parallel processing:并行处理
并行处理(Parallel Processing)是计算机系统中能同时执行两个或更多个处理机的一种计算方法。处理机可同时工作于同一程序的不同方面。并行处理的主要目的是节省大型和复杂问题的解决时间。在早期的计算机中,在一个时间里只能运行一个程序。一个计算加强程序将花费一个小时的运行,而带复制程序也将花费一个小时的时间,运行的总时间是两个小时。并行处理的早期形式允许交叉存取完成两个程序。在计算机等待操作完成的时候,它将启动一个I/O操作,这将执行处理器加强程序。两个任务的总的完成时间将只需一个小时多一点。为使用并行处理,首先需要对程序进行并行化处理,也就是说将工作各部分分配到不同处理机中。而主要问题是并行是一个相互依靠性问题,而不能自动实现。此外,并行也不能保证加速。但是一个在n个处理机上执行的程序速度可能会是在单一处理机上执行的速度的n倍。 下一个进步是是多道程序设计。在多道程序设计系统里,多个程序被用户提交,每个程序被允许使用处理器很短的时间。对于用户而言,它表现出的是程序在同一时间内完成。资源争夺的问题最先在这些系统中出现。对资源直接的请求导致了死机的问题。 矢量处理是提高在一个时间里做多件事情的性能的另外一种尝试。这在一些工程应用中是非常有价值的,这些数据自然以矢量或者矩阵的形式出现。在其它应用上,矢量处理就不是那么有价值了。 并行处理(Parallel Processing)的下一步是多重处理技术的介绍。在这些系统里,两个或者更多的处理器分担了正在做的工作。最早的版本具有主/从结构。一个处理器(主处理器)被编程对系统中所有的工作负责;其它的处理器(次处理器)仅仅执行那些主处理器分配的任务。这种安排是非常必要的,这样他们能在管理系统资源时进行合作。 要解决这些问题就导致了均衡多处理系统(SMP)的出现。在一个SMP系统里,每个处理器的能力是平等的,通过系统负责工作流程的管理。
最近更新时间:2008-06-17 EN
相关推荐
-
机器学习、AI要求、示例的基础设施
对于寻求利用数据获得竞争优势的公司来说,IT是作为一种专业学科的存在。现在,企业充斥着数据,但处理和分析数据的 […]
-
Nvidia合作伙伴、客户将AI带入数据中心
英伟达(Nvidia)凭借强大的GPU赢得了最大的云提供商的业务,以运行其AI模型和服务。该供应商正在转向下游 […]
-
使用AI工具简化数据中心内的操作
数据中心使用AI工具来管理它们处理的设施和工作负载。AI可以帮助数据中心管理员完成各种任务,包括电源控制、能耗 […]
-
6个机器学习应用程序助力数据中心优化
对于现在的IT专业人士,机器学习和人工智能是流行词语,而对企业的数据中心而言,它们带来真正的希望。 与你或你的 […]