Modélisation de l'Hétérogènéité pour le Calcul Parallèle à Gros Grain - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Rapport Année : 2003

Modélisation de l'Hétérogènéité pour le Calcul Parallèle à Gros Grain

Résumé

Pour faciliter la conception et le développement des applications parallèles, plusieurs modèles ont été élaborés. Conçus récemment les modèles à gros grain ont pour objectif de fournir un réalisme aussi bien du point de vue algorithmique que du point de vue architectural. En effet, ces modèles supposent que les entrées du problème à résoudre sont de grandes tailles et une architecture parallèle à mémoire distribuée. Pour l'instant, les modèles à gros grain ne sont pas en mesure de décrire ni les machines parallèles hétérogènes ni le réseau qui assure l'interconnexion des processeurs. Par ailleurs, il existe aujourd'hui des supports de calcul qui propose un environnement de programmation flexible pour faciliter l'écriture des algorithmes parallèles. Ces supports offrent généralement un modèle de programmation qui facilite la conception et des primitives simples et flexibles qui facilitent l'implantation. Ces supports peuvent être utilisés sur des machines, réseaux et grilles hétérogènes. Des modélisations fines pour la communication et la synchronisation hétérogène ont été élaborées pour certains de ses supports exécutifs. Notre travail vise à joindre les deux approches pour proposer ainsi un modèle de distribution, de communication et de synchronisation pour les algorithmes à gros grain exploitant les architectures hétérogènes. || -
Fichier principal
Vignette du fichier
A03-R-188.pdf (393.25 Ko) Télécharger le fichier

Dates et versions

inria-00107674 , version 1 (19-10-2006)

Identifiants

  • HAL Id : inria-00107674 , version 1

Citer

Ouissem Ben Fredj. Modélisation de l'Hétérogènéité pour le Calcul Parallèle à Gros Grain. [Stage] A03-R-188 || ben_fredj03a, 2003, 35 p. ⟨inria-00107674⟩
99 Consultations
29 Téléchargements

Partager

Gmail Facebook X LinkedIn More