Paralelní Výpočetní Definice
Paralelní výpočty je typ výpočetní architektury, ve které několik procesorů současně spustit více, menší výpočty členěné z celkového větší, komplexní problém.
FAQs
co je to paralelní výpočty?
Paralelní computing se odkazuje na proces se poškodí větší problémy do menších, nezávislých, často podobné části, které mohou být provedeny současně více procesorů komunikujících pomocí sdílené paměti, jejíž výsledky jsou kombinovány po dokončení jako součást celkového algoritmu. Primárním cílem paralelních výpočtů je zvýšit dostupný výpočetní výkon pro rychlejší zpracování aplikací a řešení problémů.
Paralelní výpočetní infrastruktury, je typicky umístěna v rámci jednoho datacentra, kde několik procesorů, které jsou nainstalovány v server rack; výpočty požadavky jsou rozděleny na malé kousky, které aplikační server, které jsou pak provedeny současně na každém serveru.
obecně Existují čtyři typy paralelních výpočtů, dostupné z obou proprietární a open source paralelní výpočetní prodejci — bit-level parallelism, paralelismus na úrovni instrukcí, úkol paralelismus, nebo superword paralelismem:
- Bit-level parallelism: zvyšuje velikost slova procesoru, což snižuje množství instrukcí, které musí procesor provést, aby provedl operaci s proměnnými většími než je délka slova.
- paralelismus na úrovni Instrukcí: hardware přístup funguje na dynamický paralelismus, v němž zpracovatel rozhodne v run-time, které instrukce spustit v paralelní; software přístup funguje na statické paralelismus, v němž kompilátor rozhodne, které pokyny k provedení souběžně
- Úkol paralelismus: forma paralelizace počítačového kódu mezi více procesorů, které běží několik různých úkolů ve stejnou dobu na stejná data
- Superword paralelismem: vektorizace technika, která může využívat paralelismus inline kód
Paralelní aplikace jsou obvykle klasifikovány buď jako jemnozrnný paralelismus, v němž dílčí úkoly budou komunikovat několikrát za sekundu; hrubozrnný paralelismus, v němž dílčí úkoly nekomunikují několikrát za sekundu, nebo trapné paralelismus, v dílčí úkoly, které jen zřídka nebo nikdy komunikovat. Mapování v paralelním výpočtu se používá k řešení trapně paralelních problémů aplikací jednoduché operace na všechny prvky sekvence bez nutnosti komunikace mezi dílčími úkoly.
popularizaci a vývoj paralelních výpočtů v 21. století, přišel v reakci na procesor frekvence škálování bít sílu zdi. Zvýšení frekvence zvyšuje množství energie použité v procesoru a škálování frekvence procesoru již není možné po určitém bodě; proto, programátoři a výrobci začali navrhovat paralelní systém, software a výrobu energie úsporné procesory s více jádry s cílem řešit problém spotřeby energie a přehřátí centrální procesorové jednotky.
význam paralelních výpočtů stále roste s rostoucím využitím vícejádrových procesorů a GPU. GPU spolupracují s CPU na zvýšení propustnosti dat a počtu souběžných výpočtů v rámci aplikace. Pomocí síly paralelismu může GPU dokončit více práce než CPU v daném čase.
Základy Paralelní Počítačové Architektury
Paralelní počítačové architektury existuje v široké škále paralelní počítače, klasifikovány podle úrovně, na které hardware podporuje paralelismus. Paralelní Počítačová architektura a programovací techniky spolupracují na efektivním využití těchto strojů. Třídy paralelních počítačových architektur zahrnují:
- vícejádrové výpočty: Vícejádrový procesor je integrovaný obvod počítačového procesoru se dvěma nebo více samostatnými procesorovými jádry, z nichž každé paralelně provádí programové pokyny. Jádra jsou integrovány do více umírá v jednom čipu balíčku nebo na jeden integrovaný obvod zemřít, a může realizovat architektury jako multithreading, superskalárních, vektor, nebo VLIW. Vícejádrové architektury jsou kategorizovány buď jako homogenní, který zahrnuje pouze identická jádra, nebo heterogenní, který zahrnuje jádra, která nejsou identická.
- symetrické multiprocesing: více procesory, počítačový hardware a softwarové architektury, ve které dva nebo více nezávislé, homogenní procesory jsou řízeny jeden operační systém, například, že léčí všechny procesory stejně, a je připojen k jedné, společná hlavní paměť s plným přístupem do všech běžných zdrojů a zařízení. Každý procesor má vlastní vyrovnávací paměť, může být připojen pomocí sítí on-chip mesh a může pracovat na jakémkoli úkolu bez ohledu na to, kde jsou data pro tento úkol umístěna v paměti.
- distribuované výpočty: Distribuované systémové komponenty jsou umístěny na různých počítačích v síti, které koordinují své akce komunikací prostřednictvím čistých konektorů typu HTTP, RPC a front zpráv. Mezi významné charakteristiky distribuovaných systémů patří nezávislé selhání komponent a souběžnost komponent. Distribuované programování je obvykle roztříděny jako klient–server, třívrstvá, n-tier, nebo peer-to-peer architektury. V distribuovaných a paralelních výpočtech je mnoho překrývání a termíny se někdy používají zaměnitelně.
- masivně paralelní výpočty: odkazuje na použití mnoha počítačů nebo počítačových procesorů k paralelnímu provádění sady výpočtů. Jeden přístup zahrnuje seskupení několika procesorů do pevně strukturovaného centralizovaného počítačového clusteru. Dalším přístupem je grid computing, ve kterém mnoho široce distribuovaných počítačů spolupracuje a komunikuje přes Internet, aby vyřešilo konkrétní problém.
Další paralelní architektury počítačů zahrnují specializované paralelní počítače, cluster computing, grid computing, vektorové procesory, application-specific integrated circuits, general-purpose computing on graphics processing units (GPGPU), a rekonfigurovatelné výpočetní techniky s field-programmable gate arrays. Hlavní paměť v jakékoli paralelní struktuře počítače je buď distribuovaná paměť, nebo sdílená paměť.
Paralelní Výpočetní Software, Řešení a Techniky
Souběžných programovací jazyky, Api, knihoven, a paralelní programování modely byly vyvinuty s cílem usnadnit paralelní výpočty na paralelních hardware. Některé paralelní výpočetní software, řešení a techniky patří:
- Aplikace kontrola: technika, která poskytuje fault tolerance pro výpočetní systémy nahrávat všechny aplikace je aktuální proměnná státy, což umožňuje aplikaci obnovit a restart od tohoto bodu v případě selhání. Checkpointing je klíčovou technikou pro vysoce paralelní výpočetní systémy, ve kterých je vysoce výkonné výpočty provozováno na velkém počtu procesorů.
- automatická paralelizace: označuje převod sekvenčního kódu na vícevláknový kód, aby bylo možné současně používat více procesorů ve stroji s více procesory sdílené paměti (SMP). Automatické paralelizační techniky zahrnují analýzu, analýzu, plán a generování kódu. Typickými příklady běžných paralelizačních kompilátorů a nástrojů jsou kompilátor Paradigm, kompilátor Polaris, kompilátor Rice Fortran D, kompilátor SUIF a kompilátor Vienna Fortran.
- paralelní programovací jazyky: paralelní programovací jazyky jsou obvykle klasifikovány jako distribuovaná nebo sdílená paměť. Zatímco programovací jazyky distribuované paměti používají ke komunikaci předávání zpráv, programovací jazyky sdílené paměti komunikují manipulací s proměnnými sdílené paměti.
Rozdíl Mezi Paralelní Computing a Cloud Computing
Cloud computing je obecný termín, který odkazuje na dodání škálovatelné služby, jako je databáze, datová úložiště, sítě, servery a software, přes Internet podle potřeby, a pay-as-you-go bázi.
Cloud computing služby mohou být veřejné nebo soukromé, jsou plně spravované poskytovatelem, a usnadnit vzdálený přístup k datům, práci, a aplikace z libovolné zařízení v jakémkoli místě schopen vytvořit připojení k Internetu. Tři nejčastější kategorie služeb jsou Infrastruktura jako Služba (IaaS), Platforma jako Služba (PaaS) a Software jako Služba (SaaS).
Cloud computing je relativně nové paradigma v oblasti vývoje software, který usnadňuje širší přístup na paralelní výpočty přes obrovské, virtuální počítačové clustery, který umožňuje průměrný uživatel a menší organizace využít paralelní výpočetní výkon a možnosti ukládání obvykle vyhrazena pro velké podniky.
Rozdíl Mezi Paralelní Zpracování a Paralelní výpočty
Paralelní zpracování je metoda v oblasti výpočetní techniky, ve které jednotlivé části celkového složitý úkol se rozešli a spustit současně na více Procesorech, čímž se snižuje množství času pro zpracování.
Dělení a přiřazení každého úkolu na jiný procesor je obvykle proveden pomocí počítačových vědců s podpora paralelního zpracování softwarové nástroje, které budou také pracovat, aby znovu složit a číst data jednou každý procesor má vyřešit jeho konkrétní rovnice. Tento proces se provádí buď prostřednictvím počítačové sítě, nebo prostřednictvím počítače se dvěma nebo více procesory.
Paralelní zpracování a paralelní výpočetní vyskytují v tandemu, tedy termíny jsou často používány zaměnitelně; nicméně tam, kde paralelní zpracování se týká počtu jader a Procesorů běží souběžně v počítači, paralelní výpočty se týká způsobu, jakým software se chová optimalizovat pro daný stav.
Rozdíl Mezi Sekvenční a Paralelní výpočty
Sekvenční výpočetní techniky, také známý jako sériový výpočet, se odkazuje na použití jediného procesor vykonávat program, který je rozdělen na posloupnost diskrétních instrukcí, každá provedeny jeden po druhém se ne překrývají v daném okamžiku. Software byl tradičně naprogramován postupně, což poskytuje jednodušší přístup, ale je výrazně omezeno rychlostí procesoru a jeho schopností provádět každou řadu instrukcí. Tam, kde Uni-procesorové stroje používají sekvenční datové struktury, datové struktury pro paralelní výpočetní prostředí jsou souběžné.
Měření výkonu v sekvenčním programování je mnohem složitější a důležitější než standardy v paralelní computing, jak to obvykle jen zahrnuje identifikaci úzkých míst v systému. Standardy v oblasti paralelních výpočtů může být dosaženo s benchmarking a výkonnostní regrese testování rámců, které používají různé metodiky měření, jako je statistické zpracování a více opakování. Schopnost vyhnout se tomuto zúžení přesunutím dat prostřednictvím paměťové hierarchie je patrné zejména v oblasti paralelních výpočtů pro data science, strojového učení, paralelní výpočty, paralelní výpočty, umělé inteligence případy použití.
sekvenční výpočty jsou v podstatě opakem paralelních výpočtů. Zatímco paralelní výpočty mohou být složitější a mají vyšší náklady vpředu, výhoda schopnosti rychleji vyřešit problém často převažuje nad náklady na získání paralelního výpočetního hardwaru.
nabízí OmniSci paralelní výpočetní řešení?
OmniSci platforma využívá masivní paralelní výpočetní výkon Gpu pro zpracování Velkých objemů Dat analytics, což big data analytiky a datové vědci moci interaktivně dotaz, vizualizovat, a údaje o výkonu vědecké pracovní postupy více než miliardy záznamů v milisekundách. Platforma OmniSci je navržena tak, aby překonala škálovatelnost a omezení výkonu starších analytických nástrojů, které čelí atributům měřítka, rychlosti a polohy dnešních velkých datových souborů.