]> AND Private Git Repository - rce2015.git/blobdiff - paper.tex
Logo AND Algorithmique Numérique Distribuée

Private GIT Repository
RCE : Petite modif + Legende figure 3
[rce2015.git] / paper.tex
index 26f40cb3cc4b5886dfe1240c93b7b0737e8327d8..da22c509a2fb6b197b95b5edb0d778f6e59ab413 100644 (file)
--- a/paper.tex
+++ b/paper.tex
@@ -574,12 +574,15 @@ The execution times between both algorithms is significant with different grid a
 \end{figure}
 
 \subsubsection{Simulations for two different inter-clusters network speeds\\}
-In Figure~\ref{fig:02} we present the execution times of both algorithms to solve a 3D Poisson problem of size $150^3$ on two different simulated network $N1$ and $N2$ (see Table~\ref{tab:01}). As it was previously said, we can see from the figure that the Krylov two-stage algorithm is more sensitive the number of clusters than the GMRES algorithm. However, we can notice an interesting behavior of the Krylov two-stage algorithm. It is less sensitive to bad network bandwidth and latency for the inter-clusters links than the GMRES algorithms. This means that the multisplitting methods are more efficient for distributed systems with high latency networks.
-
-
-
-
-%% The figure shows that the Krylov two-stage algorithm is more sensitive the number of clusters than the GMRES algorithm.
+In  Figure~\ref{fig:02} we  present the  execution times  of both  algorithms to
+solve a  3D Poisson problem of  size $150^3$ on two  different simulated network
+$N1$ and $N2$ (see Table~\ref{tab:01}). As previously mentioned, we can see from
+this figure  that the Krylov two-stage  algorithm is sensitive to  the number of
+clusters (i.e. it is better to have a small number of clusters). However, we can
+notice an  interesting behavior of  the Krylov  two-stage algorithm. It  is less
+sensitive to bad network bandwidth and latency for the inter-clusters links than
+the  GMRES algorithms.  This  means  that the  multisplitting  methods are  more
+efficient for distributed systems with high latency networks.
 
 %% In this section, the experiments  compare the  behavior of  the algorithms  running on a
 %% speeder inter-cluster  network (N2) and  also on  a less performant  network (N1) respectively defined in the test conditions Table~\ref{tab:02}.
@@ -588,8 +591,6 @@ In Figure~\ref{fig:02} we present the execution times of both algorithms to solv
 %% for  both  algorithms when using  a  grid  architecture  like  4 $\times$ 16 or  8 $\times$ 8: the reduction factor is around $2$. The results depict  also that when
 %% the  network speed  drops down (variation of 12.5\%), the  difference between  the two Multisplitting algorithms execution times can reach more than 25\%.
 
-\LZK{J'ai mis que le problème résolu dans la figure 4 est de taille $150^3$. CE, pourrais tu le confirmer?}
-
 \begin{figure}[t]
 \centering
 \includegraphics[width=100mm]{cluster_x_nodes_n1_x_n2.pdf}
@@ -796,7 +797,7 @@ benchmarks have  been performed with  various combination of the  grid resources
 in  Table~\ref{tab:07}. In  order to  compare  the execution  times, this  table
 reports the  relative gain between both  algorithms. It is defined  by the ratio
 between  the   execution  time  of   GMRES  and   the  execution  time   of  the
-multisplitting.  The  ration  is  greater  than  one  because  the  asynchronous
+multisplitting.  The  ratio  is  greater  than  one  because  the  asynchronous
 multisplitting version is faster than GMRES.