Annonsørinnhold fra  
Advertiser company logo

Dette er verktøyssuiten som gir bedre ytelse i krevende utviklingsprosjekter

Del

Dagens utviklingsprosjekter blir mer og mer komplekse og i mange tilfeller må det parallell kode til for å optimalisere ytelsen.

I moderne prosjekter der Big Data, maskinlæring og kunstig intelligens (AI) er innblandet, kan Intel Parallel Studio sin utviklingssuite hjelpe utviklere av C, C++, Fortran og Python med å bygge, analysere og skalere parallellkode for å effektivisere bearbeidingen av store mengder data. 

Som en ekstra motor

Vis mer

Historisk sett har utviklere jobbet med seriellkode, men med flere kjerner i dagens prosessorer har behovet for parallellkode økt dramatisk.

– Kort fortalt kan parallellkode utnytte fordelene med flere kjerneprosessorer, noe som tradisjonell kode har utfordringer med å håndtere. I mange tilfeller kan parallellkode kjøres opptil 100 ganger raskere enn seriellkode,  sier Robin Bakker, produktansvarlig i Alfasoft, Intels autoriserte partner i Norden.

– Du kan sammenlikne flere kjerner i en prosessor med å sette inn en ekstra motor i en bil. Bare fordi bilen får en motor til blir den ikke automatisk raskere. For å kunne utnytte den økte effekten må man få motorene til å fungere sammen. Dette fungerer på samme måte med flere kjerner i en prosessor. Det er først når man skriver parallellkode som er vektorisert og trådet at man kan maksimalt utnytte effekten av flere kjerner, sier han.

Intel Parallel Studio retter seg mot C, C++, Fortran og Python utviklere som lager HPC, Enterprise- og nettsky løsninger der ytelse er en avgjørende faktor. Med verktøyet får utvikleren markedets raskeste kompilator. I tillegg får man hjelp til å skrive, optimalisere og analysere kode samt forbedre eksisterende kode ytterligere.

Hjelper til å oppdage tarmkreft

 Robin Bakken, produktansvarlig i Alfasoft.
 Robin Bakken, produktansvarlig i Alfasoft.

Verktøyssuiten er tilgjengelig for Windows, Linux og Mac OS X og brukes allerede innenfor en rekke industrier og sektorer. For eksempel innenfor energi, forsvar, finans, telekommunikasjon, akademisk forskning, medisin, meteorologi og andre virksomheter hvor AI og Big Data har stor betydning. 

– Alle organisasjoner med store mengder høykvalitativ data kan dra nytte av verktøyssuiten. Selv med 10 prosent bedre ytelse vil du oppnå store besparelser ved bearbeiding av større mengder data, sier Robin Bakker.

Massachussets General Hospitals utnytter allerede denne teknologien i avdelingen for forskning i 3D-visualisering. Med Intel Parallel Studio har de optimalisert bildebehandlingen av hele sitt programbibliotek. Dette har gjort at gjennomføringen av en virtuell koloskopi (tarmundersøkelse) som tidligere var en tidligere tid- og datakrevende prosess, i dag kun tar 3 minutter fremfor rundt en time. 

– Gjennom bruk av teknologi i nært samarbeid med Intel, Microsoft og Vectorform, har vi lykkes med å drastisk redusere bearbeidingstiden. Virtuell koloskopi er nå en praktisk og effektiv screening-teknikk som hjelper oss å oppdage tarmkreft og redde liv, sier Hiro Yoshida, Director, 3D Imaging Research på Massachusetts General Hospital.

Kommer i tre utgaver, basert på behov

Tidligere tok det flere timer å lage en simulering av en front mot frontkollisjon, men i dag kan dette gjøres på noen minutter.

Robin Bakken, produktansvarlig Alfasoft

Tidligere tok det flere timer å lage en simulering av en front mot frontkollisjon, men i dag kan dette gjøres på noen minutter. Altair Engineering bruker Intel Parallel Studio for å effektivisere virtuell kollisjonstesting, som er en av de mest tidkrevende trinnene i kjøretøyets utviklingsprosess. Effektiviseringen betyr at evalueringen av ulike designvarianter går raskere, og nye modeller kan lanseres raskere.

Intel Parallel Studio verktøyssuite kommer i tre utgaver basert på brukerens behov. Composer Edition har kompilatorer, ytelsesbibliotek og parallelle modeller for å lage og kompilere parallellkode. Professional Edition inneholder også analyseverktøy for å diagnostisere og gi anbefalinger på ytelsesproblemer, samt en minne- og tråd-debugger. Med Cluster Edition inngår også et MPI Cluster-kommunikasjonsbibliotek, sammen med MPI-feilsøking og justering for å designe, bygge, debugge og optimalisere HPC-sentere.

– Bedrifter som jobber med mye data har store fordeler av denne verktøyssuiten, ikke bare gjennom en ytelsesforbedring, men også for å lage bedre kode. Intel tilbyr allerede flerkjerners-prosessorer, men for å kunne utnytte den må man bytte til parallellkode.

– Det er først da man får kjernene til å samarbeide og virkelig kan dra nytte av dyre hardware-investeringer. Med dagens trender, der man bruker mer og mer data, vil det bare bli mer relevant fremover. Dette er bare begynnelsen, avslutter Robin.

 

Var denne artikkelen nyttig?