A Graph Based Framework for the Manipulation of Sparse and Irregular Distributed Data-structures 1

R esum e : Les applications r eelles utilisent des structures de donn ees classiques telles que des matrices, mais fournissent la plupart du temps une impl ementation sp eciique au probl eme, comme Compressed Sparse Column (CSC) { voir par exemple SPARSKITT17]. Ceci est en particulier vrai quand on travaille avec de grandes structures de donn ees creuses, comme des matrices provenant du domaine des el ements niss19]. La dii erence entre l'impl ementation et la structure de donn ees qu'elle impl emente eeectivement est encore plus importante quand on consid ere les applications data-parallel dans lesquelles les structures de donn ees sont distribu ees sur un r eseau de processeurs. Dans ce cadre, il y a un besoin agrant d'outils permettant au d eveloppeur de visualiser ses donn ees, leur structure, et les op erations qui leurs sont appliqu ees, quelle que soit la faa con dont elles sont cod ees et distribu ees. De tels outils doivent proposer des repr esentations de haut niveau, c'est a dire faire abstraction de l'impl ementation physique des donn ees pour atteindre l'image que s'en fait le d eveloppeur. Ils doivent int egrer la s emantique des applications tout en fournissant des m ecanismes permettant de synth etiser ou de ltrer les informations aan de pouvoir se concentrer sur un aspect particulier du probl eme. Dans cet article, nous pr esentons les bases d'un mod ele que nous avons mis en place pour permettre une telle abstraction, tout en prenant en compte les probl emes d'eecacit e, a la fois en terme de m emoire et de vitesse. Un prototype utilisant ce mod ele a et e impl ement e dans l'outil graphique Visitt7] qui fait partie du projet HPFIT 1 7, 8, 9]. HPFIT est un projet qui implique 3 equipes de recherche situ ees a Bordeaux au LaBRI, a Lyon au LIP, et a Bonn (Allemagne) a GMD/SCAI. Son objectif est de proposer un environnement de d eveloppement HPF int egr e, supportant les structures de donn ees creuses et irr eguli eres. Abstract: Real world applications use well-known data structures such as matrices, but most of the time provide a speciic problem-oriented implementation, e.g. Compressed Sparse Column (CSC) { see for instance SPARSKITT17]. This is particularly true when dealing with large sparse data-structures, such as matrices coming from the domain of nite elementss19]. The gap between the implementation …