TornadoVM, Teil 2: Parallelisieren im großen Maßstab
Der TornadoVM-Profiler liefert die nötigen Kennzahlen, um die Performance von parallelem Code zu steigern.
- Jürgen Schuck
Profiler sind wichtige Tools zur Analyse von Laufzeitverhalten: Sie spüren Engpässe auf und helfen, parallel ausgeführten Code zu optimieren. Der zweite Teil des Tutorials zeigt den Umgang mit dem TornadoVM-Profiler und wie man Apps auf mehreren Beschleunigern gleichzeitig ausführt. Ein Raytracer für Bewegtbilder schließt das Tutorial mit einer praktischen Anwendung von TornadoVM ab.
Der erste Teil des Tutorials hat erläutert, wie sich eine Java-App mit wenig Aufwand parallelisieren lässt. Im einfachsten Fall sind dazu nur einige Annotationen und API-Funktionen erforderlich. TornadoVM erzeugt daraus automatisch Kernels für die konfigurierten Beschleuniger und verbessert damit ohne weiteres Zutun bereits deutlich die Performance.
Komplexe Programme mit mehreren Kernels, die möglicherweise aufeinander aufbauend sequenziell auszuführen sind, erreichen allerdings mit den bisher gezeigten einfachen Methoden nicht immer die maximale Performance. Die Ursachen dafür liegen häufig bei den Buffern für Daten und Ergebnisse sowie deren Übertragungszeiten zwischen Host und Beschleuniger.
Immer mehr Wissen. Das digitale Abo für IT und Technik.
Papierloses Büro: Wie man mit paperless-ngx die Dokumentenverwaltung optimiert
Know-how für Heim-Admins: Alles über Ethernet-Switches
Günstigerer Strom für die Wärmepumpe: Was Sie jetzt wissen müssen
Fremdsprachen lernen: Wie man ChatGPT zum Sprechtrainer aufrüstet
Künstliche Intelligenz: Die Mathematik hinter neuronalen Netzen
Trend-Beruf: Mit diesen Fähigkeiten wird man KI-Experte
Immer mehr Wissen. Das digitale Abo für IT und Technik.
Papierloses Büro: Wie man mit paperless-ngx die Dokumentenverwaltung optimiert
Know-how für Heim-Admins: Alles über Ethernet-Switches
Günstigerer Strom für die Wärmepumpe: Was Sie jetzt wissen müssen
Fremdsprachen lernen: Wie man ChatGPT zum Sprechtrainer aufrüstet
Künstliche Intelligenz: Die Mathematik hinter neuronalen Netzen