Алгоритмы параллельных вычислений и программирование. Бурова И.Г - 123 стр.

UptoLike

ВУЗ: 

СПбГУ | Санкт-Петербург

Составители: 

Рубрика: 

ного уточнения исходных данных может понадобится значительное
количество подобных расчетов. Кроме того, изменение параметров
задачи может увеличить количество необходимых действий в ты-
сячи раз.
Подобные (и на много более сложные) задачи нетрудно пред-
ставить себе в других областях геологии, а также в метеорологии,
в картографии, в астрофизике, при решении задач экологии и, ко-
нечно, в военном деле.
Перечень решаемых с помощью суперкомпьютеров проблем
легко угадывается по списку учреждений, которые приобрели эти
весьма дорогие устройства: Стратегические лаборатории Sandia
(США), Ведомство метеорологии в Великобритании, Центр Поле-
тов NASA (США), Центр вычислительной физики (Япония), Лабо-
ратории в Беркли (США), Океанографическое ведомство (США),
Служба атмосферы (Канада) и т.д.
4.3. Виды обработки данных
В обработке данных условно можно различать два вида обра-
ботки:
— параллельная обработка;
— конвейерная обработка.
Оба вида обработки рассматривались нами ранее.
Как нам известно, идея параллельной обработки состоит в том,
чтобы организовать независимую систему процессоров, которые
могут одновременно и независимо обрабатывать данный алгоритм.
Эта идея не для всех алгоритмов достаточно эффективна: име-
ются алгоритмы, которые практически не поддаются распаралле-
ливанию.
Предположим, доля операций, которые нужно выполнять по-
следовательно, равна f , где 0 ≤ f ≤ 1. В частности, при f = 0 про-
грамма полностью распараллеливается, а при f = 1 программа не
распараллеливается. Тогда ускорение S, которое можно получить
на компьютере, содержащем p процессоров, оценивается неравен-
ством
S ≤
1
f + (1 − f)/p
. (4.1)
Неравенство (4.1) принято называть законом Амдала. Из это-
го неравенства следует, что если доля последовательных операций
велика, то на значительное ускорение не приходится рассчитывать.
124

Страницы