换一个角度思考-并行计算.docVIP

换一个角度思考：并行计算 一、前言 工作中，我们总是希望我们自己工作得更有效率，用更少的时间解决更多的问题。在计算机里，这就是并行计算的基本初衷。全世界第一台计算机ENIAC中就已经出现了并行计算的概念。它有20个累加器，可以并发执行多个加减运算，可谓开并行计算的先河。在随后的上世纪五六十年代，由于晶体管和集成电器的发明，出现了了更多更快的计算机。IBM是这一时期的主角，同期计算机编程语言的出现，由软件完成处理并行计算的思想进一步深化。但这一时期的计算还是大型机时代，没有几个平民能用得起这些昂贵的大家伙。计算机和软件技术还锁在研究院和大学校园里。 七十年代，随着微电子技术的发展，出现了微型处理器（CPU）。接着，1974年，全世界第一台个人电脑：牛郎星顺利出炉。紧随其后，看到市场前景的苹果和IBM推波助澜，计算机开始进入个人时代。个人计算机同时又催生了软件业的高速发展，软件又带动CPU不断升级换代。这为并行计算摆脱高端路线，进入平民化时代打下了基础。 庞大的ENIAC，运算速度只相当于现在的一只计算器。 全世界第一款微型处理器：Intel 4004，4位字长，2300个晶体管 全世界第一台个人计算机(PC)：牛郎星。使用Intel8080处理器，配4K内存。 二、为什么需要并行计算？ 在个人计算机诞生后的几十年里，程序员们编写了大量的应用软件，这些软件决大部分了采用串行计算方法。所谓串行，是指软件在PC上执行，在进入CPU前被分解为一个个指令，指令在CPU中一条条顺序执行。任一时间内，CPU只能够运行一条指令。这种方式很符合我们对现实世界的思考习惯。至于软件的运行速度，则依赖硬件的处理能力，尤其CPU的处理速度。这种思维方式到了2005年遇到了挑战。在那一年，受限于制造CPU的半导体材料限制，左右CPU发展的摩尔定律开始失效了。但芯片业很快找到了一个变通的办法：在一块芯片中植入多个处理核心，通过多核的共同运算，提高运行速度。不幸的是，采用串行方法编写的软件面临着一个尷尬的局面：如果仍采用串行编程方式，运行速度将停滞不前。这样，原来需要CPU完成的提速工作，被迫需要软件自已来完成。 在另一个领域：互联网，由于网络数据极速膨胀，数据量已经远远超过一台或者几台大型计算机的处理能力，需要更大数量的计算机协同完成。面对这些问题，主要的解决方案就是：并行计算。 串行计算示例 全球第一款双核处理器：IBM Power4（64位，2001年诞生），主要用于IBM服务器和苹果的Macintosh上。当年的Mac机由于运算速度太快了，被禁止销往中国、朝鲜等“敌对国家”。 AMD第一款双核处理器：Opteron（皓龙 AMD第一款针对桌面的双核处理器：Athlon（速龙）。同样是64位，只比服务器版本晚1个月面市。 Intel是顶极芯片制造商中最晚推出的双核处理器：Intel PentiumD，2005年5月26日发布。 三、并行计算介绍 核心提示：程序=数据+算法，并行计算程序=线程+分片+算法。 3.1 概述 并行计算目前还是一门发展中的学科。并行计算是相对串行计算而言的，并行计算可以分为时间上的并行计算和空间上的并行计算。 时间上的并行计算就是流水线技术，即采用指令预取技术，将每个指令分成多步，各步间叠加操作，当前指令完成前，后一指令准备就绪，缩小指令执行的时钟周期。典型的以时间换空间。流水线技术由处理器（CPU）提供，不属于我们讨论的范畴。 空间上的并行计算是指由多个处理单元（不仅是CPU）执行的计算，是以空间换时间。空间上的并行计算分为两类：单指令多数据流(SIMD)和多指令多数据流(MIMD)。 SIMD是流水技术的扩展，可以在一个时钟周期处理多个指令，我们目前使用的PC大多属于此列，例如AMD 3DNOW 和Intel MMX。因为是硬件提供的技术，也不属于我们讨论的内容。 MIMD大致又分为五类：工作站集群（COW）、对称多处理机（SMP）、大规模并行处理机（MPP）、分布共享存储处理机（DSM）、并行向量机(PVP)。 是我们讨论的重点。 在这一章节，我们将从程序员和算法的角度，着重讨论空间上的并行计算。空间并行计算技术包括数据并行计算和任务并行计算。数据并行计算是指将一个大的数据分解为多个小的数据，分散到多个处理单元执行。任务并行是将大的任务分解为小的任务，分散到多个处理单元执行，任务并行同时还要避免任务重复执行，协调数据的上下文关系，避免冲突发生。任务并行计算与实际应用需求紧密相关。所以，任务并行计算要比数据并行计算复杂得多。并行计算与串行计算的最大不同在于，并行计算不仅要考虑计算本身，还要考虑并行处理模型、网络通信、计算协作诸多问题。 3.2 主要的并行计算体系类型 3.2.1 工作站集群(COW Clust