Merge pull request #41 from corrections-a25

Corrections A25

Author: plstonge

doc/en/conf.py

@@ -54,7 +54,7 @@
 html_theme = 'sphinx_book_theme'
 html_theme_options = {
     'logo': {
-        'text': 'Running jobs: resources and monitoring (CIP201)',
+        'text': 'Job monitoring and resource estimation (CIP201)',
         'image_light': '../images/logo.png'
     }
 }

doc/en/index.rst

@@ -1,10 +1,10 @@
-Running jobs: resources and monitoring
+Job monitoring and resource estimation
 ======================================
 
 `Français <../fr/index.html>`_
 
 This intermediate-level workshop (CIP201) is the continuation of *First steps on
-compute clusters* (CIP101); we explore in details certain key aspects of
+supercomputers* (CIP101); we explore in details certain key aspects of
 high-performance computing.
 
 The workshop begins with a review of the **job scheduler**. :doc:`What is it
@@ -18,8 +18,8 @@ The next section introduces the two **types of compute jobs**. :doc:`Serial jobs
 <task-types/serial>` are the simplest. :doc:`Parallel jobs
 <task-types/parallel>` deserve a more in-depth presentation, including the
 differences between multi-threaded and MPI programs. Data parallelism is briefly
-discussed and is the topic of a subsequent workshop, `Data parallelism on the
-clusters <https://calculquebec.github.io/cq-formation-cip202/en/index.html>`__
+discussed and is the topic of a subsequent workshop, `Managing large batches of
+jobs <https://calculquebec.github.io/cq-formation-cip202/en/index.html>`__
 (CIP202).
 
 **Estimating the resources required** for a compute job can be challenging! This

doc/en/monitoring/interactive-sessions.rst

@@ -6,7 +6,7 @@ Interactive sessions
 We have already presented several tools to analyse compute jobs. Scheduler
 commands ``seff`` and ``sacct`` show information about completed jobs. To
 monitor running jobs, we have seen how to connect to a compute node with
-``ssh``, and there use the ``top`` task manager.
+``srun`` or ``ssh``, and there use the ``top`` task manager.
 
 Interactive sessions are yet another tool, which is especially well-suited for
 series of short tests. For instance, when analysing a program’s scalability, you

doc/en/task-types/parallel.rst

@@ -320,7 +320,7 @@ Exercise
 #. Compile the ``pi`` program with the ``make`` command.
 #. Start an interactive job with ``salloc [...] --time=00:10:00``.
    Replace ``[...]`` by the parallelism options necessary for an MPI program
-   and ask for 2 CPU cores.
+   and ask for 1 node and 2 CPU cores.
 #. Run the program in the background with ``mpirun ./pi &``.
 #. While ``pi`` runs, check its CPU usage with ``top -u $USER`` and ``top -u
    $USER -H``.

doc/fr/conf.py

@@ -54,7 +54,7 @@
 html_theme = 'sphinx_book_theme'
 html_theme_options = {
     'logo': {
-        'text': 'Tâches de calcul : Ressources et suivi (CIP201)',
+        'text': 'Suivi des tâches de calcul et estimation des ressources (CIP201)',
         'image_light': '../images/logo.png'
     }
 }

doc/fr/index.rst

@@ -1,10 +1,10 @@
-Tâches de calcul : ressources et suivi
-======================================
+Suivi des tâches de calcul et estimation des ressources
+=======================================================
 
 `English <../en/index.html>`_
 
 Cet atelier de niveau intermédiaire (CIP201) est la suite de *Premiers pas sur
-les grappes de calcul* (CIP101). Nous y explorons plus en profondeur certains
+les superordinateurs* (CIP101). Nous y explorons plus en profondeur certains
 aspects clés du calcul informatique de pointe.
 
 L’atelier débute par un rappel sur **l’ordonnanceur de tâches**. :doc:`À quoi
@@ -16,13 +16,13 @@ cours de l’atelier précédent, cette section vous servira de référence pend
 les exercices.
 
 La section suivante présente les deux **types de tâches de calcul**. Les
-:doc:`tâches sérielles <task-types/serial>` sont les plus simples. Les
+:doc:`tâches séquentielles <task-types/serial>` sont les plus simples. Les
 :doc:`tâches parallèles <task-types/parallel>`, pour leur part, méritent une
 discussion plus approfondie, incluant la différence entre les programmes
 parallèles multi-fils et MPI. Le parallélisme de données est mentionné
-brièvement et fait l’objet d’un atelier subséquent, `Parallélisme de données sur
-les grappes
-<https://calculquebec.github.io/cq-formation-cip202/fr/index.html>`__ (CIP202).
+brièvement et fait l’objet d’un atelier subséquent, `Gestion de grands lots de
+tâches <https://calculquebec.github.io/cq-formation-cip202/fr/index.html>`__
+(CIP202).
 
 **Estimer les ressources requises** pour une tâche de calcul peut être un défi !
 Cette section discute du :doc:`temps <resources/time>` de calcul, de la

doc/fr/monitoring/interactive-sessions.rst

@@ -6,8 +6,8 @@ Sessions interactives
 Nous avons présenté plusieurs outils pour analyser les tâches de calcul. Les
 commandes de l’ordonnanceur ``seff`` et ``sacct`` affichent de l’information sur
 les tâches complétées. Pour le suivi des tâches actives, nous avons vu comment
-se connecter à un nœud de calcul avec ``ssh`` et y utiliser le gestionnaire de
-tâches ``top``.
+se connecter à un nœud de calcul avec ``srun`` ou ``ssh`` et y utiliser le
+gestionnaire de tâches ``top``.
 
 Les sessions interactives sont un autre outil, particulièrement approprié pour
 des séries de courts tests. Par exemple, si vous analysez la scalabilité d’un
@@ -50,8 +50,8 @@ Démonstration
 - L’option ``--mem=0`` demande toute la mémoire du nœud et ne devrait être
   utilisée que lorsque l’on demande un nœud complet.
 
-2. Tester le programme en mode sériel
-'''''''''''''''''''''''''''''''''''''
+2. Tester le programme en mode séquentiel
+'''''''''''''''''''''''''''''''''''''''''
 
 .. code-block:: console
     :emphasize-lines: 1,4,10
@@ -83,7 +83,7 @@ Démonstration
 
     Précédemment, nous avons vu que la commande ``srun`` est nécessaire pour
     lancer des programmes MPI. ``srun`` peut aussi être utilisée avec n’importe
-    quel autre programme, sériel ou parallèle, multi-fils ou MPI.
+    quel autre programme, séquentiel ou parallèle, multi-fils ou MPI.
 
 3. Tester différents nombres de cœurs CPU
 '''''''''''''''''''''''''''''''''''''''''
@@ -147,7 +147,7 @@ Démonstration
 - Nombre de cœurs CPU : :math:`n`
 - Temps : :math:`t`
 - Performance : :math:`P_n = \text{points} / t`
-- Accélération : :math:`S_n = t_\text{sériel} / t_n`
+- Accélération : :math:`S_n = t_\text{séquentiel} / t_n`
 - Efficacité : :math:`E_n = S_n / n`
 
 Remarques

doc/fr/resources/cpu.rst

@@ -5,8 +5,8 @@ Cœurs CPU
 
 Les cœurs CPU sont une ressource analysée diféremment du temps ou de la mémoire.
 Pour les tâches parallèles, il faut bien sûr choisir un nombre de cœurs.
-Toutefois, aussi bien pour les tâches sérielles que parallèles, il importe de
-vérifier que le CPU est bien utilisé.
+Toutefois, aussi bien pour les tâches séquentielles que parallèles, il importe
+de vérifier que le CPU est bien utilisé.
 
 Pourquoi vérifier l’utilisation du CPU ?
 ----------------------------------------
@@ -129,11 +129,12 @@ paramètres tels que la taille des données d’entrée.
 
 On quantifie la scalabilité avec deux grandeurs : l’accélération et
 l’efficacité. Pour :math:`n` cœurs CPU, l’accélération (*speedup*, :math:`S`)
-est le ratio du temps d’exécution sériel sur le temps d’exécution parallèle :
+est le ratio du temps d’exécution séquentiel sur le temps d’exécution
+parallèle :
 
 .. math::
 
-    S_n = \frac{t_\text{sériel}}{t_n}
+    S_n = \frac{t_\text{séquentiel}}{t_n}
 
 Par exemple, si un calcul requiert 10 minutes avec 1 cœur CPU et 6 minutes avec
 2, l’accélaration est de 1,67. C’est donc une mesure de « combien de fois plus
@@ -167,7 +168,7 @@ peut être calculée à partir de la performance plutôt que du temps de calcul
 
 .. math::
 
-    S_n = \frac{P_{n}}{P_\text{sérielle}}
+    S_n = \frac{P_{n}}{P_\text{séquentielle}}
 
 .. _scalability-exercise:
 
@@ -227,7 +228,7 @@ Pourquoi l’efficacité n’est-elle pas linéaire ?
 La scalabilité est limitée par la fraction du programme qui calcule en parallèle
 (voir figure ci-dessous). C’est ce qu’on appelle la `loi d’Amdahl
 <https://fr.wikipedia.org/wiki/Loi_d%27Amdahl>`__. Un programme parallèle peut
-avoir une fraction sérielle pour une variété de raisons :
+avoir une fraction séquentielle pour une variété de raisons :
 
 - Lecture non parallèle d’un fichier d’entrée ou mise à jour d’un fichier de
   sortie.

doc/fr/resources/memory.rst

@@ -69,7 +69,7 @@ JobID,JobName,NTasks,AveRSS,MaxRSS``.
 - ``MaxRSS`` : le pic d’utilisation mémoire du processus qui en a utilisé
   le plus.
 
-Pour les tâches sérielles et multi-fils, ``AveRSS`` et ``MaxRSS`` sont
+Pour les tâches séquentielles et multi-fils, ``AveRSS`` et ``MaxRSS`` sont
 identiques et correspondent au pic d’utilisation mémoire mesuré.
 
 Pour les tâches MPI, le pic d’utilisation mémoire peut être estimé par

doc/fr/task-types/parallel.rst

@@ -337,7 +337,7 @@ Exercice
 #. Compilez le programme ``pi`` avec la commande ``make``.
 #. Démarrez une tâche interactive avec ``salloc [...] --time=00:10:00``.
    Remplacez ``[...]`` par les options de parallélisme nécessaires pour une
-   tâche MPI et demandez 2 cœurs CPU.
+   tâche MPI et demandez 1 nœud et 2 cœurs CPU.
 #. Exécutez le programme en arrière-plan avec ``mpirun ./pi &``.
 #. Pendant que ``pi`` s’exécute, observez sa consommation CPU avec ``top -u
    $USER`` et ``top -u $USER -H``.
@@ -465,9 +465,9 @@ parallélisme.
 Autres types de parallélisme
 ----------------------------
 
-Le parallélisme de données consiste à répéter une tâche sérielle ou parallèle
-avec différentes données d’entrées, par exemple des images, molécules ou
-séquences d’ADN. Alors que l’objectif du parallélisme dans une tâche est de
+Le parallélisme de données consiste à répéter une tâche séquentielle ou
+parallèle avec différentes données d’entrées, par exemple des images, molécules
+ou séquences d’ADN. Alors que l’objectif du parallélisme dans une tâche est de
 réduire le temps de calcul nécessaire à cette tâche, le parallélisme de données
 vise à augmenter le débit de calcul en exécutant de multiples tâches
 simultanément. Nous convrirons ce sujet en détails dans l’atelier *Parallélisme