Analyzing dynamic properties of parallel program in

Системное программирование
Состояние и тенденции
Директор ИСП РАН
академик Иванников В.П.
ivan@ispras.ru
Software Engineering Conference (Russia) 2008
Москва, 23 октября
Технологии разработки ПО(1)
Рост размеров кода ОС
Система
Год
Размер (106 LOC)
Размер команды
Windows 3.1
1992 3
Windows NT 3.5
1994 10
300
Windows NT 4.0
1996 16
800
Windows 2000
1999 30
1400
Windows XP
2001 45
1800
Linux Kernel 2.6.0
2003 5,7
Open Solaris
2005 9,7
Mac OS X 10.4
2006 86
Windows Vista
2007 > 50
Технологии разработки ПО(2)
Другие показатели развития
•
•
•
•
Эскалация размеров и сложности
Увеличение функциональных возможностей
Рост объемов перерабатываемых данных
Расширение использования параллелизма и
распределенности
• Рост требований к переносимости и совместимости
Технологии разработки ПО(3)
Текущие достижения
• Объектно-ориентированные методы анализа и
проектирования, языки программирования
• Компонентные технологии
• Стандартизация и уточнение семантики языков
программирования и библиотечных интерфейсов
• Широкое использование итеративных процессов
разработки
• Расширение области применения формальных методов
(model checking и др.)
Технологии разработки ПО(4)
Проблемы
• Количество ошибок на 1000 строк неоттестированного
кода остается неизменным
Программные системы
Число ошибок на 1000 строк
кода
Среднее по индустрии (McConnell)
15-50
Microsoft (до тестирования)
10-20
NASA JPL (до тестирования)
6-9
Linux
~7
Microsoft (продукты)
0.5
NASA JPL (продукты)
0.003
• Формальные методы разработки и анализа применимы
лишь к небольшим системам
Технологии разработки ПО(5)
Новые вызовы
• Распределенные адаптивные и динамически
перестраивающиеся системы
• Масштабируемые технологии разработки и анализа
свойств ПО на базе формальных методов
– Интеграция различных методов верификации: дедуктивный
анализ, проверка моделей, тестирование на основе формальных
моделей, статический анализ
• Технологии разработки распределенных систем с
заданными характеристиками по многим показателям
качества
– Выполнение разнородных требований: корректность,
надежность, защищенность, производительность, удобство
использования и развития
• Формализация стандартов на программные интерфейсов
разных уровней
Анализ программ (1)
Текущие достижения
 Глобальная и межпроцедурная оптимизация,
межпроцедурный анализ указателей
 Исследование гнезд циклов на распараллеливаемость:
Омега-тест, изменение порядка циклов в гнезде
 Машинно-ориентированная оптимизация:
распределение регистров, планирование кода
 Языки нового поколения (Java, C#)
Совмещение интерпретации и динамической компиляции (JIT),
адаптивная оптимизация.
LLVM и его интерпретатор (Apple): адаптивная оптимизация для
C и C++
 Методы анализа успешно применяются для решения проблем в
смежных областях:
обратная инженерия, поиск уязвимостей безопасности
Анализ программ (2)
Проблемы
 Разрыв между возможностями аппаратуры (параллелизм на всех
уровнях) и возможностями анализа
 Расширение области применения специализированных платформ:
Cell, GPU, FPGA
 Низкая «продуктивность» разработки приложений
для параллельных систем:
 отсутствие языков высокого уровня и соответствующих технологий
(HPF, Cilk (MIT), UPC (Berkeley) не привели к успеху)
 программирование с использованием MPI (распределенная память) и
OpenMP (общая память)
 Отсутствие стандартов и устоявшихся технологий для
специализированных платформ
Анализ программ (3)
Тенденции решения проблем
 Исследование и моделирование различных классов приложений (dwarf Berkeley) и аппаратных платформ с целью разработки адекватные
средства (языки, инструменты), обеспечивающих эффективное
отображение приложения на конкретную аппаратную платформу
 Новые языки параллельного программирования:
X10 (IBM), Chapel (Cray), Fortress (Sun)
 Технологии и соответствующие среды поддерживающие разработку на
уровне MPI/OpenMP
 Технологии программирования для специализированных платформ:
 низкоуровневые: CUDA (NVidia), CAL (AMD)
 языки высокого уровня: Brook+ (AMD), Ct (Intel)
Управление данными (1)
Текущие достижения
• СУБД (Oracle, IBM, Microsoft и т.д.)
– эффективная и масштабируемая обработка баз данных
объемом в сотни терабайт и даже петабайт;
– развитые средства оптимизации запросов на основе
оценочных методов;
– встроенные в серверы средства OLAP и data mining;
– полнотекстовый поиск и поддержка XML;
– параллельные серверы
• Управление данными в Internet
– развитые средства полнотекстового поиска по ключевым
словам;
– собственные средства управления данными, хорошо
распараллеливающиеся на основе механизма map-reduce
(Google, Yahoo!)
Управление данными (2)
Проблемы
• Сложность администрирования, настройки и
использования СУБД
– возрастающий дефицит специалистов;
– невозможность полноценного использования SQL
• Сложность разработки приложений баз данных
– impedance mismatch
• Недостаточность методов поиска в Internet по
ключевым словам
– невозможность использования семантического поиска;
– незрелость средств управления данными
• Неполное использование новых возможностей
аппаратуры
– многоядерные и многопотоковые архитектуры, основная память
большого объема, флэш-память и т.д.
Управление данными (3)
Тенденции решения проблем
• Переход от универсальных к специализированным
системам управления данными
– XML-СУБД, системы с хранением данных «по столбцам» и
т.д.
• Разработка новых языков программирования,
освобождающих разработчиков от проблемы
«impedance mismatch»
– Ruby-on-Rails, LINQ
• Повышение уровня семантики поиска в Internet
– использование массивных структурированных корпусов текстов для
автоматического построения онтологий
Управление данными (4)
Clouds Computing
• Публично доступные службы для запуска
параллельных программ на динамически образуемых
кластерах из тысяч узлов
• Позволяют пользоваться параллельной аппаратурой
для решения, в частности, задач, связанных с
обработкой больших объемов данных
• Имеющиеся параллельные СУБД не могут
масштабироваться до тысяч параллельных узлов
• Необходимо понять, как и для чего разумно
использовать «облачные вычисления» при управлении
данными и разработать соответствующие
программные системы