Les réseaux haute performance tels qu’InfiniBand sont programmés directement depuis l’espace utilisateur. Pour que la carte puisse accéder directement aux données de l’utilisateur, en mémoire virtuelle, il faut au préalable enregistrer les pages mémoire pour qu’elle connaisse leur adresse physique. Cette opération est appelée enregistrement mémoire. Cette opération est coûteuse. Dans les applications HPC classiques, son coût est habituellement amorti au travers d’un cache d’enregistrement, car les buffers sont souvent re-utilisés. En revanche, dans le cadre de StarPU, la réception a souvent lieu dans un buffer alloué dynamiquement, utilisé une seule fois, déjouant les politiques reposant sur un cache.

   Grâce a la connaissance du futur dans le graphe de tâches, il est possible d’effectuer un enregistrement à la volée des zones mémoire et d’amortir son coût en l’anticipant. En effet, le moment où une zone mémoire sera utilisée pour une émission ou une réception réseau est prévisible.

   Il restera à étudier le coût résiduel de l’enregistrement mémoire, étudier ses interaction avec le GPU, et notamment l’enregistrement mémoire demandé par le GPU, les interactions entre l’allocation dynamique de buffers pour une réception réseau et le placement souhaité par l’ordonnanceur de tâche.

   StarPU attache des priorités aux tâches, NewMadeleine est capable d’ordonnancer les paquets en fonction de leurs priorités. La stratégie actuelle attache aux paquets la priorité associée à leur tâche dans le graphe de tâche. Il n’est toutefois pas certain que ce soit la solution optimale.

   Par ailleurs, l’ordonnancement des paquets par priorités dans un contexte HPC n’est pas encore totalement compris: tenir compte des priorités relatives entre destinataires différents, étudier les interactions entre priorités et protocole de rendez-vous, tenir compte des priorités dans la construction des arbres de diffusion.

   Il est également possible d’imaginer prendre en compte les communications futures, que l’on peut déduire du graphe de tâches, dans l’ordonnancement des communications. Par exemple, si un paquet très prioritaire devra prochainement être envoyé, il est envisageable de prendre la décision de ne pas monopoliser le réseau avec un envoi moins prioritaire, même s’il est déjà prêt à envoyer.

   Il est possible pour certaines applications d’adapter dynamiquement la granularité des tâches, ce qui a un impact sur le schéma de communication.

   Nous pouvons imaginer que NewMadeleine puisse tenir StarPU informé de la pression sur le système de communications (en fonction de la taille du backlog de communications en attente, par exemple), de façon à adapter dynamiquement la granularité des calculs.

   Le type des données, au sens du datatype MPI, influe sur la façon de les gérer et les performance obtenues. La différence se fait essentiellement selon la contiguïté des données en mémoire, ainsi que la taille des fragments. Les différentes méthodes de communications ne présentent pas les mêmes caractéristiques et donc pas les mêmes performances selon le type de données. On pourra envisager de choisir dynamiquement la méthode de communication en fonction du type des données côté émetteur et côté récepteur.