Хованский Дмитрий. Задача 2. Вариант 16. Ленточная вертикальная схема. #395
Conversation
Codecov ReportAttention: Patch coverage is
Additional details and impacted files@@ Coverage Diff @@
## master #395 +/- ##
==========================================
- Coverage 96.31% 95.96% -0.36%
==========================================
Files 437 441 +4
Lines 11236 11346 +110
Branches 4739 4782 +43
==========================================
+ Hits 10822 10888 +66
- Misses 136 170 +34
- Partials 278 288 +10 ☔ View full report in Codecov by Sentry. |
There was a problem hiding this comment.
Наработки неплохие, но вот момент с передачей матрицы и вектора через бродкаст смущает. Возможно на неэффективный алгоритм потянет. А там можно было бы хранить матрицу в столбцовом виде, тоесть не {1, 2, 3, 4, 5, 6, 7, 8, 9} матрицу 3x3 а {1, 4, 7, 2, 5, 8, 3, 6, 9 } и тогда можно было бы рассчитать так же sizes и displs и воспользоваться scatterv, каждый воркер обработал бы свой массив данных. Тоесть для обработки первого столбца тебе было бы достаточно передать от матрицы {1, 4, 7} и от вектора первый элемент. Так ты сэкономил бы сильно по памяти
| boost::mpi::broadcast(world, rows_count, 0); | ||
| boost::mpi::broadcast(world, columns_count, 0); | ||
| boost::mpi::broadcast(world, rows_per_process, 0); | ||
| boost::mpi::broadcast(world, rows_offsets, 0); |
There was a problem hiding this comment.
Вам не следует использовать mpi функции внутри pre_processing
| if (world.rank() != 0) { | ||
| hello_matrix.resize(columns_count * rows_count, 0); | ||
| hello_vector.resize(rows_count, 0); | ||
| goodbye_vector.resize(columns_count, 0); | ||
| } |
There was a problem hiding this comment.
Не считаю это корректным, вы уже ранее заполнили вектора через assign
| boost::mpi::broadcast(world, hello_matrix, 0); | ||
| boost::mpi::broadcast(world, hello_vector, 0); |
There was a problem hiding this comment.
Ваша реализация не соответствует заданию, передавая всю матрицу вы не выполняете ленточное вертикальное разбиение. Если процесс 0 обрабатывает первые 2 столбца, то их он и должен получить
There was a problem hiding this comment.
Thanks for the comment, but I don't fully agree. Despite the full transfer of matrix data, each process processes only the part allocated to it, thus the logic of partitioning and parallelization is observed.
| taskDataSeq->outputs_count.emplace_back(result.size()); | ||
|
|
||
| khovansky_d_ribbon_vertical_scheme_seq::RibbonVerticalSchemeSeq ribbonVerticalSchemeSeq(taskDataSeq); | ||
| ASSERT_EQ(ribbonVerticalSchemeSeq.validation(), false); |
There was a problem hiding this comment.
Последняя функция внутри TEST желательно чтобы была EXPECT, и есть EXPECT_FALSE и аналогично для TRUE если вы их ожидаете.
Далее по документу по аналогии для всех тестов
| if (proc_count > rows_count) { | ||
| for (int i = 0; i < rows_count; ++i) { | ||
| rows_offsets[i] = i * columns_count; | ||
| rows_per_process[i] = columns_count; | ||
| } | ||
| } else { | ||
| int rows_count_per_proc = rows_count / proc_count; | ||
| int remainder = rows_count % proc_count; | ||
| int offset = 0; | ||
| for (int i = 0; i < proc_count; ++i) { | ||
| if (remainder > 0) { | ||
| rows_per_process[i] = (rows_count_per_proc + 1) * columns_count; | ||
| --remainder; | ||
| } else { | ||
| rows_per_process[i] = rows_count_per_proc * columns_count; | ||
| } | ||
| rows_offsets[i] = offset; | ||
| offset += rows_per_process[i]; | ||
| } | ||
| } |
There was a problem hiding this comment.
Move duplicate code into a separate function.
Задача умножения матрицы на вектор заключается в том, чтобы вычислить результирующий вектор, каждый элемент которого представляет собой скалярное произведение строки матрицы на входной вектор. При использовании ленточной вертикальной схемы элементы матрицы распределяются между процессами по колонкам. Алгоритм предполагает распределение данных и вычислений для повышения производительности.
Описание последовательной задачи:
Инициализация данных:
Матрица и вектор загружаются в память из входных данных. Проверяется согласованность размеров.
Вычисление результата:
Выполняется обход строк матрицы. Для каждой строки происходит умножение её элементов на соответствующий элемент входного вектора и суммирование результата.
Сохранение результата:
Результирующий вектор сохраняется и передаётся в выходные данные.
Описание MPI задачи:
Разделение данных:
Процесс с рангом 0 делит матрицу вертикально по колонкам, распределяя блоки между всеми процессами. Вектор, который участвует в умножении, также передаётся всем процессам.
Передача данных:
Матрица и вектор пересылаются всем процессам с использованием механизма broadcast. Каждый процесс получает свои столбцы матрицы для дальнейших вычислений.
Вычисления на процессах:
Каждый процесс умножает полученные столбцы матрицы на входной вектор, формируя локальные частичные результаты.
Сбор результатов:
Локальные результаты суммируются в процессе с рангом 0 с использованием операции reduce. Итоговый вектор формируется как сумма всех частичных результатов.
Сохранение результата:
Процесс с рангом 0 сохраняет окончательный результат во выходные данные.