本系列文章为 CMU 15-418/15-618: Parallel Computer Architecture and Programming, Fall 2018 课程学习笔记
课程官网：CMU 15-418/15-618: Parallel Computer Architecture and Programming
参考文章：CMU 15-418 notes
相关资源与介绍：CMU 15-418/Stanford CS149: Parallel Computing - CS自学指南
Achieving good work distribution while minimizing overhead, scheduling Cilk programs with work stealing
Work distribution
目标：
- 均衡负载
- 降低通讯
- 降低额外开销
但这些目标之间是at odds with each other，所以需要根据application进行trade off
首先实现一个最简单的解决方案，然后测量他的表现，并且迭代，提升其性能
Balacing the workload
少数的不平衡会影响整体性能，限制speedup最大值
Static assignment
用指定数量的thread(worker)去完成任务，实现简单，减少运行时开销，但需要提前对每个工作的负载有一定了解
不一定要在编译器提前决定，也可以根据运行时的参数进行决定
"Semi-static" assignment
半静态分配，每隔一段时间就重新分配负载
因为这些问题的负载的变化速度都是较慢的，且相对可以预测的
Dynamic assignment
程序在运行时动态的决定任务分配
适用于 任务执行的时间与任务的总数量都是不可预测的
常使用work queue(shared / distributed)存入经过decomposition后的sub-problems(tasks / work)并且将这些任务分配给worker threads
为了平衡通讯开销，需要调整任务的粒度
更大的粒度可能会减少通讯的开销，但是也可能导致负载不均衡的问题
为了解决末尾任务时间开销较大造成的不平衡问题
可以将大任务划分为小任务，但是这会带来更大的同步开销以及执行时间
还可以重新排序schedule任务，将任务从大到小排列
为了减少同步的开销，可以使用分布式的工作队列
每个worker一个工作队列，当本地worker工作结束，可以从其他worker队列中steal任务
分布式work queue的优缺点
适用于分布式系统的计算中，但这时去其他节点偷任务的开销就比较大
本地计算会有很好的局部性，缓存
按序排列，只有前面的任务完成才会执行后面的任务
任务之间可以有一定的依赖，不必是独立的
Summary
Scheduling fork-join parallelism
Fork-join pattern: Cilk
fork-join pattern天然的适合去并行化解决一些用分治思想解决的问题
fork相当于创建一个异步执行的函数
join用于同步这些异步的函数
如果把cilk当成简单的pthread_create, pthread_join调用的话，会造成相对core而言有很多的thread并发执行，而他的context数量(支持的multi-thread数)没有这么多，就会造成context上下文切换频繁，更大的工作集造成了更小的缓存局部性
实际上是使用线程池，线程线程数量与contexts数量相同。每个线程有一个distributed work queue。
Steal
Cilk使用Run child-first（continuation stealing）
优先执行child，将后续部分放在work queue中留给其他worker来steal
优点：
- 执行顺序与串行执行顺序一样
- 不会生成大量的任务在work queue中导致空间浪费
- 提高了局部性
**where to steal **
本地线程将会将任务放入deque底部，这对于本地线程有更好的局部性
其他线程将会从deque顶部偷任务，顶部的任务在分治问题上的规模较大，这样就可以不用总是去偷别人的任务，减少了通讯开销
Sync
- no steal
下面两种方法都需要记录spawn的数量与done数量
- stall join: thread that initiates fork must perfrom the sync
- greedy policy: 初始fork的线程不一定要执行最后的sync，它在执行完自己的任务后就可以去steal其他线程的任务，由最后一个完成这一系统任务的thread进行sync
Summary
- Distribution Scheduling Lecture5 Lecture perf1distribution scheduling lecture5 lecture lecture5 lecture5 lecture distribution optimization performance scheduling perf1 scheduling core-scheduling core-scheduling scheduling background quartz constraints kubernetes scheduling two-processor scheduling processor two