Im Vergleich zur Arbeitsaufteilung mit Threads bieten Tasks eine höhere Abstraktionsebene in der Parallelisierung von Algorithmen. Wenn Tasks richtig eingesetzt werden, können sie eine höhere Effizienz und bessere Skalierbarkeit bieten.
In diesem Vortrag betrachten wir algorithmische Muster und ihre Task-parallele Umsetzung. Dabei gibt es zwei Schwerpunkte. Erstens diskutieren wir die Entscheidung, wann Tasks einzusetzen sind und wann eine klassische Thread-basierte Arbeitsverteilung der richtige Weg ist. Zweitens betrachten wir, welche Optimierungen in der Task-parallelen Programmierung einzusetzen sind, um hohe Effizienz auch mit wenig rechenintensiven Tasks zu erzielen. Unsere Beispiele verwenden das Programmiermodell OpenMP. Die Konzepte und Ergebnisse lassen sich aber auf alle Task-Modelle übertragen und sind gültig.
Vorkenntnisse
* Kenntnisse der Parallelprogrammierung
* Grundkenntnisse der Task-parallelen Programmierung
Lernziele
* Verständnis der Task-parallelen Programmierung
* Befähigung zur Entscheidung, wann Tasking geeignet ist und wann nicht
* Übersicht über algorithmische Muster und ihre Umsetzung mit Tasking
//
Dr. Christian Terboven
@cterboven
arbeitet am IT Center der RWTH Aachen und leitet dort die Gruppe, die sich mit High Performance Computing befasst. Sein Forschungsinteresse gilt vor allem der Parallelprogrammierung. Seit 2006 ist er Mitglied im OpenMP Language Committee.
//
Dr.-Ing. Michael Klemm
arbeitet bei der Intel Deutschland GmbH. Seine Interessen liegen im Programmiersprachendesign, der effizienten parallelen Programmierung sowie Performance-Optimierung. Michael Klemm ist seit April 2016 CEO des OpenMP Architecture Review Board.