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.
Das war die Leseprobe unseres heise-Plus-Artikels "TornadoVM, Teil 2: Parallelisieren im großen Maßstab". Mit einem heise-Plus-Abo können sie den ganzen Artikel lesen und anhören.Immer mehr Wissen. Das digitale Abo für IT und Technik.
ESP32-Bastelprojekt: "On Air"-Lampe mit WLAN
Fürs Bastelprojekt: 3D-gedruckte Gehäuse für ESP und Raspi
Ausfallsicherheit und mehr Platz: Heimserver mit Unraid aufsetzen
iMac M4 im Test: Was Apples bunter All-in-One-Mac leistet
So stellt sich GitHub die Zukunft des Programmierens vor