спасибо за помощь!
Информация о работе
Подробнее о работе
Закон Амдала, сверхмасштабируемые и сверхлинейные по скорости исполнения алгоритмы
- 27 страниц
- 2019 год
- 36 просмотров
- 1 покупка
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Введение 3
1 Теоретические основы исполнения алгоритмов и закон Амдала 5
1.1 Современное состояние развития многопроцессорных вычислительных систем 5
1.2 Особенности исследования эффективности многопроцессорных систем законом Амдала 7
2 Сверхмасштабируемые и сверхлинейные по скорости исполнения алгоритмы 16
2.1 Сверхмасштабируемые по скорости исполнения алгоритмы 16
2.2 Сверхлинейные по скорости исполнения алгоритмы 22
Заключение 26
Список литературы 27
1.1 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, моделировании сложных технических систем, применяются в деятельности научно-исследовательских центров, вузов, конструкторских бюро, а также предприятий, занимающихся компьютерным моделированием[1].
...
1.2 Особенности 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 правило, каждая программа имеет свой фрагмент кода, который в принципе должен выполняться последовательно и только одним из процессоров. Это может быть часть программы, которая отвечает за выполнение задачи и распространение распараллеленного кода на процессоры, или фрагмент программы, который обеспечивает операции ввода-вывода. Можно привести и другие примеры[3], но главное, что нет необходимости говорить о полном распараллеливании задачи. Известные проблемы возникают с той частью задачи, которую можно распараллелить.
...
2.1 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;
• Восстанавливаемость алгоритма;
• Работа алгоритма с базой данных в режиме однонаправленного курсора.
Выполнение данных условий, в особенности третьего пункта, определяет алгоритм как масштабируемый. Алгоритм называют масштабируемым, если при неизменной емкости оперативной памяти с увеличением числа записей в базе данных время его работы растет линейно.
В последовательных вычислениях алгоритмы хорошо характеризуются с точки зрения количества операций и требований к памяти. При условии наличия достаточного объема памяти время выполнения последовательного алгоритма пропорционально выполняемой работе.
...
2.2 Сверхлинейные по скорости исполнения алгоритмы
Ускорение (speedup), получаемое при использовании параллельного алгоритма для p процессоров, по сравнению с последовательным вариантом выполнения вычислений определяется величиной [7]
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, как количество входных данных задачи).
Эффективность (efficiency) использования параллельным алгоритмом процессоров при решении задачи определяется соотношением
Ep(n) = T1(n) / (pTp(n)) = Sp(n) / p (2.3)
(величина эффективности определяет среднюю долю времени выполнения алгоритма, в течение которой процессоры реально задействованы для решения задачи).
Из приведенных соотношений можно показать, что в наилучшем случае
Sp(n) = p и Ep(n) = 1 (2.
...
1. 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
2. Воеводин В.В. Параллельные вычисления / В.В. Воеводин, Вл.В. Воеводин. – Санкт-Петербург: БХВ-Петербург, 2002. – 608 с
3. Лацис А.О. Как построить и использовать суперкомпьютер / А.О. Лацис. – Москва: Бестселлер, 2003. – 240 с.
4. Массивно-параллельная архитектура [Электронный ресурс] – Режим доступа: http://www.myshared.ru/slide/641118/. – Заглавие с экрана.
5. 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.
6. Шпаковский Г.И. Организация параллельных ЭВМ и суперскалярных процессоров: учеб. пособие / Г.И. Шпаковский. – Минск: Белгосуниверситет, 1996. – 296 с.
7. 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.
8. 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.
9. https://en.wikipedia.org/wiki/Parallel_computing
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
