Закон Амдала, сверхмасштабируемые и сверхлинейные по скорости исполнения алгоритмы
Зарегистрируйся в два клика и получи неограниченный доступ к материалам,а также
промокод
на новый заказ в Автор24. Это бесплатно.
Введение
Актуальность работы. Потребность в использовании высокопроизводительных вычислений во всем мире относится к фундаментальным факторам развития стратегического потенциала, имея важное научно-техническое и экономическое значение. На сегодня известны два основных метода повышения производительности и быстродействия вычислительных систем: – использование все более совершенной элементной базы; – параллельное выполнение вычислительных операций. Первый способ связан с весьма значительными капиталовложениями. Опыт фирмы CRAY, которая создала суперкомпьютер на базе арсенида галлия, показал, что разработка принципиально новой элементной базы для высокопроизводительных вычислительных систем − слишком сложная задача даже для таких известных корпораций. Второй способ стал доминировать после объявления в США правительственной программы «Ускоренная стратегическая компьютерная инициатива» (ASC). Учитывая вышеизложенное, следует отметить, что в последнее время процесс создания высокопроизводительных систем вычисления развивался в основном в одном направлении – объединение многих процессоров для параллельного выполнения одного большого и сложного задания. В связи с этим ныне отождествляют понятие суперкомпьютера и параллельной (многопроцессорной) вычислительной системы. При этом для построения суперкомпьютеров берутся серийные микропроцессоры, снабженные собственной локальной памятью, соединяются с помощью некоторой коммуникационной среды. В такой архитектуре много преимуществ: при необходимости можно добавлять процессоры, увеличивая производительность такого кластера; учитывая ограниченные финансовые возможности или когда заранее известна требуемая вычислительная мощность, можно легко подбирать необходимую конфигурацию системы. Название подобных систем подчеркивает теоретически неограниченную масштабируемость устройств такого класса. Объект исследования: Закон Амдала, сверхмасштабируемые и сверхлинейные по скорости исполнения алгоритмы. Предмет исследования: алгоритм параллельных выполнений вычислительных операций. Цель работы: рассмотреть закон Амдала, сверхмасштабируемые и сверхлинейные по скорости исполнения алгоритмы Для осуществления поставленной цели необходимо решить задачи: - рассмотреть современное состояние развития многопроцессорных вычислительных систем; - выявить особенности исследования эффективности многопроцессорных систем законом Амдала; - описать сверхмасштабируемые по скорости исполнения алгоритмы; - проанализировать сверхлинейные по скорости исполнения алгоритмы.
Современное состояние развития многопроцессорных вычислительных систем
Современное состояние развития многопроцессорных вычислительных систем проиллюстрируем на базе анализа их архитектуры. Обычно они используются во время решения задач математической физики, экологии, при разработке новых технологических процессов, мод...
Открыть главуОсобенности исследования эффективности многопроцессорных систем законом Амдала
В идеале система из n процессоров может ускорить вычисления в n раз. В действительности достичь такого показателя не представляется возможным по ряду причин. Основной из этих причин является невозможность полного распараллеливания любой из задач. Как...
Сверхмасштабируемые по скорости исполнения алгоритмы
Необходимость обрабатывать огромные объёмы данных позволила сформулировать ряд требований для алгоритма кластеризации. Рассмотрим эти требования: Минимизация итераций обращения к данным; Ограниченность ресурсов, в частности памяти системы; Восстанавл...
Открыть главуСверхлинейные по скорости исполнения алгоритмы
Sp(n) = T1(n) / Tp(n), (2.2) т.е. как отношение времени решения задач на скалярной ЭВМ к времени выполнения параллельного алгоритма (где величина n применяется для параметризации вычислительной сложности решаемой задачи и может пониматься, например, ...
Заключение
С точки зрения параллелизма как способа повышения эффективности вычислений существуют две крайности. Первый - когда параллельные вычисления невозможны или очень малоэффективны. Обычно это происходит потому, что каждый шаг алгоритма зависит от состояния вычисления или выполнения предыдущего шага. Чрезвычайная параллельность - это совершенно другой тип задачи, которая не требует больших усилий при разделении на несколько отдельных параллельных задач. Чаще всего между этими параллельными задачами нет никакой связи, то есть их результаты не влияют друг на друга. Распараллеливание добавляет накладные расходы: синхронизацию, изменение контекста и т. д. Если задача плохо подвергается параллельным вычислениям, такие накладные расходы могут привести к снижению производительности. С другой стороны, если задача легко делится на параллельные, она может масштабироваться не только по ядрам одной машины, но и по горизонтали между многими различными машинами. Как следствие, возникают проблемы сохранения и комбинирования результатов. Закон Амдала описывает способ, с помощью которого можно моделировать потенциальный прирост производительности при параллельных вычислениях.
Список литературы
Баканов В.М. Персональный вычислительный кластер как недостающее звено в технологии проведения сложных технологических расчетов / В.М. Баканов // Метизы. – 2006. – 2 (12). – С. 33–36 Воеводин В.В. Параллельные вычисления / В.В. Воеводин, Вл.В. Воеводин. – Санкт-Петербург: БХВ-Петербург, 2002. – 608 с Лацис А.О. Как построить и использовать суперкомпьютер / А.О. Лацис. – Москва: Бестселлер, 2003. – 240 с. Массивно-параллельная архитектура [Электронный ресурс] – Режим доступа: http://www.myshared.ru/slide/641118/. – Заглавие с экрана. Швачич Г.Г. О проблеме сопряжения модульных многопроцессорных кластерных систем / Г.Г. Швачич, М.А. Ткач // Научное творчество XXI века: сб. статей. – Красноярск: Изд. Научно-инновационный центр, 2012. – Т. 3. – С. 52–63. Шпаковский Г.И. Организация параллельных ЭВМ и суперскалярных процессоров: учеб. пособие / Г.И. Шпаковский. – Минск: Белгосуниверситет, 1996. – 296 с. Rajkumar B. High Performance Cluster Computing / B. Rajkumar. – New Jersey: Prentice-Hall, 1999. – V. 1. Architectures and Systems. V. 2. Programming and Applications. – 453 p. Tkach M.A. Realization of aggregating of the channels for network interface in the multiprocessor computer systems when solving problems with the expandable area calculations /M.A. Tkach // Mathematics and Computer Science: Journal of Qafqaz University. Baku, Azerbaijan. – Vol. 3. – Numb. 1, 2015 – P. 91–96. https://en.wikipedia.org/wiki/Parallel_computing
