2_embarrassingly_parallel

Exercice 2 : Parallelisme parfait

Ce deuxième exercice va mettre en pratique la notion de partage du travail dans le cadre d'un parallélisme parfait. Chaque rang va recevoir une quantité de travail indépendante à effectuer. La quantité de travail est bien répartie entre les processus. Le temps total sera mesuré avec la fonction MPI correspondante. Pour cela, nous repartons de l'exercice précédent.

1. Calculez le nombre d'éléments sur chaque processus local_N en fonction du nombre total N et du nombre de rangs number_of_ranks.

2. Nous allons maintenant créer 3 tableaux numpy A, B et C initialisés aléatoirement de taille local_N

A = np.random.rand(local_N)
B = np.random.rand(local_N)
C = np.random.rand(local_N)

Après cette étape, nous effectuons une boucle de calcul sur ces tableaux :

A = 2.9*B + 5.2*C + 265.7*B*C + B**2 + C**2

3. Utilisez la fonction MPI du temps MPI.Wtime() pour calculer le timer avant et après la boucle de calcul.

4. Testez votre code en utilisant 1, 2 puis 4 processus jusqu'au maximum de votre ordinateur et observez l'effet sur le temps de calcul

# Exemple pour N processus
mpirun -np N python main.py

5. Avec 4 processus, choisissez un nombre important d'éléments pour faire durer l'exécution plusieurs secondes et observer l'effet sur les tâches de votre système (via top ou htop par exemple)