GPU Communication Performance Engineering for the Lattice Boltzmann Method

Detalhes bibliográficos
Autor(a) principal: Carvalho Junior, Paulo Roberto de
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/45773
Resumo: Orientador : Prof. Dr. Daniel Weingaertner
id UFPR_592ec2ae743d910f5cd1a66681bc0477
oai_identifier_str oai:acervodigital.ufpr.br:1884/45773
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaWeingaertner, Daniel, 1976-Carvalho Junior, Paulo Roberto de2022-12-15T20:14:08Z2022-12-15T20:14:08Z2016https://hdl.handle.net/1884/45773Orientador : Prof. Dr. Daniel WeingaertnerDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 10/08/2016Inclui referências : f. 59-62Área de concentração: Ciência da computaçãoResumo: A crescente importância do uso de GPUs para computação de propósito geral em supercomputadores faz com que o bom suporte a GPUs seja uma característica valiosa de frameworks de software para computação de alto desempenho como o waLBerla. waLBerla é um framework de software altamente paralelo que suporta uma ampla gama de fenômenos físicos. Embora apresente um bom desempenho em CPUs, testes demonstraram que as suas soluções de comunicação para GPU têm um desempenho ruim. Neste trabalho são apresentadas soluções para melhorar o desempenho, a eficiência do uso de memória e a usabilidade do waLBerla em supercomputadores baseados em GPU. A infraestrutura de comunicação proposta para GPUs NVIDIA com suporte a CUDA mostrou-se 25 vezes mais rápida do que o mecanismo de comunicação para GPU disponíveis anteriormente no waLBerla. Nossa solução para melhorar a eficiência do uso de memória da GPU permite usar 55% da memória necessária por uma abordagem simplista, o que possibilita executar simulações com domínios maiores ou usar menos GPUs para um determinado tamanho de domínio. Adicionalmente, levando-se em consideração que o desempenho de kernels CUDA se mostrou altamente sensível ao modo como a memória da GPU é acessada e a detalhes de implementação, foi proposto um mecanismo de indexação flexível de domínio que permite configurar as dimensões dos blocos de threads. Além disso, uma aplicação do Lattice Boltzmann Method (LBM) foi desenvolvida com kernels CUDA altamente otimizados a fim de se realizar todos os experimentos e testar todas as soluções propostas para o waLBerla. Palavras-chave: HPC, GPU, CUDA, Comunicação, Memória, Lattice Boltzmann Method, waLBerla.Abstract: The increasing importance of GPUs for general-purpose computation on supercomputers makes a good GPU support by High-Performance Computing (HPC) software frameworks such as waLBerla a valuable feature. waLBerla is a massively parallel software framework that supports a wide range of physical phenomena. Although it presents good performance on CPUs, tests have shown that its available GPU communication solutions perform poorly. In this work, we present solutions for improving waLBerla’s performance, memory usage efficiency and usability on GPU-based supercomputers. The proposed communication infrastructure for CUDA-enabled NVIDIA GPUs executed 25 times faster than the GPU communication mechanism previously available on waLBerla. Our solution for improving GPU memory usage efficiency allowed for using 55% of the memory required by a naive approach, which makes possible for running simulations with larger domains or using fewer GPUs for a given domain size. In addition, as CUDA kernel performance showed to be very sensitive to the way data is accessed in GPU memory and kernel implementation details, we proposed a flexible domain indexing mechanism that allows for configuring thread block sizes. Finally, a Lattice Boltzmann Method (LBM) application was developed with highly optimized CUDA kernels in order to carry out all experiments and test all proposed solutions for waLBerla. Keywords: HPC, GPU, CUDA, Communication, Memory, Lattice Boltzmann Method, waLBerla.62 f. : il., algumas color., grafs.application/pdfDisponível em formato digitalCiência da computaçãoComputação graficaUnidades de processamento gráficoTesesGPU Communication Performance Engineering for the Lattice Boltzmann Methodinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - PAULO ROBERTO DE CARVALHO JUNIOR.pdfapplication/pdf2105515https://acervodigital.ufpr.br/bitstream/1884/45773/1/R%20-%20D%20-%20PAULO%20ROBERTO%20DE%20CARVALHO%20JUNIOR.pdf8dfc9d069a1e45870b437fb8a697ad80MD51open access1884/457732022-12-15 17:14:08.188open accessoai:acervodigital.ufpr.br:1884/45773Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082022-12-15T20:14:08Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv GPU Communication Performance Engineering for the Lattice Boltzmann Method
title GPU Communication Performance Engineering for the Lattice Boltzmann Method
spellingShingle GPU Communication Performance Engineering for the Lattice Boltzmann Method
Carvalho Junior, Paulo Roberto de
Ciência da computação
Computação grafica
Unidades de processamento gráfico
Teses
title_short GPU Communication Performance Engineering for the Lattice Boltzmann Method
title_full GPU Communication Performance Engineering for the Lattice Boltzmann Method
title_fullStr GPU Communication Performance Engineering for the Lattice Boltzmann Method
title_full_unstemmed GPU Communication Performance Engineering for the Lattice Boltzmann Method
title_sort GPU Communication Performance Engineering for the Lattice Boltzmann Method
author Carvalho Junior, Paulo Roberto de
author_facet Carvalho Junior, Paulo Roberto de
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.advisor1.fl_str_mv Weingaertner, Daniel, 1976-
dc.contributor.author.fl_str_mv Carvalho Junior, Paulo Roberto de
contributor_str_mv Weingaertner, Daniel, 1976-
dc.subject.por.fl_str_mv Ciência da computação
Computação grafica
Unidades de processamento gráfico
Teses
topic Ciência da computação
Computação grafica
Unidades de processamento gráfico
Teses
description Orientador : Prof. Dr. Daniel Weingaertner
publishDate 2016
dc.date.issued.fl_str_mv 2016
dc.date.accessioned.fl_str_mv 2022-12-15T20:14:08Z
dc.date.available.fl_str_mv 2022-12-15T20:14:08Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/45773
url https://hdl.handle.net/1884/45773
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 62 f. : il., algumas color., grafs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/45773/1/R%20-%20D%20-%20PAULO%20ROBERTO%20DE%20CARVALHO%20JUNIOR.pdf
bitstream.checksum.fl_str_mv 8dfc9d069a1e45870b437fb8a697ad80
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860909251952640

Registros relacionados