رایانش چند‌هسته‌ای

Multicore Computing

مقطع: کارشناسی	گرایش: معماری کامپیوتر
نوع درس: نظری	تعداد واحد: ۳
پیش‌نیاز: برنامه‌سازی پیشرفته، معماری کامپیوتر	هم‌نیاز: –

هدف کلی

هدف اصلی درس آشنایی با ساختار سیستم‌های چندهسته‌ای و پرهسته‌ای و برنامه‌نویسی موازی برای این سیستم‌ها است. به این منظور، ابتدا معماری کلی، مفاهیم اولیه و چالش‌های موجود در سیستم‌های چندهسته‌ای و پرهسته‌ای ارائه می‌گردد. در ادامه، ابزار و روش‌های برنامه‌نویسی موازی روی چند بستر چندهسته‌ای و پر‌هسته‌ای معرفی می‌شود.

سرفصل‌ها

معرفی معماری سیستم‌های چندهسته‌ای و مدل‌های برنامه‌نوسی موازی
- تاریخچه ظهور سیستم‌های چند‌هسته‌ای
- چالش‌های برنامه‌نویسی کارا روی سیستم‌های چند‌هسته‌ای
- معرفی سطوح موازات در برنامه‌ها
- تحلیل تسریع در سیستم‌های چند‌هسته‌ای همگون و ناهمگون
- ارائه‌ی چند نمونه واقعی از سیستم‌های چند‌هسته‌ای
چند‌پردازنده‌ها با حافظه مشترک
- معرفی کلی معماری
- ارائه‌ی مسئله‌ی Cache Coherence و راه‌حل‌ها
- معرفی اجمالی مدل برنامه‌نویسی و نحوه همگام‌سازی نخ‌ها
- نحوه برخورد با ناحیه‌های بحرانی
- ایده‌های کلی در بهبود برنامه‌های موازی
الگو‌های رایج موازی‌سازی محاسبات و مدیریت داده
- الگوهای محاسباتی موازی: Map, Reduction, Scan, Stencil, Recurrence, Fork-Join
- الگوهای موازی مدیریت داده: Gather, Scatter, Pack, Geometric Decomposition & Partitions
برنامه‌نویسی موازی عمومی در سیستم‌های چند‌هسته‌ای
- برنامه‌نویسی با Pthreads
- برنامه‌نویسی با OpenMP
برنامه‌نوسی موازی در سیستم‌های برداری
- معرفی کلی سیستم‌های برداری و آرایه‌ای
- معرفی ISA مخصوص پردازنده Intel برای محاسبات SIMD
- معرفی معماری و نحوه برنامه‌نویسی پردازنده CELL BE
برنامه‌نویسی موازی در پردازنده‌های گرافیکی عام‌منظوره
- معرفی جامع معماری پردازنده‌های گرافیکی
- معرفی معماری چند نمونه واقعی از پردازنده‌های گرافیکی شرکت NVIDIA
- برنامه‌نویسی با زبان CUDA
- معرفی Profiler شرکت NVIDIA
معرفی اجمالی برنامه‌نویسی موازی در سیستم‌های توزیع‌شده
- معرفی کتابخانه Message Passing Interface (MPI) و نحوه‌ی برنامه‌نویسی موازی براساس مدل تبادل پیام

ارزیابی پیشنهادی

تمرین‌های نظری: ۳ نمره
آزمون‌های میان‌ترم و پایانی: ۱۵ نمره
آزمونک‌ها: ۲ نمره

منابع پیشنهادی

D. A. Patterson and J. L. Hennessy. Computer Architecture: A quantitative approach. 6th Edition, Morgan Kaufmann, 2019.
J. Sanders and E. Kandrot. CUDA by examples: An Introduction to General-Purpose GPU Programming. Addison-Wesley, 2011.
D. B. Kirk, W. W. Hwu, and I. E. Hajj. Programming massively parallel processors: A hands-on approach. 4th Edition, Morgan Kaufmann, 2022.
M. McCool, A. D. Robison, and J. Reinders. Structured Parallel Programming: Patterns for Efficient Computation. Elsevier, 2012.