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

Private GIT Repository
5df0ef9ccf4d22496e782ee70983c9a04c2a7923
[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 \newcommand{\LZK}[2][inline]{%
11   \todo[color=red!10,#1]{\sffamily\textbf{LZK:} #2}\xspace}
12 \newcommand{\RC}[2][inline]{%
13   \todo[color=blue!10,#1]{\sffamily\textbf{RC:} #2}\xspace}
14 \newcommand{\KG}[2][inline]{%
15   \todo[color=green!10,#1]{\sffamily\textbf{KG:} #2}\xspace}
16 \newcommand{\AS}[2][inline]{%
17   \todo[color=orange!10,#1]{\sffamily\textbf{AS:} #2}\xspace}
18
19
20 \begin{document}
21
22 \title{Two parallel implementations of Ehrlich-Aberth algorithm for root-finding of polynomials on multiple GPUs with OpenMP and MPI}
23
24 \author{\IEEEauthorblockN{Kahina Guidouche, Abderrahmane Sider }
25   \IEEEauthorblockA{Laboratoire LIMED\\
26     Faculté des sciences exactes\\
27     Université de Bejaia, 06000, Algeria\\
28 Email: \{kahina.ghidouche,ar.sider\}@univ-bejaia.dz}
29 \and
30 \IEEEauthorblockN{Lilia Ziane Khodja, Raphaël Couturier}
31 \IEEEauthorblockA{FEMTO-ST Institute\\
32   University of   Bourgogne Franche-Comte, France\\
33 Email: zianekhodja.lilia@gmail.com\\ raphael.couturier@univ-fcomte.fr}}
34
35
36 \maketitle
37
38 \begin{abstract}
39 Finding roots of polynomials is a very important part of solving
40 real-life problems but it is not so easy for polynomials of high
41 degrees. In this paper, we present two different parallel algorithms
42 of the Ehrlich-Aberth method to find roots of sparse and fully defined
43 polynomials of high degrees. Both algorithms are based on CUDA
44 technology to be implemented on multi-GPU computing platforms but each
45 using different parallel paradigms: OpenMP or MPI. The experiments
46 show a quasi-linear speedup by using up-to 4 GPU devices compared to 1
47 GPU to find roots of polynomials of degree up-to 1.4
48 million. Moreover, other experiments show it is possible to find roots
49 of polynomials of degree up-to 5 millions.
50 \end{abstract}
51
52 % no keywords
53 \LZK{Faut pas mettre des keywords?}
54
55
56 \IEEEpeerreviewmaketitle
57
58
59 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
60 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
61 \section{Introduction}
62
63
64 Finding roots of polynomials of very high degrees arises in many complex problems in 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:
65 \begin{equation}
66 p(x) = \displaystyle\sum^n_{i=0}{a_ix^i},a_n\neq 0, 
67 \end{equation}
68 where $\{a_i\}_{0\leq i\leq n}$ are complex coefficients and $n$ is a high integer number. If $a_n\neq0$ 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 :
69 \begin{equation}
70  p(x)=a_n\displaystyle\prod_{i=1}^n(x-z_i), a_n\neq 0.
71 \end{equation}
72
73 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}.
74
75 The main problem of the simultaneous methods is that the necessary
76 time needed for the convergence increases with the increasing of the
77 polynomial's degree. Many authors have treated the problem of
78 implementing  simultaneous methods in
79 parallel. Freeman~\cite{Freeman89} implemented and compared
80 Durand-Kerner method, Ehrlich-Aberth method and another method of the
81 fourth order of convergence proposed by Farmer and
82 Loizou~\cite{Loizou83} on a 8-processor linear chain, for polynomials
83 of degree up-to 8. The method of Farmer and Loizou~\cite{Loizou83}
84 often diverges, but the first two methods (Durand-Kerner and
85 Ehrlich-Aberth methods) have a speed-up equals to 5.5. Later, Freeman
86 and Bane~\cite{Freemanall90} considered asynchronous algorithms in
87 which each processor continues to update its approximations even
88 though the latest values of other approximations $z^{k}_{i}$ have not
89 been received from the other processors, in contrast with synchronous
90 algorithms where it would wait those values before making a new
91 iteration. Couturier et al.~\cite{Raphaelall01} proposed two methods
92 of parallelization for a shared memory architecture with OpenMP and
93 for a distributed memory one with MPI. They are able to compute the
94 roots of sparse polynomials of degree 10,000 in 116 seconds with
95 OpenMP and 135 seconds with MPI only by using 8 personal computers and
96 2 communications per iteration. The authors showed an interesting
97 speedup comparing to the sequential implementation which takes up-to
98 3,300 seconds to obtain same results. 
99 \RC{si on donne des temps faut donner le proc, comme c'est vieux à mon avis faut supprimer ca, votre avis?} 
100 \LZK{Supprimons ces détails et mettons une référence s'il y en a une}
101
102 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.
103
104 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:
105 \LZK{J'ai ajouté une phrase pour justifier notre choix de la méthode Ehrlich-Aberth. A revérifier.}
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 multi-GPU platform with a distributed memory using MPI API, such that each GPU is attached and managed by a MPI process. The GPUs exchange their data by message-passing communications. 
110  \end{itemize}
111 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.
112 \LZK{Pas d'autres contributions possibles? J'ai supprimé les deux premiers points proposés précédemment.}
113
114 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. 
115
116
117 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
118 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
119  
120 \section{Parallel programming models}
121 \label{sec2}
122 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.
123  
124 \subsection{OpenMP}
125
126
127 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. 
128
129 \subsection{MPI} 
130
131
132 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.
133  
134 \subsection{CUDA}
135
136
137 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 and non-graphic applications. 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.
138
139
140 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
141 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
142
143 \section{The Ehrlich-Aberth algorithm on a GPU}
144 \label{sec3}
145
146 \subsection{The Ehrlich-Aberth method}
147
148 The Ehrlich-Aberth method is a simultaneous method~\cite{Aberth73} using the following iteration
149 \begin{equation}
150 \label{Eq:EA1}
151 z^{k+1}_{i}=z_{i}^{k}-\frac{\frac{p(z_{i}^{k})}{p'(z_{i}^{k})}}
152 {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
153 \end{equation}
154
155 This method contains 4 steps. The first step consists in the
156 initializing the polynomial. The second step initializes the solution
157 vector $Z$ using the Guggenheimer method~\cite{Gugg86} to ensure that
158 initial roots are all distinct from each other. In step 3, the
159 iterative function based on the Newton's method~\cite{newt70} and
160 Weiestrass operator~\cite{Weierstrass03} is applied. In our case, the
161 Ehrlich-Aberth is applied as in~(\ref{Eq:EA1}). Iterations of the
162 Ehrlich-Aberth method will converge to the roots of the considered
163 polynomial. In order to stop the iterative function, a stop condition
164 is applied, this is the 4th step. This condition checks that all the
165 root modules are lower than a fixed value $\epsilon$.
166
167 \begin{equation}
168 \label{eq:Aberth-Conv-Cond}
169 \forall i\in[1,n],~\vert\frac{z_i^k-z_i^{k-1}}{z_i^k}\vert<\epsilon
170 \end{equation}
171
172 \subsection{Improving Ehrlich-Aberth method}
173 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.
174  
175
176 In order to solve this problem, we propose to modify the iterative
177 function by using the logarithm and the exponential of a complex and
178 we propose a new version of the Ehrlich-Aberth method.  This method
179 allows us to exceed the computation of the polynomials of degree
180 100,000 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 is defined as follows, for $i=1,\dots,n$:
181
182 \begin{equation}
183 \label{Log_H2}
184 z^{k+1}_i = z_i^k - \exp(\ln(p(z_i^k)) - \ln(p'(z^k_i)) - \ln(1-Q(z^k_i))),
185 \end{equation}
186
187 where:
188
189 \begin{equation}
190 \label{Log_H1}
191 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})).
192 \end{equation}
193
194
195
196 Using the logarithm  and the exponential operators, we can replace any multiplications and divisions with additions and subtractions. Consequently, computations manipulate lower values in absolute values~\cite{Karimall98}. 
197
198
199 \subsection{The Ehrlich-Aberth parallel implementation on CUDA}
200
201
202
203
204 The code is organized as kernels which are parts of code that are run
205 on GPU devices. Algorithm~\ref{alg1-cuda} describes the CUDA
206 implementation of the Ehrlich-Aberth on a GPU.  This algorithms starts
207 by initializinf the polynomial and its derivative (line 1). The
208 initialization of the roots is performed (line 2). Data are transfered
209 from the CPU to the GPU (after allocation of the required memory on
210 the GPU) (line 3). Then at each iteration, if the error is greater
211 than a threshold, the following operations are performed. The previous
212 roots are saved using a kernel (line 5). Then the new root with the
213 new iterations are computed using the EA method with a Gauss Seidel
214 iteration modes in order to use the lastest roots updated (line
215 6). This improves the convergence. This kernel is, in pratice, very
216 long since it performs all the operations with complex numbers with
217 the normal mode of the EA method but also with the
218 logarithm-exponential one. Then the error is computed with a final
219 kernel (line 7). Finally when the EA method has converged, the roots
220 are transferred from the GPU to the CPU.
221
222 \begin{algorithm}[htpb]
223 \label{alg1-cuda}
224 \LinesNumbered
225 \SetAlgoNoLine
226 \caption{Finding roots of polynomials with the Ehrlich-Aberth method on a GPU}
227 \KwIn{ $\epsilon$ (tolerance threshold)}
228 \KwOut{$Z$ (solution vector of roots)}
229 Initialize the polynomial $P$ and its derivative $P'$\;
230 Set the initial values of vector $Z$\;
231 Copy $P$, $P'$ and $Z$ from CPU to GPU\;
232 \While{$error > \epsilon$}{
233   $Z^{prev}$ = KernelSave($Z$)\;
234   $Z$ = KernelUpdate($P,P',Z$)\;
235   $error$ = KernelComputeError($Z,Z^{prev}$)\;
236 }
237 Copy $Z$ from GPU to CPU\;
238 \end{algorithm}
239
240
241 The development of this code is a rather long task, as the development
242 of corresponding kernels with CUDA is longer than on a CPU host. This
243 comes in particular from the fact that it is very difficult to debug
244 CUDA running threads like threads on a CPU host.  In the following
245 section the GPU parallel implementation of Ehrlich-Aberth method with
246 OpenMP and MPI is presented.
247
248
249
250
251  
252 \section{The EA algorithm on multiple GPUs}
253 \label{sec4}
254 \subsection{an OpenMP-CUDA approach}
255 Our OpenMP-CUDA implementation of EA algorithm is based on the hybrid
256 OpenMP and CUDA programming model.  All the data are shared with
257 OpenMP amoung all the OpenMP threads. The shared data are the solution
258 vector $Z$, the polynomial to solve $P$, and the error vector $\Delta
259 z$. The number of OpenMP threads is equal to the number of GPUs, each
260 OpenMP thread binds to one GPU, and it controls a part of the shared
261 memory. More precisely each OpenMP thread will be responsible to
262 update its owns part of the vector Z. This part is call $Z_{loc}$ in
263 the following. Then all GPUs will have a grid of computation organized
264 according to the device performance and the size of data on which it
265 runs the computation kernels.
266
267 To compute one iteration of the EA method each GPU performs the
268 followings steps. First roots are shared with OpenMP and the
269 computation of the local size for each GPU is performed (lines 5-7 in
270 Algorithm \ref{alg2-cuda-openmp}). Each thread starts by copying all the
271 previous roots inside its GPU (line 9). Then each GPU will copy the
272 previous roots (line 10) and it will compute an iteration of the EA
273 method on its own roots (line 11).  For that all the other roots are
274 used. The convergence is checked on the new roots (line 12). At the end
275 of an iteration, the updated roots are copied from the GPU to the
276 CPU (line 14) by direcly updating its own roots in the shared memory
277 arrays containing all the roots.
278
279
280
281 \begin{algorithm}[htpb]
282 \label{alg2-cuda-openmp}
283 \LinesNumbered
284 \SetAlgoNoLine
285 \caption{Finding roots of polynomials with the Ehrlich-Aberth method on multiple GPUs using OpenMP}
286 \KwIn{ $\epsilon$ (tolerance threshold)}
287 \KwOut{$Z$ (solution vector of roots)}
288 Initialize the polynomial $P$ and its derivative $P'$\;
289 Set the initial values of vector $Z$\;
290 Start of a parallel part with OpenMP ($Z$, $error$, $P$, $P'$ are shared variables)\;
291 Determine the local part of the OpenMP thread\;
292 Copy $P$, $P'$ from CPU to GPU\;
293 \While{$error > \epsilon$}{
294   Copy $Z$ from CPU to GPU\;
295   $Z^{prev}_{loc}$ = KernelSave($Z_{loc}$)\;
296   $Z_{loc}$ = KernelUpdate($P,P',Z$)\;
297   $error_{loc}$ = KernelComputeError($Z_{loc},Z^{prev}_{loc}$)\;
298   $error = max(error_{loc})$\;
299   Copy $Z_{loc}$ from GPU to $Z$ in CPU\;
300 }
301 \end{algorithm}
302
303
304
305
306
307 \subsection{a MPI-CUDA approach}
308
309 Our parallel implementation of EA to find root of polynomials using a
310 CUDA-MPI approach follows a similar computing approach to the one used
311 in CUDA-OpenMP. Each process is responsible to compute its own part of
312 roots using all the roots computed by other processors at the previous
313 iteration. The difference between both approaches lies in the way
314 processes communicate and exchange data. With MPI processors need to
315 send and receive data explicitely. So in
316 Algorithm~\ref{alg2-cuda-mpi}, after the initialization all the
317 processors have the same $Z$ vector. Then they need to compute the
318 parameters used by the $MPI\_AlltoAll$ routines (line 4). In practise,
319 each processor needs to compute its offset and its local size. Then
320 processors need to allocate memory on their GPU (line 5). At the
321 beginning of each iteration, a processor starts by transfering the
322 whole vector Z from the CPU to the GPU (line 7). Then only the local
323 part of $Z^{prev}$ is saved (line 8). After that, a processor is able
324 to compute its own roots (line 9). Next, the local error can be
325 computed (ligne 10) and the global error (line 11). Then the local
326 roots are transfered from the GPU memory to the CPU memory (line 12)
327 before being exchanged between all processors (linge 13) in order to
328 give to all processors the last version of the roots. If the
329 convergence is not statisfied, an new iteration is executed.
330
331
332
333 \begin{algorithm}[htpb]
334 \label{alg2-cuda-mpi}
335 \LinesNumbered
336 \SetAlgoNoLine
337 \caption{CUDA-MPI Algorithm to find roots with the Ehrlich-Aberth method}
338
339 \KwIn{  $\epsilon$ (tolerance threshold)}
340
341 \KwOut {$Z$ (solution vector of roots)}
342
343 \BlankLine
344 Initialize the polynomial $P$ and its derivative $P'$\;
345 Set the initial values of vector $Z$\;
346 Determine the local part of the MPI process\;
347 Computation of the parameters for the $MPI\_AlltoAll$\;
348 Copy $P$, $P'$ from CPU to GPU\;
349 \While {$error > \epsilon$}{
350   Copy $Z$ from CPU to GPU\;
351   $Z^{prev}_{loc}$ = KernelSave($Z_{loc}$)\;
352   $Z_{loc}$ = KernelUpdate($P,P',Z$)\;
353   $error_{loc}$ = KernelComputeError($Z_{loc},Z^{prev}_{loc}$)\;
354   $error=MPI\_Reduce(error_{loc})$\;
355   Copy $Z_{loc}$ from GPU to CPU\;
356   $Z=MPI\_AlltoAll(Z_{loc})$\;
357 }
358 \end{algorithm}
359
360
361 \section{Experiments}
362 \label{sec5}
363 We study two categories of polynomials: sparse polynomials and full polynomials.\\
364 {\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:
365 \begin{equation}
366         \forall \alpha_{1} \alpha_{2} \in C,\forall n_{1},n_{2} \in N^{*}; P(z)= (z^{n_{1}}-\alpha_{1})(z^{n_{2}}-\alpha_{2})
367 \end{equation}\noindent
368 {\it A full polynomial} is, in contrast, a polynomial for which all the coefficients are not null. A full polynomial is defined by:
369 %%\begin{equation}
370         %%\forall \alpha_{i} \in C,\forall n_{i}\in N^{*}; P(z)= \sum^{n}_{i=1}(z^{n^{i}}.a_{i})
371 %%\end{equation}
372
373 \begin{equation}
374      {\Large \forall a_{i} \in C, i\in N;  p(x)=\sum^{n}_{i=0} a_{i}.x^{i}} 
375 \end{equation}
376
377 For our test, 4 cards GPU tesla Kepler K40 are used.  In order to
378 evaluate both the GPU and Multi-GPU approaches, we performed a set of
379 experiments on a single GPU and multiple GPUs using OpenMP or MPI with
380 the EA algorithm, for both sparse and full polynomials of different
381 sizes.  All experimental results obtained are perfomed with double
382 precision float data and the convergence threshold of the EA method is
383 set to $10^{-7}$.  The initialization values of the vector solution of
384 the methods are given by Guggenheimer method~\cite{Gugg86}.
385
386
387 \subsection{Evaluation of the CUDA-OpenMP approach}
388
389 Here we report some experiments witt full and sparse polynomials of
390 different degrees with multiple GPUs.
391 \subsubsection{Execution times of the EA method to solve sparse polynomials on multiple GPUs}
392  
393 In this experiments we report the execution time of the EA algorithm, on single GPU and multi-GPUs with (2,3,4) GPUs, for different sparse polynomial degrees ranging from 100,000 to 1,400,000.
394
395 \begin{figure}[htbp]
396 \centering
397   \includegraphics[angle=-90,width=0.5\textwidth]{Sparse_omp}
398 \caption{Execution time in seconds of the Ehrlich-Aberth method to
399   solve sparse polynomials on multiple GPUs with CUDA-OpenMP.}
400 \label{fig:01}
401 \end{figure}
402
403 Figure~\ref{fig:01} shows that the CUDA-OpenMP approach scales well
404 with multiple GPUs. This version allows us to solve sparse polynomials
405 of very high degrees.
406
407 \subsubsection{Execution times of the EA method to solve full polynomials on multiple GPUs}
408
409 These experiments show the execution times of the EA algorithm, on a single GPU and on multiple GPUs using the CUDA OpenMP approach for full polynomials of degrees ranging from 100,000 to 1,400,000.
410
411 \begin{figure}[htbp]
412 \centering
413   \includegraphics[angle=-90,width=0.5\textwidth]{Full_omp}
414 \caption{Execution time in seconds of the Ehrlich-Aberth method to
415   solve full polynomials on multiple GPUs with CUDA-OpenMP.}
416 \label{fig:02}
417 \end{figure}
418
419 In Figure~\ref{fig:02}, we can observe that with full polynomials the EA version with
420 CUDA-OpenMP scales also well. Using 4 GPUs allows us to achieve a
421 quasi-linear speedup.
422
423 \subsection{Evaluation of the CUDA-MPI approach}
424 In this part we perform some experiments to evaluate the CUDA-MPI
425 approach to solve full and sparse polynomials of degrees ranging from
426 100,000 to 1,400,000.
427
428 \subsubsection{Execution times of the EA method to solve sparse polynomials on multiple GPUs}
429
430 \begin{figure}[htbp]
431 \centering
432   \includegraphics[angle=-90,width=0.5\textwidth]{Sparse_mpi}
433 \caption{Execution time in seconds of the Ehrlich-Aberth method to
434   solve sparse polynomials on multiple GPUs with CUDA-MPI.}
435 \label{fig:03}
436 \end{figure}
437 Figure~\ref{fig:03} shows the execution times of te EA algorithm,
438 for a single GPU, and multiple GPUs (2, 3, 4) with the CUDA-MPI approach.
439
440 \subsubsection{Execution time of the Ehrlich-Aberth method for solving full polynomials on multiple GPUs using the Multi-GPU appraoch}
441
442 \begin{figure}[htbp]
443 \centering
444  \includegraphics[angle=-90,width=0.5\textwidth]{Full_mpi}
445 \caption{Execution times in seconds of the Ehrlich-Aberth method for
446   full polynomials on  multiple GPUs with CUDA-MPI.}
447 \label{fig:04}
448 \end{figure}
449
450 In Figure~\ref{fig:04}, we can also observe that the CUDA-MPI approach
451 is also efficient to solve full polynimails on multiple GPUs.
452
453 \subsection{Comparison of  the CUDA-OpenMP and the CUDA-MPI approaches}
454
455 In the previuos section we saw that both approches are very effecient
456 to  reduce the execution times the  sparse and full polynomials. In
457 this section we try to compare these two approaches.
458
459 \subsubsection{Solving sparse polynomials}
460 In this experiment three sparse polynomials of size 200K, 800K and 1,4M are investigated.
461 \begin{figure}[htbp]
462 \centering
463  \includegraphics[angle=-90,width=0.5\textwidth]{Sparse}
464 \caption{Execution times  to solvs sparse polynomials of three
465   distinct sizes on multiple GPUs using MPI and OpenMP with the
466   Ehrlich-Aberth method}
467 \label{fig:05}
468 \end{figure}
469 In Figure~\ref{fig:05} there is one curve for CUDA-MPI and another one
470 for CUDA-OpenMP. We can see that the results are quite similar between
471 OpenMP and MPI for the polynomials size of 200K. For the size of 800K,
472 the MPI version is a little bit slower than the OpenMP approach but for
473 the 1,4 millions size, there is a slight advantage for the MPI
474 version.
475
476 \subsubsection{Solving full polynomials}
477 \begin{figure}[htbp]
478 \centering
479  \includegraphics[angle=-90,width=0.5\textwidth]{Full}
480 \caption{Execution time for solving full polynomials of three distinct sizes on multiple GPUs using MPI and OpenMP approaches using Ehrlich-Aberth}
481 \label{fig:06}
482 \end{figure}
483 In Figure~\ref{fig:06}, we can see that when it comes to full polynomials, both approaches are almost equivalent.
484
485 \subsubsection{Solving sparse and full polynomials of the same size with CUDA-MPI}
486
487 In this experiment we compare the execution time of the EA algorithm
488 according to the number of GPUs to solve sparse and full
489 polynomials on multiples GPUs using MPI. We chose three sparse and full
490 polynomials of size 200K, 800K and 1,4M.
491 \begin{figure}[htbp]
492 \centering
493  \includegraphics[angle=-90,width=0.5\textwidth]{MPI}
494 \caption{Execution times to solve sparse and full polynomials of three distinct sizes on multiple GPUs using MPI.}
495 \label{fig:07}
496 \end{figure}
497 In Figure~\ref{fig:07} we can see that CUDA-MPI can solve sparse and
498 full polynomials of high degrees, the execution times with sparse
499 polynomial are very low compared to full polynomials. With sparse
500 polynomials the number of monomials is reduced, consequently the number
501 of operations is reduced and the execution time decreases.
502
503 \subsubsection{Solving sparse and full polynomials of the same size with CUDA-OpenMP}
504
505 \begin{figure}[htbp]
506 \centering
507  \includegraphics[angle=-90,width=0.5\textwidth]{OMP}
508 \caption{Execution time for solving sparse and full polynomials of three distinct sizes on multiple GPUs using OpenMP}
509 \label{fig:08}
510 \end{figure}
511
512 Figure ~\ref{fig:08} shows the impact of sparsity on the effectiveness of the CUDA-OpenMP approach. We can see that the impact follows the same pattern, a difference in execution time in favor of the sparse polynomials. 
513
514 \subsection{Scalability of the EA method on multiple GPUs to solve very high degree polynomials}
515 These experiments report the execution times of the EA method for
516 sparse and full polynomials ranging from 1,000,000 to 5,000,000.
517 \begin{figure}[htbp]
518 \centering
519  \includegraphics[angle=-90,width=0.5\textwidth]{big}
520  \caption{Execution times in seconds of the Ehrlich-Aberth method for solving full polynomials of high degree on 4 GPUs for sizes ranging from 1M to 5M}
521 \label{fig:09}
522 \end{figure}
523 In Figure~\ref{fig:09} we can see that both approaches are scalable
524 and can solve very high degree polynomials. In addition, with full polynomial as well as sparse ones, both
525 approaches give very similar results.
526
527 %SIDER JE viens de virer \c ca For sparse polynomials here are a noticeable difference in favour of MPI when the degree is
528 %above 4 millions. Between 1  and 3 millions, OpenMP is more effecient.
529 %Under 1 million, OpenMPI and MPI are almost equivalent.
530
531 %SIDER : il faut une explication sur les différences ici aussi.
532  
533
534 \section{Conclusion}
535 \label{sec6}
536 In this paper, we have presented a parallel implementation of
537 Ehrlich-Aberth algorithm to solve full and sparse polynomials, on
538 single GPU with CUDA and on multiple GPUs using two parallel
539 paradigms: shared memory with OpenMP and distributed memory with
540 MPI. These architectures were addressed by a CUDA-OpenMP approach and
541 CUDA-MPI approach, respectively.  Experiments show that, using
542 parallel programming model like (OpenMP, MPI). We can efficiently
543 manage multiple graphics cards to solve the same
544 problem and accelerate the parallel execution with 4 GPUs and solve a
545 polynomial of degree up to 5,000,000, four times faster than on single
546 GPU. 
547
548
549 Our next objective is to extend the model presented here with clusters
550 of GPU nodes, with a three-level scheme: inter-node communication via
551 MPI processes (distributed memory), management of multi-GPU node by
552 OpenMP threads (shared memory).
553
554
555 \section*{Acknowledgment}
556
557 Computations have been performed on the supercomputer facilities of
558 the Mésocentre de calcul de Franche-Comté. We also would like to thank
559 Nvidia for hardware donation under CUDA Research Center 2014.
560
561
562
563 \bibliography{mybibfile}
564
565 \end{document}
566
567