Dataflow Execution for Reliability and Performance on Current Hardware

Execução dataflow, onde instruções podem começar a executar assim que seus  operandos de entrada estiverem prontos, é uma maneira natural para se obter paralelismo. Recentemente, o dataflow tornou a receber atenção como uma ferramenta para programação paralela na era dos multicores e manycores. A mudança de foco em direção ao dataflow traz consigo a necessidade de pesquisa que expanda o conhecimento a respeito de execução dataflow e que adicione novas funcionalidades ao espectro do que pode ser feito com dataflow. Trabalhos anteriores que estudam o desempenho de aplicações paralelas se focam predominantemente em grafos acíclicos dirigidos, um modelo que não é capaz de representar diretamente aplicações dataflow. Além disso, não há nenhum trabalho anterior na área de detecção e recuperação de erro cujo alvo seja execução dataflow. Nesta tese introduzimos as seguintes contribuções: (i) algoritmos de escalonamento estático dinâmico para ambientes dataflow; (ii) ferramentas teóricas que nos permitem modelar o desempenho de aplicações dataflow; (iii) um algoritmo para detecção e recuperação de erros em dataflow e  (iv) um modelo para execução GPU+CPU que incorpora as funcionalidades de GPU ao grafo dataflow. Nós implementamos todo o trabalho introduzido nesta tese em nosso modelo TALM dataflow e executamos experimentos com essas implementações. Os resultados experimentais validam o nosso modelo teórico para o desempenho de aplicações dataflow e mostram que as funcionalidades introduzidas atingem bom desempenho.