses, Pi , berdasarkan atas recv(&x, P i-1 ); /* repeat following for each number */ recv(&number, P i-1 ); if ((number % x) != 0) send(&number, P i+1 ); Setiap proses tidak akan menerima jumlah angka yang sama dan tidak diketahui sebelumnya. Menggunakan message “terminator, yang dikirim pada akhir urutan. recv(&x, P i-1 ); for (i = 0; i < n; i++) { recv(&number, P i-1 ); if (number == terminator) break; if (number % x) != 0) send(&number, P i+1 ); }

  29. Menyelesaikan Sistem Persamaan Linier — Kasus Khusus Contoh tipe 3 – proses dapat melanjutkan pekerjaan lain setelah mem-passing informasi Untuk menyelesaikan persamaan linier dalam bentuk upper triangular: Dimana a dan b adalah konstanta dan x adalah yang akan dicari

  30. Subtitusi Balik Pertama, x0 dapat dilihat dari persamaan terakhir Nilai untuk x0 disubtitusi ke persamaan berikutnya untuk mendapatkan x1 Nilai x0 dan x1 disubtitusi ke persamaan berikutnya untuk mendapatkan x2: Begitu seterusnya sampai seluruhnya diketahui

  31. Solusi Pipeline Gambar 5.18 Menyelesaikan set persamaan linier upper triangular menggunakan pipeline. Pipeline tahap pertama menghitung x0 dan di pass ke tahap kedua, yang menghitung x1 dari x0 dan mem-pass kedua x0 dan x1 ke tahap berikutnya, untuk menghitung x2 from x0 and x1 , dan seterusnya

  32. Proses ke i (0 < i < n) menerima nilai x0 , x1 , x2 , …, x I-1 dan menghitung xi dari persamaan:

  33. Kode Sekuensial Konstanta a i,j danb k disimpan dalam array a[] dan b[], dan nilai untuk yang dicari disimpan dalam array, x[], kode sekuensialnya: x[0] = b[0]/a[0][0]; /* x[0] computed separately */ for (i = 1; i < n; i++) { /* for remaining unknowns */ sum = 0; for (j = 0; j < i; j++ sum = sum + a[i][j]*x[j]; x[i] = (b[i] - sum)/a[i][i]; }

  34. Kode Paralel Pseudocode proses P i (1 < i < n) dari satu versi pipeline adalah: for (j = 0; j < i; j++) { recv(&x[j], P i-1 ); send(&x[j], P i+1 ); } sum = 0; for (j = 0; j < i; j++) sum = sum + a[i][j]*x[j]; x[i] = (b[i] - sum)/a[i][i]; send(&x[i], P i+1 ); Ada komputasi tambahan yang dilakukan setelah menerima dan mengirim ulang nilai.

  35. Gambar 5.19 Pe,mrosesan Pipeline menggunakan Subtitusi Balik.

  36. Analisa Tidak dapat diasumsikan usaha komputasional tiap tahap sama Proses pertama, P0 , melakukan satu pembagian dan satu send(). Proses ke i (0 < i < n - 1) melakukan i recv()s, i send()s, i perkalian/penjumlahan, satu pembagian/pengurangan,dan akhirnya send(), total 2i + 1 waktu komunikasi dan 2i + 2 langkah komputasional diasumsikan bahwa, perkalian, penjumlahan, pembagian dan pengurangan tiap satu langkah. Proses terakhir, Pn-1 , melakukan n - 1 recv()s, n - 1 perkalian/penjumlahan dan satu pembagian/pengurangan, total n - 1 waktu komunikasi dan 2n - 1 langkah komputasional

More Related