Objectifs de la formation

• Maîtriser les enjeux de la programmation Multicore
• Concevoir et développer des applications à base de threads et de processus
• Maîtriser les modèles de programmation parallèle et les librairies disponibles
• Déboguer et profiler des applications Multicore

---

Programme de la formation

Introduction

• Enjeux de la programmation Multicore.
• Tableau des technologies utilisables : processus, thread et parallélisme.
• Description du fonctionnement d'un processeur.
• Architecture en "Hyperthreading".
• Architectures des processeurs INTEL et AMD.
• Architectures NVidia et API.
• Architecture en mémoire partagée vs mémoire distribuée.

Modélisation des applications

• Importance des aspects modélisation.
• Patterns de mise en parallèle des traitements.
• Utilisation des mécanismes asynchrones.
• Développer une nouvelle application : précautions et modélisation. Eviter les "singletons".
• Modifier une application existante en Multicore.
• Choix d'architecture : un compromis synchronisation et performance. Choix multiprocessus/multithreads.

Threads

• Apport des threads dans une application industrielle.
• Ordonnancement des threads.
• Gestion des stacks et "call stack" dans les threads.
• Débogueurs multithreads.
• Gestion des objets de synchronisation : sections critiques, Mutex et Sémaphores.
• Développer "thread safe".
• API de threads TBB, Clik++, C++11, boost threads, pthreads.

Travaux pratiques

Threads et synchronisation en C/C++.

Processus

• Espaces d'adressage des processus, organisation.
• Critères de choix d'une approche multiprocessus.
• Techniques de communication interprocessus (IPC).
• Outils de debugging multiprocessus.
• Avantage et inconvénients des techniques multiprocessus.

Travaux pratiques

Gestion de traitements asynchrones avec l'API C/C++.

La programmation parallèle

• Apport et objectifs de la programmation parallèle.
• La librairie "OpenMP" C++ (programmation mémoire partagée).
• La librairie "OpenMPI" (programmation mémoire distribuée).
• Utiliser les GPU des cartes graphiques pour le calcul.
• Kits de NVidia (CUDA) et ATI.
• La librairie "OpenAcc" pour la programmation GPU.
• La librairie "OpenCL" pour la programmation parallèle CPU et GPU.

Travaux pratiques

Paralléliser des algorithmes avec "OpenMP" en C++. Utilisation de l'API OpenCL.

Synthèse et conclusion

Avenir du C++ avec le multicore.

Conclusion des techniques étudiées.