Você já precisou um cálculo pequeno e urgente, mas se enrolou porque o gcc ou gfortran custavam a deixar seu programa rodar ? Sim ? Então apresento-lhes os ambientes intrepretados!

Muitas vezes precisamos fazer um teste rápido para algum modelo, ou então um programa de pequeno porte, porém envolvendo cálculos não existentes nas linguagens de programação mais comuns (C/C++, Fortran e outras), exigindo o uso de bibliotecas específicas, ou então a implementação de tais operações.

Entretanto, muitos não conhecem as chamadas linguagens interpretadas, ou seja, os programas realizados em tais linguagens não precisam ser compilados, apenas executados em um ambiente próprio, o qual possui uma grande variedade de operações e bibliotecas já inclusas. Além disso, os programas em são programados de forma mais simples, e alguns ambientes possuem interfaces bastante interativas, facilitando e muito a vida do usuário.

Umas das plataformas interpretadas mais conhecidas, porém não gratuita, é o Maple, um software de cálculo científico que possui um número muito grande de bibliotecas específicas (álgebra linear e tensorial, cálculo diferencia) e, nas últimas versões, interface bastante agradável. A última grande novidade do Maple é uma biblioteca chamada Physics, a qual possui a definição de propriedades existentes na mecânica quântica, como observáveis, funções anticomutativas, notação de Dirac, e algumas outras cositas mais. Atualmente na versão 13, este software é bastante comum no meio acadêmico, devido sua grande utilidade e ao salgado preço de sua licença (da ordem de US$ 2500,00).

Outro ambiente interpretado interessante é o Scilab. Este software é gratuito e conta com a contribuição de diversos usuários que criam bibliotecas para suas aplicações específicas e compartilham com a comunidade científica. Sua interface não é tão amigável como a do Maple, porém sua sintaxe é bastante parecida com a linguagem C, facilitanto a vida de um programador que quer testar rapidamente um produto de matrizes, ou então fazer umas integrais numéricas e ver graficamente o resultado.

Além dessas duas linguagens acima citadas, existem muitas outras, como Matlab, Matematica, Octave, e muitas outras.

Sendo assim, quando quiserem experimentar um ambiente desses pra um teste rápido e sem compromisso, mãos-à-obra!

See ya!

Nos últimos anos houve um grande avanço na tecnologia de fabricação de dispositivos semicondutores, isso possibilitou a redução no tamanho físico e na melhoria da performance dos computadores. Atualmente essa diminuição não está ocorrendo na mesma taxa dos últimos dez anos, e, conseqüentemente, a performance computacional estaria chegando a um ponto de estagnação, pois como é sabido o desempenho dos processadores crescem com o aumento da densidade de transistores, ou seja, ele aumenta com a redução no tamanho dos dispositivos. Uma possibilidade para continuar o aumento na performance dos microcomputadores foi o inicio da implementação de computadores com vários núcleos, os chamados “multicore”. Hoje se encontra à disposição dos consumidores microcomputadores de vários processadores a um preço acessível.

Diante desse panorama é natural que tenhamos interesse em máquinas que tenham o máximo de “core” possível, porém existe um “gargalo” nessa questão, porque a maioria dos aplicativos são feitos para rodarem em apenas um processo, ou seja, os aplicativos usam apenas um processador enquanto os outros processadores ficam ociosos, ou rodam processos de outros aplicativos. Essa questão é muito mais evidente quando o programa que está sendo executado foi implementado pelo próprio usuário. É nesse instante que se vê a necessidade de construir programas que “rodem” em vários processadores, mas isso implica uma série de questões complicadas que serão abordadas a seguir.

Aquele leitor que desenvolve software para rodar em “cluster de pc’s” ou qualquer outro sistema paralelo, conhece bem as dificuldades que existem em programar um aplicativo que use vários processadores ou vários computadores. Um dos principais problemas é quando pretendemos rodar um programa em várias máquinas e estas máquinas por sua vez tem arquiteturas diferentes, e aí o que fazer? Outro problema é quanto ao número de máquinas que se pretende usar para executar um desses programas. Se mudarmos a quantidade de processadores, seria necessário reescrever todo o programa? Para resolver essas questões foi criado uma biblioteca (MPI-Message Passing Interface) que faz todo esse trabalho para o programador, assim ele não precisa ter esse tipo de preocupação. Mas isso não é assim “tão de graça”, pois para usar essa biblioteca é necessário que o programador escreva seu código de acordo com o padrão MPI.

O MPI é um padrão de biblioteca de passagem de mensagem para sistemas paralelos, ou seja, quando temos um aplicativo rodando em vários processos, em algum instante eles precisam se comunicar entre si e quem faz essa interface de comunicação é exatamente essa biblioteca (MPI).  Esse padrão foi desenvolvido procurando fornecer uma base comum de desenvolvimento de programas paralelos em plataformas distintas. Assim, usando essa biblioteca você consegue escrever um programa que rode em várias máquinas e essas não precisam ter necessariamente a mesma arquitetura. De acordo com a intenção do comitê de padronização (MPI -Forum), o padrão especifica apenas uma interface de programação e sua concretização em algumas linguagens de programação, C, C++, Fortran 77 e Fortran 90. Detalhes de implementação são deixados totalmente por conta do implementador, de forma a flexibilizar o sistema e possibilitar implementações eficientes.

Essa biblioteca padrão pode ser encontrada gratuitamente para Windows, Unix e Linux. Para Windows e Unix existe o MPICH que não darei muitos detalhes aqui, porém para o linux existe um projeto chamado OPEN MPI que será o nosso foco aqui. Nos próximos artigos mostrarei em detalhes como instalar e escrever um programa que rode em vários processos. Desde já adianto, para escrever e testar um programa implementado com MPI, não é necessário que você tenha um computador com vários processadores, a diferença é que irá rodar um processo de cada vez.

Mais uma vez estamos aqui para continuar a discussão sobre simulações computacionais. Para isso convidei novamente o estudante de pós-graduação Weslley Souza Patrocinio, aquele que escreveu, aqui no TecnoSapiens, o artigo  A Elite das Simulações Computacionais: Os Supercomputadores, para nos dar mais algumas informações sobre ferramentas que são usadas em computação de alto desempenho. Como já foi dito no outro artigo, ele é formado em Física computacional e mestrando na mesma área no Instituto de Física da USP – São Carlos, para maiores informações acesse seu currículo Lattes. Segue o artigo!

Por Weslley Souza Patrocinio

Olá caros leitores. Estou aqui para continuar a fazer um panorama dos equipamentos usados em simulações computacionais no meio científico/tecnológico. Em nosso último encontro falamos sobre o que há de high-tec no mercado: os supercomputadores. Entretanto, apenas uma fatia muito pequena dos pesquisadores/desenvolvedores tem acesso a essas máquinas turbinadas, afinal não é todo mundo que tem um limite de US$ 100.000.000,00 no cartão de crédito pra comprar um brinquedinho desses. E acredite, a falta de poder computacional é o limitante de bons resultados de pesquisa em muitas simulações.

Cabe à “massa” então usar de alternativas factíveis a nossa (sim, eu também faço parte dela) realidade financeira. Um dos caminhos mais explorados pelos usuários da computação de alto desempenho (HPC – high performance computing) é “copiar” a idéia de um supercomputador, construindo uma máquina composta por vários computadores existentes no mercado (off the shelf). Entretanto, existem duas possibilidades de construir uma máquina dessa forma, e ambas as formas são bastante confundidas entre elas; os clusters e os grids.

Os clusters são um conjunto de computadores (onde cada computador é chamado “nó”) construídos especificamente para os cálculos envolvidos em uma dada simulação/modelagem, ou seja, são máquinas extremamente aplicadas. Embora seja constituído de arquiteturas “comuns”, geralmente é usada tecnologia de ponta. Atualmente quase todo cluster montado é composto por processadores multi-cores, muitos e muitos gigaBytes de memória, rede Gigabit Ethernet e por aí vai. Fora o hardware envolvido, um cluster envolve a utilização de bibliotecas e protocolos de comunicação entre os processadores para utilizar todos os nós da melhor forma possível.

Os grids já incluem uma idéia (bastante interessante, por sinal) um pouco diferente dos clusters. Um grid seria um cluster “heterogêneo”, ou seja, cada nó possui uma arquitetura diferente, e muitas vezes um nó é um computador pessoal instalado no seu escritório, ou seja, os nós não são máquinas dedicadas. Com a evolução da internet, muitos grids têm sido construídos com os computadores de usuários comuns. Um software é instalado em seu computador, e quando ele estiver ocioso, alguns cálculos são realizados nele, sem atrapalhar suas tarefas em sua própria máquina. Um dos grids mais famosos baseado nesta idéia é o FightAIDS@Home, usado para buscar a cura da AIDS, constituído por mais de 170 mil nós.

Dessa forma, os pequenos núcleos de pesquisa e desenvolvimento podem contribuir com os avanços tecnológicos, e quem sabe crescerem até o ponto de realizar cálculos em um supercomputador, ou então desenvolver novas tecnologias de cálculos massivos (como o GP/GPU, FPGA e outros).

Vimos então algumas das alternativas mais usadas para aumentar o poder computacional com baixo custo. Caso algum leitor tenha limitação de recursos computacionais para realização de alguns cálculos desejados, pode usar dos artifícios discutidos acima para minimizar tal fato. Que tal construir um grid com os computadores do seu laboratório/sala? Está aí uma boa chance de entrar de cabeça no mundo da computação de alto desempenho, e de brinde você ganhará tempo no processamento de dados.

Para continuar a discussão sobre um artigo que foi publicado no TecnoSapiens, contemplando simulação computacional, convidei um de nossos leitores que é formado em Física computacional e mestrando na mesma área no Instituto de Física da USP – São Carlos, para nos dar algumas informações importantes sobre a elite da Simulação Computacional. Este é um tema atual e o Brasil possui algumas dessas “feras” operando atualmente, e entre elas, o Netuno da Pebrobrás e UFRJ, que está entre os 500 maiores supercomputadores do mundo. Portanto apresento a você, caro leitor,  Weslley Souza Patrocinio, nosso colaborador. Segue seu artigo!

O histórico dos computadores sempre envolveu situações aplicadas que precisavam ser resolvidas de forma rápida. Considerado o primeiro computador, o ENIAC foi criado para cálculos de balística em plena Segunda Guerra Mundial. Desde então, o computador evoluiu tremendamente, e novas tecnologias foram surgindo conforme a demanda de aplicações a serem resolvidas, e novas descobertas eram usadas no desenvolvimento de computadores mais modernos, o que criava um ciclo auto-suficiente.

O primeiro supercomputador a ficar mundialmente famoso foi o CRAY, por iniciar o que seria chamado de Processamento Vetorial, ou seja, uma mesma operação é aplicada em uma grande quantidade de dados, ao mesmo tempo, desde que não exista dependência entre os dados. A arquitetura destes computadores é extremamente complicada e exótica, comparada às arquiteturas mais comuns. O desempenho dos computadores era extremamente alto, entretanto seu preço chegava a algumas unidades de milhões de dólares. Tais arquiteturas exóticas, não só as desenvolvidas pela Cray Inc., dominaram por cerca de duas décadas o mercado da supercomputação.

Com o avanço da microeletrônica e dos circuitos integrados miniaturizando os componentes de um computador, uma nova vertente de supercomputadores surgiu: os compostos de milhares de processadores simples, as máquinas Massivamente Paralelas. Tais computadores têm um custo menor do que as arquiteturas vetoriais, e envolvem processadores já bem conhecidos pelos programadores, o que facilitava a programação.

Hoje em dia há um revezamento entre as duas vertentes de supercomputadores. Observando a lista dos supercomputadores mais rápidos do mundo (http://www.top500.org) vemos um domínio da IBM, com duas arquiteturas diferentes: O Blue Gene e o Roadrunner.

O Blue Gene nasceu de uma parceria entre a IBM, instituições de pesquisa (academia e indústria) para desenvolver um computador com alto custo/benefício quando aplicado a simulações de biologia, farmácia e outras aplicações que necessitassem de processamento massivo de dados. A estratégia de desenvolvimento foi criar um computador composto por milhares de processadores simples. Em alguns casos, o número de processadores pode chegar a centenas de milhares. Até junho de 2008 o Blue Gene ocupava o topo da lista do top500 (com um desempenho de cerca de 500 TFLPOS ), sendo desbancado pelo Roadrunner. Hoje, 4 entre os 10 computadores mais rápidos são Blue Gene’s.

Já o Roadrunner foi desenvolvido paralelamente pela IBM e Sony. A idéia era desenvolver uma nova arquitetura, que seria aplicada no mercado dos games (Playstation 3) e em outras aplicações com demanda em processamento dinâmico. Da parceria com a Sony nasceu o Cell, o qual consitui o Playstation 3 (daí vem o uso destes videos-game para processamento científico). Depois veio a idéia de construir um supercomputador composto por Cell’s, de onde nasceu o Roadrunner, o computador mais rápido do mundo atualmente, atingindo a casa dos petaFLOPS. Só por curiosidade, Roadrunner é o nome original do tradicional desenho animado Papa-léguas.

De acordo com os projetos em andamento da IBM, a tendência é usar a tecnologia de chips de alta densidade e de múltiplos core’s para construir chips onde cada unidade é constituída de dezenas ou centenas de processadores, praticamente um supercomputador. Com isso, devemos ver máquinas com desempenhos assombrosos, contribuindo com o desenvolvimento de novas tecnologias, as quais provavelmente serão usadas em novos computadores, mantendo assim o ciclo de desenvolvimento.

Weslley Souza Patrocinio

Contato: weslley.1985 em gmail.com

links correlacionados:

Os quatro maiores supercomputadores operando no Brasil