1. Location:
  2. / Computer learning >> Datamaskin læring >> cyber security >> nettverk >> datamaskin-nettverk >>

Hva er Parallel Computing

Parallel Computing er utviklet fra serie databehandling som forsøker å etterligne det som alltid har vært tingenes tilstand i naturen. Vi kan si mange komplekse irrelevante hendelser skjer samtidig sequentionally. For eksempel; planetenes bevegelser, Automobile montering, galaksedannelse, Vær og Ocean mønstre.

Historisk er det anses å være "den høye enden av computing" og har blitt brukt til å modellere vanskelig vitenskapelige, beregnings og tekniske problemer.
i beregnings feltet teknikk som brukes for å løse beregningsoppgaver ved hjelp av forskjellige typer av flere ressurser samtidig kalles som parallell databehandling. Det bryter ned stort problem i små, som er løst samtidig.

ELLER
Et system der to eller flere deler av ett program operere samtidig på flere prosessorer.
Parallell databehandling har blitt dominerende paradigme i datamaskinarkitektur og parallelle datamaskiner kan klassifiseres i henhold til det nivået der deres hardware støtter parallellitet. Beregningsressurser kan omfatte:

Enkelt datamaskin med flere prosessorer

Variant no.. datamaskiner som er koblet til nettverket
En kombinasjon av begge
Typer Parallel Computing:..
Det finnes flere typer Parallel Computing som er brukt over hele verden

Bit-nivå. parallellitet

Instruksjon nivå parallellitet

Task parallellitet
Bit nivå parallellitet...
Det er en form av parallellitet som er basert på prosessorer ord størrelse øker. Det forkorter no. instruksjoner som systemet må kjøres for å utføre en oppgave på variabler som er større i størrelse
Instruksjon nivå parallellitet.
Det er en form for parallell databehandling der vi kan beregne hvor mye operasjonen utført av et operativsystem på samme tid. For eksempel

.

  • Instruksjon pipelining Ut av ordreutførelse.
  • Registrer døpe.
  • Spekulativ utførelse.
  • Branch prediksjon. < .no> Task Parallellitet:
    Task Parallellitet er en form for parallellisering der ulike prosessorer kjøre programmet mellom forskjellige regler for distribusjon. Det kalles også som funksjon Parallellitet
    Anvendelser av Parallel Computing.
    Dette rotne teknikken brukes ved arbeid som krever behandling av store mengder data i sofistikerte måter. For eksempel,...
  • Databaser, Data mining

    Nettbaserte videoer og Multimedia teknologier

    Medisinsk bildebehandling og diagnose

    Avansert grafikk og virtuell virkelighet.

    Delte arbeidsmiljøer
    Prose av Parallel Computing.


    Spar tid /penger:

    Parallell bruk av flere ressurser forkorter oppgaven gjennomføringstid, med potensial kostnadsbesparelser. Parallelle klynger kan konstrueres fra billige komponenter

    Løs Større problemer.
  • Komplekse og store problemer som er upraktisk å løse ved en enkelt datamaskin spesielt med begrenset minne. For eksempel; 1.Problem krever Peta FLOPS og Peta Bytes. 2. Web søkemotorer /million transaksjoner pr seksjon i data base behandling

    Samtidighet.
  • Flere dataressurser kan gjøre samtidige ting, i forhold til én enkelt datamaskin ressurs. For eksempel Tilgang Grid (Gir globalt samarbeid nettverk nesten)

    Support ikke Lokale ressurser..
  • Nettverks brede dataressurser kan utnyttes i mangel på lokale ressurser

    Cons of Parallel Computing:

    Overføringshastighet:

    Sendehastighet hastighet~~POS=HEADCOMP er relativt lav som avhenger av, hvor fort data kan bevege seg gjennom maskinvare. Sendemedie begrensninger som (grense på kobbertråd 9cm /nanosekund) gjør dataoverføring lav

    Vanskelig Programmering:.
  • Det er vanskelig å skrive algoritmer og dataprogrammer som støtter parallell databehandling som krever det integrasjon av komplekse instruksjoner. Bare folk med nok kunnskap kan kode programmet godt

    kommunikasjon og synkronisering..
  • kommunikasjon og synkronisering mellom under oppgaver er vanligvis en av de største hindringene for å få god parallelt program ytelse

    Future of Parallel Computing:
    det er forventet å lede til andre store endringer i bransjen. Store selskaper som Intel Corp og Advanced Micro Devices Inc har allerede integrert fire prosessorer i en enkelt brikke. Nå hva som trengs er simultanoversettelse og spille seg gjennom teknologier, kappløpet for resultater i parallell databehandling er i full gang. En annen stor utfordring er å skrive et program for å dele dataprosessorer i biter. Dette kan bare gjøres med det nye programmeringsspråk for å revolusjonere hvert stykke programvare skrevet. Parallell databehandling kan endre måten dataarbeid i fremtiden og hvordan. Vi bruker dem for arbeid og lek.