دانلود فایل پاورپوینت قسمت او ل ایده های اصلی

بخشی از پاورپوینت

--- پاورپوینت شامل تصاویر میباشد ----

اسلاید 1 :

چرا کارایی بالا مورد نیاز  است؟

• سرعت بالاتر(حل سریع مسائل)
• پیش بینی هوا
• خط مرگ نرم و سخت
• گذردهی بالاتر(حل مسائل بیشتر)
• پردازش تراکنش ها
• قدرت محاسباتی بالاتر(حل مسائل طولانی)
• پیش بینی هوا برای یک هفته در کمتر از 24 ساعت

اسلاید 2 :

آرگومان سرعت نور

• سرعت نور تقریبا 30 cm/ns است.
• سیگنال با یک سوم سرعت نور در سیم مسی انتقال می یابد.
• اگر برای اجرای یک دستورالعمل سیگنال ها باید 1cm انتقال یابند، بنابراین این دستور حداقل در 0.1ns اجرا می شود. در نتیجه کارایی آن محدود به 10GIPS خواهد شد.
• این محدودیت تا حدودی با روش های حداقل سازی معماری همانند حافظه ی نهان بر طرف می شود.

اسلاید 3 :

چرا پردازش موازی نیاز است؟

Parallelism = Concurrency

  Doing more than one thing at a time

Has been around for decades, since early computers

I/O channels, DMA, device controllers, multiple ALUs

The sense in which we use it in this course

Multiple agents (hardware units, software processes) collaborate to perform our main computational task

- Multiplying two matrices

- Breaking a secret code

- Deciding on the next chess move

اسلاید 4 :

1.2 مثالی از موازی سازی

پیدا نمودن اعداد اول بین 1 تا 30 با روش غربال نمودن اعداد

هر عدد ترکیبی(غیر اول) مضربی از اعداد اول کوچکتر یا مساوی رادیکال آن عدد ترکیبی می باشد.

اسلاید 5 :

Status of Computing Power (circa 2000)

GFLOPS on desktop: Apple Macintosh, with G4 processor

TFLOPS in supercomputer center: 

    1152-processor IBM RS/6000 SP (switch-based network)

    Cray T3E, torus-connected

PFLOPS on drawing board: 

    1M-processor IBM Blue Gene (2005?)

    32 proc’s/chip, 64 chips/board, 8 boards/tower, 64 towers

    Processor: 8 threads, on-chip memory, no data cache

    Chip: defect-tolerant, row/column rings in a 6 ´ 6 array

    Board: 8 ´ 8 chip grid organized as 4 ´ 4 ´ 4 cube

    Tower: Boards linked to 4 neighbors in adjacent towers

    System: 32´32´32 cube of chips, 1.5 MW (water-cooled)

اسلاید 6 :

1.5  Roadblocks to Parallel Processing

• Grosch’s law: Economy of scale applies, or power = cost2
• Minsky’s conjecture: Speedup tends to be proportional to log p
• Tyranny of IC technology: Uniprocessors suffice (x10 faster/5 yrs)
• Tyranny of vector supercomputers: Familiar programming model

• Software inertia: Billions of dollars investment in software
• Amdahl’s law: Unparallelizable code severely limits the speedup

اسلاید 7 :

اثر گذاری پردازش موازی

   P  تعداد پردازنده ها

   W(p)  کار انجام شده توسط p پردازنده

   T(p)  زمان اجرایی توسط p پردازنده

  T(1) = W(1);   T(p) £W(p)

  S(p) = T(1) / T(p)  افزایش سرعت

راندمان  E(p) = T(1) / [p T(p)]

   افزونگی   R(p)= W(p) / W(1)

بکارگیری  U(p) = W(p) / [p T(p)]

   کیفیت  Q(p)= T3(1) / [pT2(p) W(p)]

اسلاید 8 :

     A  Amdahl’s Law (Speedup Formula)

  Bad news – Sequential overhead will kill you, because:

     Speedup  =  T1/Tp  £ 1/[f + (1 – f)/p] £ min(1/f, p)

  Morale: For f = 0.1, speedup is at best 10, regardless of peak OPS.

     B  Brent’s Scheduling Theorem

  Good news – Optimal scheduling is very difficult, but even a naive

  scheduling algorithm can ensure:

      T1/p  £ Tp < T1/p + T¥ =  (T1/p)[1 + p/(T1/T¥)]

  Result: For a reasonably parallel task (large T1/T¥), or for a suitably

  small p (say, p < T1/T¥), good speedup and efficiency are possible.

     C  Cost-Effectiveness Adage

  Real news – The most cost-effective parallel solution may not be

  the one with highest peak OPS (communication?), greatest speed-up

  (at what cost?), or best utilization (hardware busy doing what?).

  Analogy: Mass transit might be more cost-effective than private cars

  even if it is slower and leads to many empty seats.