]> AND Private Git Repository - kahina_paper2.git/blob - paper.tex
Logo AND Algorithmique Numérique Distribuée

Private GIT Repository
4f6ae4b7d84c177500fe5100634c18a2352dd031
[kahina_paper2.git] / paper.tex
1 \documentclass[conference]{IEEEtran}
2 \usepackage[ruled,vlined]{algorithm2e}
3 \hyphenation{op-tical net-works semi-conduc-tor}
4 \bibliographystyle{IEEEtran}
5
6 \usepackage{amsfonts}
7 \usepackage[utf8]{inputenc}
8 \usepackage[T1]{fontenc}
9 \usepackage[textsize=footnotesize]{todonotes}
10 \usepackage{amsmath}
11 \usepackage{amssymb}
12
13 \newcommand{\LZK}[2][inline]{%
14   \todo[color=red!10,#1]{\sffamily\textbf{LZK:} #2}\xspace}
15 \newcommand{\RC}[2][inline]{%
16   \todo[color=blue!10,#1]{\sffamily\textbf{RC:} #2}\xspace}
17 \newcommand{\KG}[2][inline]{%
18   \todo[color=green!10,#1]{\sffamily\textbf{KG:} #2}\xspace}
19 \newcommand{\AS}[2][inline]{%
20   \todo[color=orange!10,#1]{\sffamily\textbf{AS:} #2}\xspace}
21
22
23 \begin{document}
24
25 \title{Two parallel implementations of Ehrlich-Aberth algorithm for root-finding of polynomials on multiple GPUs with OpenMP and MPI}
26
27 \author{\IEEEauthorblockN{Kahina Ghidouche, Abderrahmane Sider }
28   \IEEEauthorblockA{Laboratoire LIMED\\
29     Faculté des sciences exactes\\
30     Université de Bejaia, 06000, Algeria\\
31 Email: \{kahina.ghidouche,ar.sider\}@univ-bejaia.dz}
32 \and
33 \IEEEauthorblockN{Lilia Ziane Khodja, Raphaël Couturier}
34 \IEEEauthorblockA{FEMTO-ST Institute\\
35   University of   Bourgogne Franche-Comte, France\\
36 Email: zianekhodja.lilia@gmail.com\\ raphael.couturier@univ-fcomte.fr}}
37
38
39 \maketitle
40
41 \begin{abstract}
42 Finding roots of polynomials is a very important part of solving
43 real-life problems but it is not so easy for polynomials of high
44 degrees. In this paper, we present two different parallel algorithms
45 of the Ehrlich-Aberth method to find roots of sparse and fully defined
46 polynomials of high degrees. Both algorithms are based on CUDA
47 technology to be implemented on multi-GPU computing platforms but each
48 using different parallel paradigms: OpenMP or MPI. The experiments
49 show a quasi-linear speedup by using up-to 4 GPU devices compared to 1
50 GPU to find roots of polynomials of degree up-to 1.4
51 million. Moreover, other experiments show it is possible to find roots
52 of polynomials of degree up-to 5 millions.
53 \end{abstract}
54
55 \begin{IEEEkeywords}
56   root finding method, Ehrlich-Aberth method, GPU, MPI, OpenMP
57 \end{IEEEkeywords}
58
59 \IEEEpeerreviewmaketitle
60
61
62 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
63 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
64 \section{Introduction}
65
66
67 Finding roots of polynomials of very high degrees arises in many complex problems of various domains such as algebra, biology or physics. A polynomial $p(x)$ in $\mathbb{C}$ in one variable $x$ is an algebraic expression in $x$ of the form:
68 \begin{equation}
69 p(x) = \displaystyle\sum^n_{i=0}{\alpha_ix^i},\alpha_n\neq 0, 
70 \end{equation}
71 where $\{\alpha_i\}_{0\leq i\leq n}$ are complex coefficients and $n$ is a high integer number. If $\alpha_n\neq0$ then $n$ is called the degree of the polynomial. The root-finding problem consists in finding the $n$ different values of the unknown variable $x$ for which $p(x)=0$. Such values are called roots of $p(x)$. Let $\{z_i\}_{1\leq i\leq n}$ be the roots of polynomial $p(x)$, then $p(x)$ can be written as :
72 \begin{equation}
73  p(x)=\alpha_n\displaystyle\prod_{i=1}^n(x-z_i), \alpha_n\neq 0.
74 \end{equation}
75
76 Most of the numerical methods that deal with the polynomial root-finding problem are simultaneous methods, \textit{i.e.} the iterative methods to find simultaneous approximations of the $n$ polynomial roots. These methods start from the initial approximations of all $n$ polynomial roots and give a sequence of approximations that converge to the roots of the polynomial. Two examples of well-known simultaneous methods for root-finding problem of polynomials are  Durand-Kerner method~\cite{Durand60,Kerner66} and Ehrlich-Aberth method~\cite{Ehrlich67,Aberth73}.
77
78
79 The convergence time of simultaneous methods drastically increases with the increasing of the polynomial's degree. The great challenge with simultaneous methods is to parallelize them and to improve their convergence. Many authors have proposed parallel simultaneous methods~\cite{Freeman89,Loizou83,Freemanall90,cs01:nj,Couturier02}, using several paradigms of parallelization (synchronous or asynchronous computations, mechanism of shared or distributed memory, etc). However, they have treated only polynomials not exceeding degrees of 20,000.
80
81 %The main problem of the simultaneous methods is that the necessary
82 %time needed for the convergence increases with the increasing of the
83 %polynomial's degree. Many authors have treated the problem of
84 %implementing  simultaneous methods in
85 %parallel. Freeman~\cite{Freeman89} implemented and compared
86 %Durand-Kerner method, Ehrlich-Aberth method and another method of the
87 %fourth order of convergence proposed by Farmer and
88 %Loizou~\cite{Loizou83} on a 8-processor linear chain, for polynomials
89 %of degree up-to 8. The method of Farmer and Loizou~\cite{Loizou83}
90 %often diverges, but the first two methods (Durand-Kerner and
91 %Ehrlich-Aberth methods) have a speed-up equals to 5.5. Later, Freeman
92 %and Bane~\cite{Freemanall90} considered asynchronous algorithms in
93 %which each processor continues to update its approximations even
94 %though the latest values of other approximations $z^{k}_{i}$ have not
95 %been received from the other processors, in contrast with synchronous
96 %algorithms where it would wait those values before making a new
97 %iteration. Couturier and al.~\cite{cs01:nj} proposed two methods
98 %of parallelization for a shared memory architecture with OpenMP and
99 %for a distributed memory one with MPI. They are able to compute the
100 %roots of sparse polynomials of degree 10,000. The authors showed an interesting
101 %speedup that is 20 times as fast as the sequential implementation. 
102
103 Very few work had been performed since then until the appearing of the Compute Unified Device Architecture (CUDA)~\cite{CUDA15}, a parallel computing platform and a programming model invented by NVIDIA. The computing power of GPUs (Graphics Processing Units) has exceeded that of traditional processors CPUs. However, CUDA adopts a totally new computing architecture to use the hardware resources provided by the GPU in order to offer a stronger computing ability to the massive data computing. Ghidouche et al.~\cite{Kahinall14} proposed an implementation of the Durand-Kerner method on a single GPU. Their main results showed that a parallel CUDA implementation is about 10 times faster than the sequential implementation on a single CPU for sparse polynomials of degree 48,000. 
104
105 In this paper we propose the parallelization of Ehrlich-Aberth method which has a good convergence and it is suitable to be implemented in parallel computers. We use two parallel programming paradigms OpenMP and MPI on CUDA multi-GPU platforms. Our CUDA-MPI and CUDA-OpenMP codes are the first implementations of Ehrlich-Aberth method with multiple GPUs for finding roots of polynomials. Our major contributions include:
106  \begin{itemize}
107
108 \item The parallel implementation of Ehrlich-Aberth algorithm on a multi-GPU platform with a shared memory using OpenMP API. It is based on threads created from the same system process, such that each thread is attached to one GPU. In this case the communications between GPUs are done by OpenMP threads through shared memory.
109 \item The parallel implementation of Ehrlich-Aberth algorithm on a
110   multi-GPU platform with a distributed memory using MPI API, such
111   that each GPU is attached and managed by a MPI process. The GPUs
112   exchange their data by message-passing communications.
113 \item
114   Our method is efficient to compute the roots of sparse and full
115   polynomials of degree up to 5 millions.
116  \end{itemize}
117 This latter approach is more used on clusters to solve very complex problems that are too large for traditional supercomputers, which are very expensive to build and run.
118
119 The paper is organized as follows. In Section~\ref{sec2} we present three different parallel programming models OpenMP, MPI and CUDA. In Section~\ref{sec3} we present the implementation of the Ehrlich-Aberth algorithm on a single GPU. In Section~\ref{sec4} we present the parallel implementations of the Ehrlich-Aberth algorithm on multiple GPUs using the OpenMP and MPI approaches. In section~\ref{sec5} we present our experiments and discuss them. Finally, Section~\ref{sec6} concludes this paper and gives some hints for future research directions in this topic. 
120
121
122 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
123 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
124  
125 \section{Parallel programming models}
126 \label{sec2}
127 Our objective consists in implementing a root-finding algorithm of polynomials on multiple GPUs. To this end, it is primordial to know how to manage CUDA contexts of different GPUs. A direct method for controlling the various GPUs is to use as many threads or processes as GPU devices. We investigate two parallel paradigms: OpenMP and MPI. In this case, the GPU indices are defined according to the identifiers of the OpenMP threads or the ranks of the MPI processes. In this section we present the parallel programming models: OpenMP, MPI and CUDA.
128  
129 \subsection{OpenMP}
130 OpenMP (Open Multi-processing) is an application programming interface for parallel programming~\cite{openmp13}. It is a portable approach based on the multithreading designed for shared memory computers, where a master thread forks a number of slave threads which execute blocks of code in parallel. An OpenMP program alternates sequential regions and parallel regions of code, where the sequential regions are executed by the master thread and the parallel ones may be executed by multiple threads. During the execution of an OpenMP program the threads communicate their data (read and modified) in the shared memory. One advantage of OpenMP is the global view of the memory address space of an application. This allows relatively a fast development of parallel applications with easier maintenance. However, it is often difficult to get high rates of performances in large scale-applications. 
131
132 \subsection{MPI} 
133 MPI (Message Passing Interface) is a portable message passing style of the parallel programming designed especially for the distributed memory architectures~\cite{Peter96}. In most MPI implementations, a computation contains a fixed set of processes created at the initialization of the program in such way one process is created per processor. The processes synchronize their computations and communicate by sending/receiving messages to/from other processes. In this case, the data are explicitly exchanged by message passing while the data exchanges are implicit in a multithread programming model like OpenMP and Pthreads. However in the MPI programming model, the processes may either execute different programs referred to as multiple program multiple data (MPMD) or every process executes the same program (SPMD). The MPI approach is one of most used HPC programming model to solve large scale and complex applications.
134  
135 \subsection{CUDA}
136 CUDA (Compute Unified Device Architecture) is a parallel computing architecture developed by NVIDIA~\cite{CUDA15} for GPUs. It provides a high level GPGPU-based programming model to program GPUs for general purpose computations. The GPU is viewed as an accelerator such that data-parallel operations of a CUDA program running on a CPU are off-loaded onto GPU and executed by this later. The data-parallel operations executed by GPUs are called kernels. The same kernel is executed in parallel by a large number of threads organized in grids of thread blocks, such that each GPU multiprocessor executes one or more thread blocks in SIMD fashion (Single Instruction, Multiple Data) and in turn each core of the multiprocessor executes one or more threads within a block. Threads within a block can cooperate by sharing data through a fast shared memory and coordinate their execution through synchronization points. In contrast, within a grid of thread blocks, there is no synchronization at all between blocks. The GPU only works on data filled in the global memory and the final results of the kernel executions must be transferred out of the GPU. In the GPU, the global memory has lower bandwidth than the shared memory associated to each multiprocessor. Thus in the CUDA programming, it is necessary to design carefully the arrangement of the thread blocks in order to ensure low latency and a proper usage of the shared memory, and the global memory accesses should be minimized.
137
138
139 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
140 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
141
142 \section{The Ehrlich-Aberth algorithm on a GPU}
143 \label{sec3}
144
145 \subsection{The Ehrlich-Aberth method}
146
147 The Ehrlich-Aberth method is a simultaneous method~\cite{Aberth73} using the following iteration
148 \begin{equation}
149 \label{Eq:EA1}
150 z^{k+1}_{i}=z_{i}^{k}-\frac{\frac{p(z_{i}^{k})}{p'(z_{i}^{k})}}
151 {1-\frac{p(z_{i}^{k})}{p'(z_{i}^{k})}\sum_{j=1,j\neq i}^{j=n}{\frac{1}{(z_{i}^{k}-z_{j}^{k})}}}, i=1,\ldots,n
152 \end{equation}
153
154 This method contains 4 steps. The first step consists in the
155 initializing the polynomial. The second step initializes the solution
156 vector $Z$ using the Guggenheimer method~\cite{Gugg86} to ensure that
157 initial roots are all distinct from each other. In step 3, the
158 iterative function based on the Newton's method~\cite{newt70} and
159 Weiestrass operator~\cite{Weierstrass03} is applied. In our case, the
160 Ehrlich-Aberth is applied as in~(\ref{Eq:EA1}). Iterations of the
161 Ehrlich-Aberth method will converge to the roots of the considered
162 polynomial. In order to stop the iterative function, a stop condition
163 is applied, this is the 4th step. This condition checks that all the
164 root modules are lower than a fixed value $\epsilon$.
165
166 \begin{equation}
167 \label{eq:Aberth-Conv-Cond}
168 \forall i\in[1,n],~\vert\frac{z_i^k-z_i^{k-1}}{z_i^k}\vert<\epsilon
169 \end{equation}
170
171 \subsection{Improving Ehrlich-Aberth method}
172 With high degree polynomials, the Ehrlich-Aberth method suffers from floating point overflows due to the mantissa of floating points representations. This induces errors in the computation of $p(z)$ when $z$ is large.
173  
174 In order to solve this problem, we propose to modify the iterative
175 function by using the logarithm and the exponential of a complex and
176 we propose a new version of the Ehrlich-Aberth method.  This method
177 allows us to exceed the computation of the polynomials of degree
178 100,000 and to reach a degree up to more than 1,000,000. The reformulation of the iteration~(\ref{Eq:EA1}) of the Ehrlich-Aberth method with exponential and logarithm operators is defined as follows, for $i=1,\dots,n$:
179
180 \begin{equation}
181 \label{Log_H2}
182 z^{k+1}_i = z_i^k - \exp(\ln(p(z_i^k)) - \ln(p'(z^k_i)) - \ln(1-Q(z^k_i))),
183 \end{equation}
184
185 where:
186
187 \begin{equation}
188 \label{Log_H1}
189 Q(z^k_i) = \exp(\ln(p(z^k_i)) - \ln(p'(z^k_i)) + \ln(\sum_{i\neq j}^n\frac{1}{z^k_i-z^k_j})).
190 \end{equation}
191
192 Using the logarithm  and the exponential operators, we can replace any
193 multiplications and divisions with additions and
194 subtractions. Consequently, computations manipulate lower values in
195 absolute values~\cite{Karimall98}. In practice, the  exponential and
196 logarithm mode is used a root excepts the circle unit, \LZK{Je n'ai pas compris cette phrase!} represented by the radius $R$ evaluated in C language as :
197 \begin{equation}
198 \label{R.EL}
199 R = exp(log(DBL\_MAX)/(2*n) );
200 \end{equation}
201 where \verb=DBL_MAX= stands for the maximum representable \verb=double= value.
202
203
204 \subsection{The Ehrlich-Aberth parallel implementation on CUDA}
205 The code is organized as kernels which are parts of code that are run
206 on GPU devices. Algorithm~\ref{alg1-cuda} describes the CUDA
207 implementation of the Ehrlich-Aberth on a GPU.  This algorithms starts
208 by initializing the polynomial and its derivative (line 1). The
209 initialization of the roots is performed (line 2). Data are transferred
210 from the CPU to the GPU (after allocation of the required memory on
211 the GPU) (line 3). Then at each iteration, if the error is greater
212 than a threshold, the following operations are performed. The previous
213 roots are saved using a kernel (line 5). Then the new roots with the
214 new iterations are computed using the EA method with a Gauss-Seidel
215 iteration mode in order to use the lastest updated roots (line
216 6). This improves the convergence. This kernel is, in practice, very
217 long since it performs all the operations with complex numbers with
218 the normal mode of the EA method but also with the
219 logarithm-exponential one. Then the error is computed with a final
220 kernel (line 7). Finally when the EA method has converged, the roots
221 are transferred from the GPU to the CPU.%\LZK{Quand est ce qu'on utilise un normal mode ou logarithm-exponential mode?}
222
223 \begin{algorithm}[htpb]
224 \label{alg1-cuda}
225 \LinesNumbered
226 \SetAlgoNoLine
227 \caption{Finding roots of polynomials with the Ehrlich-Aberth method on a GPU}
228 \KwIn{ $\epsilon$ (tolerance threshold)}
229 \KwOut{$Z$ (solution vector of roots)}
230 Initialize the polynomial $P$ and its derivative $P'$\;
231 Set the initial values of vector $Z$\;
232 Copy $P$, $P'$ and $Z$ from CPU to GPU\;
233 \While{$error > \epsilon$}{
234   $Z^{prev}$ = KernelSave($Z$)\;
235   $Z$ = KernelUpdate($P,P',Z$)\;
236   $error$ = KernelComputeError($Z,Z^{prev}$)\;
237 }
238 Copy $Z$ from GPU to CPU\;
239 \end{algorithm}
240
241
242 The development of this code is a rather long task, as the development
243 of corresponding kernels with CUDA is longer than on a CPU host. This
244 comes in particular from the fact that it is very difficult to debug
245 CUDA running threads like threads on a CPU host.  In the following
246 section the GPU parallel implementation of Ehrlich-Aberth method with
247 OpenMP and MPI is presented.
248
249
250
251
252  
253 \section{The Ehrlich-Aberth algorithm on multiple GPUs}
254 \label{sec4}
255 \subsection{An OpenMP-CUDA approach}
256 Our OpenMP-CUDA implementation of EA algorithm is based on the hybrid
257 OpenMP and CUDA programming model. This algorithm is presented in
258 Algorithm~\ref{alg2-cuda-openmp}.  All the data are shared with OpenMP
259 among all the OpenMP threads. The shared data are the solution vector
260 $Z$, the polynomial to solve $P$, its derivative $P'$, and the error
261 vector $error$. The number of OpenMP threads is equal to the number of
262 GPUs, each OpenMP thread binds to one GPU, and it controls a part of
263 the shared memory. More precisely each OpenMP thread will be
264 responsible to update its owns part of the vector $Z$. This part is
265 called $Z_{loc}$ in the following. Then all GPUs will have a grid of
266 computation organized according to the device performance and the size
267 of data on which it runs the computation kernels.
268
269 To compute one iteration of the EA method each GPU performs the
270 followings steps. First roots are shared with OpenMP and the
271 computation of the local size for each GPU is performed (line 4). Each
272 thread starts by copying all the previous roots inside its GPU (line
273 5). At each iteration, the following operations are performed. First
274 the vector $Z$ is transferred from the CPU to the GPU (line 7).  Each
275 GPU copies the previous roots (line 8) and it computes an iteration of
276 the EA method on its own roots (line 9).  For that all the other roots
277 are used. The local error is computed on the new roots (line 10) and
278 the max of the local errors is computed on all OpenMP threads (lien 11). At
279 the end of an iteration, the updated roots are copied from the GPU to
280 the CPU (line 12) by directly updating its own roots in the shared
281 memory arrays containing all the roots.
282
283
284
285 \begin{algorithm}[htpb]
286 \label{alg2-cuda-openmp}
287 \LinesNumbered
288 \SetAlgoNoLine
289 \caption{Finding roots of polynomials with the Ehrlich-Aberth method on multiple GPUs using OpenMP}
290 \KwIn{ $\epsilon$ (tolerance threshold)}
291 \KwOut{$Z$ (solution vector of roots)}
292 Initialize the polynomial $P$ and its derivative $P'$\;
293 Set the initial values of vector $Z$\;
294 Start of a parallel part with OpenMP ($Z$, $error$, $P$, $P'$ are shared variables)\;
295 Determine the local part of the OpenMP thread\;
296 Copy $P$, $P'$ from CPU to GPU\;
297 \While{$error > \epsilon$}{
298   Copy $Z$ from CPU to GPU\;
299   $Z^{prev}_{loc}$ = KernelSave($Z_{loc}$)\;
300   $Z_{loc}$ = KernelUpdate($P,P',Z$)\;
301   $error_{loc}$ = KernelComputeError($Z_{loc},Z^{prev}_{loc}$)\;
302   $error = max(error_{loc})$\;
303   Copy $Z_{loc}$ from GPU to $Z$ in CPU\;
304 }
305 \end{algorithm}
306
307
308
309
310
311 \subsection{A MPI-CUDA approach}
312
313 Our parallel implementation of EA to find roots of polynomials using a
314 CUDA-MPI approach follows a similar approach to the one used in
315 CUDA-OpenMP. Each process is responsible to compute its own part of
316 roots using all the roots computed by other processors at the previous
317 iteration. The difference between both approaches lies in the way
318 processes communicate and exchange data. With MPI, processors need to
319 send and receive data explicitly. So in
320 Algorithm~\ref{alg2-cuda-mpi}, after the initialization all the
321 processors have the same $Z$ vector. Then they need to compute the
322 parameters used by the $MPI\_AlltoAll$ routines (line 4). In practice,
323 each processor needs to compute its offset and its local
324 size. Processors need to allocate memory on their GPU and need to copy
325 their data on the GPU (line 5). At the beginning of each iteration, a
326 processor starts by transferring the whole vector $Z$ from the CPU to the
327 GPU (line 7). Only the local part of $Z^{prev}$ is saved (line
328 8). After that, a processor is able to compute an updated version of
329 its own roots (line 9) with the EA method. The local error is computed
330 (line 10) and the global error using $MPI\_Reduce$ (line 11). Then
331 the local roots are transferred from the GPU memory to the CPU memory
332 (line 12) before being exchanged between all processors (line 13) in
333 order to give to all processors the last version of the roots (with
334 the MPI\_AlltoAll routine). If the convergence is not satisfied, an
335 new iteration is executed.
336
337 \begin{algorithm}[htpb]
338 \label{alg2-cuda-mpi}
339 \LinesNumbered
340 \SetAlgoNoLine
341 \caption{Finding roots of polynomials with the Ehrlich-Aberth method on multiple GPUs using MPI}
342
343 \KwIn{  $\epsilon$ (tolerance threshold)}
344
345 \KwOut {$Z$ (solution vector of roots)}
346
347 \BlankLine
348 Initialize the polynomial $P$ and its derivative $P'$\;
349 Set the initial values of vector $Z$\;
350 Determine the local part of the MPI process\;
351 Computation of the parameters for the $MPI\_AlltoAll$\;
352 Copy $P$, $P'$ from CPU to GPU\;
353 \While {$error > \epsilon$}{
354   Copy $Z$ from CPU to GPU\;
355   $Z^{prev}_{loc}$ = KernelSave($Z_{loc}$)\;
356   $Z_{loc}$ = KernelUpdate($P,P',Z$)\;
357   $error_{loc}$ = KernelComputeError($Z_{loc},Z^{prev}_{loc}$)\;
358   $error=MPI\_Reduce(error_{loc})$\;
359   Copy $Z_{loc}$ from GPU to CPU\;
360   $Z=MPI\_AlltoAll(Z_{loc})$\;
361 }
362 \end{algorithm}
363
364
365 \section{Experiments}
366 \label{sec5}
367 We study two categories of polynomials: sparse polynomials and full polynomials.\\
368 {\it A sparse polynomial} is a polynomial for which only some coefficients are not null. In this paper, we consider sparse polynomials for which the roots are distributed on 2 distinct circles:
369 \begin{equation}
370         \forall \alpha_{1} \alpha_{2} \in \mathbb{C},\forall n_{1},n_{2} \in \mathbb{N}^{*}; p(z)= (z^{n_{1}}-\alpha_{1})(z^{n_{2}}-\alpha_{2})
371 \end{equation}\noindent
372 {\it A full polynomial} is, in contrast, a polynomial for which all the coefficients are not null. A full polynomial is defined by:
373
374 \begin{equation}
375      {\Large \forall \alpha_{i} \in \mathbb{C}, i\in \mathbb{N};  p(x)=\sum^{n}_{i=0} \alpha_{i}.x^{i}} 
376 \end{equation}
377
378 For our tests, 4 cards GPU Tesla Kepler K40 are used.  In order to evaluate both the GPU and Multi-GPU approaches, we performed a set of experiments on a single GPU and multiple GPUs using OpenMP or MPI with the EA algorithm, for both sparse and full polynomials of different sizes.  All experimental results obtained are performed with double precision float data and the convergence threshold of the EA method is set to $10^{-7}$.  The initialization values of the vector solution of the methods are given by Guggenheimer method~\cite{Gugg86}.
379
380 \subsection{Evaluation of the multi-GPUs approaches}
381 Here we evaluate the performances of the CUDA-OpenMP and CUDA-MPI approaches of the EA algorithm on different GPU platforms composed each of 1, 2, 3 or 4 GPUs. In this experiments we report the experimental results of the EA algorithms to find roots of different sparse and full polynomials of high degrees ranging from 100,000 to 1,400,000. Figures~\ref{fig:01} and~\ref{fig:02} show the execution times to solve, respectively, sparse and full polynomials with the CUDA-OpenMP algorithm, and Figures~\ref{fig:03} and~\ref{fig:04} show those to solve, respectively, sparse and full polynomials with the CUDA-MPI algorithm.
382
383 All these figures show that the CUDA-OpenMP and CUDA-MPI approaches of the EA algorithm, compared to the single GPU version, are efficient and scale well with multiple GPUs. Both approaches allow us to solve sparse and full polynomials of very high degrees. Using 4 GPUs allows us to achieve a quasi-linear speedup.
384
385 \begin{figure}[htbp]
386 \centering
387 \includegraphics[angle=-90,width=0.5\textwidth]{Sparse_omp}
388 \caption{Execution times in seconds of the Ehrlich-Aberth method to solve sparse polynomials on multiple GPUs with CUDA-OpenMP.}
389 \label{fig:01}
390 \end{figure}
391
392 \begin{figure}[htbp]
393 \centering
394 \includegraphics[angle=-90,width=0.5\textwidth]{Full_omp}
395 \caption{Execution times in seconds of the Ehrlich-Aberth method to solve full polynomials on multiple GPUs with CUDA-OpenMP.}
396 \label{fig:02}
397 \end{figure}
398
399 \begin{figure}[htbp]
400 \centering
401   \includegraphics[angle=-90,width=0.5\textwidth]{Sparse_mpi}
402  \caption{Execution times in seconds of the Ehrlich-Aberth method to solve sparse polynomials on multiple GPUs with CUDA-MPI.}
403 \label{fig:03}
404  \end{figure}
405
406 \begin{figure}[htbp]
407  \centering
408   \includegraphics[angle=-90,width=0.5\textwidth]{Full_mpi}
409  \caption{Execution times in seconds of the Ehrlich-Aberth method for full polynomials on  multiple GPUs with CUDA-MPI.}
410  \label{fig:04}
411  \end{figure}
412
413
414 \subsection{Comparison between the CUDA-OpenMP and the CUDA-MPI approaches}
415 In the previous section we saw that both approaches are very efficient to reduce the execution times to solve sparse and full polynomials. In this section we try to compare these two approaches. In this experiment three sparse polynomials and three full polynomials of degrees 200,000, 800,000 and 1,400,000 are investigated. Figures~\ref{fig:05} and~\ref{fig:06} show the comparison between CUDA-OpenMP and CUDA-MPI algorithms of the EA method to solve sparse and full polynomials, respectively. 
416
417 \begin{figure}[htbp]
418 \centering
419  \includegraphics[angle=-90,width=0.5\textwidth]{Sparse}
420 \caption{Execution times  to solve sparse polynomials of three distinct degrees on multiple GPUs using OpenMP and MPI with the Ehrlich-Aberth method}
421 \label{fig:05}
422 \end{figure}
423
424 \begin{figure}[htbp]
425 \centering
426  \includegraphics[angle=-90,width=0.5\textwidth]{Full}
427 \caption{Execution times  to solve full polynomials of three distinct degrees on multiple GPUs using OpenMP and MPI with the Ehrlich-Aberth method}
428 \label{fig:06}
429 \end{figure}
430
431 In Figure~\ref{fig:05} there is one curve for CUDA-OpenMP and another one for CUDA-MPI. We can see that the results are quite similar between OpenMP and MPI for the polynomial degree of 200K. For the degree of 800K, the MPI version is a little bit slower than the OpenMP version but for the degree of 1,4 millions, there is a slight advantage for the MPI version. In Figure~\ref{fig:06}, we can see that when it comes to full polynomials, both approaches are almost equivalent.
432
433
434 \subsection{Solving sparse and full polynomials of the same degree on multiple GPUs}
435 In this experiment we compare the execution times of the EA algorithm according to the number of GPUs to solve sparse and full polynomials on multiple GPUs using OpenMP or MPI approaches. We chose three sparse and three full polynomials of degrees 200,000, 800,000 and 1,400,000. Figures~\ref{fig:07} and~\ref{fig:08} show the execution times to solve sparse and full polynomials of the same degrees with CUDA-OpenMP version and CUDA-MPI version, respectively.
436
437 \begin{figure}[htbp]
438 \centering
439  \includegraphics[angle=-90,width=0.5\textwidth]{OMP}
440 \caption{Execution times to solve sparse and full polynomials of three distinct degrees on multiple GPUs using OpenMP.}
441 \label{fig:07}
442 \end{figure}
443
444 \begin{figure}[htbp]
445 \centering
446  \includegraphics[angle=-90,width=0.5\textwidth]{MPI}
447 \caption{Execution times to solve sparse and full polynomials of three distinct degrees on multiple GPUs using MPI.}
448 \label{fig:08}
449 \end{figure}
450
451 In Figure ~\ref{fig:07} the execution times of the CUDA-OpenMP version to solve sparse polynomials are very low compared to those to solve full polynomials. With sparse polynomials the number of monomials is reduced, consequently the number of operations is reduced and the execution time decreases. Figure~\ref{fig:08} shows the impact of sparsity on the effectiveness of the CUDA-MPI approach. We can see that the impact follows the same pattern, a difference in execution times in favor of the sparse polynomials.
452
453
454 \subsection{Scalability of the EA method on multiple GPUs to solve very high degree polynomials}
455 These experiments report the execution times of the EA method for sparse and full polynomials of high degrees ranging from 1,000,000 to 5,000,000. In Figure~\ref{fig:09} we can see that both approaches (CUDA-OpenMP and CUDA-MPI) are scalable and can solve very high degree polynomials. In addition, with full polynomial as well as sparse ones, both approaches give very similar results.
456
457 \begin{figure}[htbp]
458 \centering
459  \includegraphics[angle=-90,width=0.5\textwidth]{big}
460  \caption{Execution times in seconds of the Ehrlich-Aberth method to solve sparse and full polynomials of high degree on 4 GPUs for degrees ranging from 1M to 5M}
461 \label{fig:09}
462 \end{figure}
463  
464
465 \section{Conclusion}
466 \label{sec6}
467 In this paper, we have presented parallel implementations of the Ehrlich-Aberth algorithm to solve full and sparse polynomials, on a single GPU with CUDA and on multiple GPUs using two parallel paradigms: shared memory with OpenMP and distributed memory with MPI. These architectures were addressed by a CUDA-OpenMP approach and CUDA-MPI approach, respectively. Experiments show that, using parallel programming model like (OpenMP or MPI), we can efficiently manage multiple graphics cards to solve the same problem and accelerate the parallel execution with 4 GPUs and solve a polynomial of degree up-to 5,000,000 four times faster than on single GPU. 
468
469 Our next objective is to extend the model presented here with clusters of GPU nodes, with a three-level scheme: inter-node communications via MPI processes (distributed memory), management of multi-GPU nodes by OpenMP threads (shared memory).
470
471
472 \section*{Acknowledgment}
473 This  paper  is   partially  funded  by  the  Labex   ACTION  program  (contract
474 ANR-11-LABX-01-01). Computations have been performed on the supercomputer facilities of the Mésocentre de calcul de Franche-Comté. We also would like to thank Nvidia for hardware donation under CUDA Research Center 2014.
475
476
477 \bibliography{mybibfile}
478
479 \end{document}
480
481