计算机并行计算的基本问题及现状.docVIP

计算机并行计算的基本问题及现状 　　0引言 　　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中就己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20世纪五六十年代，由于晶体管和集成电器的发明，出现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东西。计算机和软件技术还锁在研究院和大学校园里。 　　20世纪70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。 　　1并行计算的基本问题 　　1.1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尴尬的局面: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，被迫需要软件自己来完成。在另一个领域:互联网，由于网络数据极速膨胀，数据量己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。 　　1.2并行计算的涵义 　　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。 　　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。 　　MIMD大致又分为5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)。 　　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。 　　1.3主要的并行计算体系类型 　　1.3.1工作站集群(COW Cluster of Workstation) 　　工作站集群可以理解为:PC+网络。它可以由少数几台PC扩展到数千个节点的大规模并行系统，既可以是廉价的并行程序调试环境，也可以成为的高性能计算平台。集群由于低成本，动态可扩充的特点，己经成为高性能计算平台的主流。目前Google搜索和云计算业务即采用这一方式。我国的联想深腾XXXX,曙光XXXX系列均属此类。 　　1.3.2多处理系统(SMP Symmetric Multi Processing) 　　它由多个紧耦合多处理器组成，最大特点就是共享全部资源。 　　1.3.3大规模并行处理系统(MPP Massively Parallel Processing) 　　由许多松祸合处理单元(不是处理器)组成的。这种结构与SMP对立，每个单元自成体系，包括CP