您当前位置:资讯中心 >云计算 >浏览文章

分布式计算

来源:不详 日期:2021/4/20 11:15:53 阅读量:(0)

       一、大数据对计算的影响

1.处理量对性能的影响

大数据从体量上增加了算法的处理对象,处理量的增加影响算法的空间复杂度和时间复杂度。

2.算法结构的影响

大数据可能影响算法中输入输出的参数,对原来算法的结构提出更高的要求。

(1)算法中预留的参数位置用尽,导致算法无法适应数据维度的变化

(2)对输入参数次序的影响,导致算法计算结果为“伪结果”

       二、并行计算

其基本思想是用多个处理器来协同求解同一问题,即将被求解的问题分解成若干个部分,各部分均由一个独立的处理机来进行并行计算。

分布计算.webp.jpg


1.提高计算机性能的主要手段

(1)提高集成度

(2)提高处理器字长

(3)流水线等微体系结构技术

(4)提高处理器频率

2.为何要进行并行计算

(1)VLSI集成度不可能无限制提高

(2)处理器的指令级并行度提升接近极限-->CPU墙

(3)处理器速度和存储器速度差异越来越大(处理器性能2年翻一倍,存储器性能6年翻一倍)-->存储墙

(4)功耗和散热大幅增加超过芯片的承受能力-->功耗墙

3.为什么要进行并行计算

(1)越来越多的研究领域和应用领域将需要使用并行计算技术

(2)并行计算技术将对传统计算技术产生革命性的影响

(3)软件开发/程序设计人员面临挑战

4.并行计算分类

(1)弗林(Flynn)分类

SISD:单指令单数据流------->传统的单处理器串行处理

SIMD:单指令多数据流------->向量机,信号处理系统

MISD:多指令单数据流------->很少使用

MIMD:多指令多数据流------->最常用,TOP500基本都属于此类型

(2)按并行类型分类

数据并行级:一个大的数据块划分为小块,分别由不同的处理器/线程处理

任务并行级:一个大的计算任务划分为子任务分别由不同的处理器/线程来处理

位级并行(Bit-Level Parallelism)

指令级并行(ILP:Instruction-Level Parallelism)

线程级并行(Thread-Level Parallelism)

(3)按存储访问结构划分

共享内存

分布共享存储体系结构

分布式内存

(4)按系统类型划分

多核/众核并行计算系统MC

对称多处理系统SMP:多个相同类型处理器通过总线连接并共享存储器

大规模并行处理MPP:专用内联网连接一组处理器形成一个计算机系统

集群(Cluster):网络连接的一组普通商用计算机构成的计算机系统

网格(Grid):用网络远程连接远距离分布的一组异构计算机构成的计算机系统

(5)按计算特征分类

数据密集型并行计算

计算密集型并行计算------>气象预报

数据密集与计算密集混合型并行计算------->3D电影渲染






关键字:
声明:我公司网站部分信息和资讯来自于网络,若涉及版权相关问题请致电(63937922)或在线提交留言告知,我们会第一时间屏蔽删除。
有价值
0% (0)
无价值
0% (10)

分享转发:

发表评论请先登录后发表评论。愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。