Les cinq grandes idees

 

Les calculs parallèles : les calculs parallèles peuvent se subdiviser en un grand nombre de sous-ensembles de calculs plus petits. Chacun des sous-ensembles peut ainsi être traité par un processeur différent, ce qui permet d’exécuter de nombreux sous-ensembles de calculs « en parallèle » et d’accélérer ainsi la vitesse du traitement.  

 

Les calculs à parallélisme embarrassant : un calcul est dit « à parallélisme embarrassant » lorsque chacun des sous-ensembles de calculs est indépendant des autres sous-ensembles. Comme exemple de parallélisme embarrassant, on peut citer l’analyse d’une grande banque de données d’images médicales, où chaque image est indépendante des autres.

 

Les calculs à gros grain : les calculs à gros grain sont souvent à parallélisme embarrassant. Les simulations dites de Monte Carlo, consistant à faire varier les paramètres d’un modèle pour en étudier le résultat, sont un exemple particulier de calculs à gros grain.

 

Les calculs à grain fin : pour les calculs à grain fin, chaque sous-ensemble de calculs dépend du résultat d’un autre sous-ensemble. Par exemple, en climatologie, chaque calcul relatif à de petites cellules de l’atmosphère est fortement influencé par ce qui se passe dans les cellules voisines. Les calculs parallèles à grain fin requièrent une programmation très fine afin de pouvoir exploiter au mieux leur parallélisme et de faire ainsi en sorte que les processeurs disposent de l’information correcte au bon moment.

 

 

Pour les calculs à grain fin, il est plus approprié de recourir à un traitement à hautes performances, nécessitant généralement un supercalculateur monolithique, ou, au moins, des grappes d’ordinateurs à couplage serré comprenant un grand nombre de processeurs identiques interconnectés par un réseau extrêmement rapide et fiable.

Les calculs à parallélisme embarrassant, quant à eux, conviennent parfaitement à un traitement de grande capacité, dans le cas de réseaux d’ordinateurs à configuration dispersée, dans la mesure où les délais d’obtention des résultats d’un processeur donné n’ont pas d’incidence sur le travail des autres.

 

 

Dans le domaine scientifique, beaucoup de problèmes intéressants nécessitent une combinaison de techniques à gros grain et à grain fin. C’est là que la grille peut être particulièrement puissante.

 

Par exemple, les climatologues veulent savoir comment différents paramètres influent sur les modèles complexes qu’ils ont élaborés. Pour cela, ils lancent un grand nombre de calculs identiques, dont chacun est un calcul parallèle à grain fin devant s’exécuter sur une même grappe ou sur un même supercalculateur. Avec une grille de calcul, ces nombreux calculs indépendants pourraient être répartis sur un grand nombre de grappes différentes, ce qui permettrait d’ajouter du parallélisme à gros grain et ainsi de gagner beaucoup de temps.