嗨, 歡迎來到課程的第一部分。

平行計算和Python入門。

在本節中, 我們將討論平行計算和記憶體架構。

我們還將關注記憶體組織和並行程式設計模型。

接下來, 我們將看到如何設計並行程式, 並評估並行程式的效能。

此外, 我們將介紹Python。

並且我們將與流程一起工作, 並與他們一起調節。

所以我們來看看這部分的第一部影片。

平行計算記憶體架構。

在這個視訊中, 我們將瞭解Flynn的分類法, 其中包括SISD, MISD, SIMD和MIMD。

我們現在來看看平行計算記憶體架構。

基於可以同時處理的指令和資料的數量, 計算機系統被分為四類。

一, 單指令單資料, SISD。

二, 單指令多資料, SIMD。

三, 多指令單資料, MISD。

四, 多指令多資料, MIMD。

這種分類被稱為Flynn的分類法。

讓我們明白SISD是什麼。

SISD計算系統是一個單處理器。

它執行在單個數據流上操作的單個指令。

在SISD中, 依次處理機器指令。

在一個時鐘週期中, CPU執行一次, 取出的操作。 CPU從被稱為暫存器的儲存器區域讀取資料和指令。

二, 解碼。 CPU解碼指令。

三, 執行。該指令是對資料進行的。操作結果儲存在另一個暫存器中。

一旦執行階段完成, CPU將自己設定為開始另一個CPU週期。

這就是SISD架構架構的工作原理。

在這些型別的計算機上執行的演算法是連續的或序列的。

因為它們不包含任何並行性。

SISD計算機的示例是具有單個CPU的硬體系統。

這些架構的主要元素, 也稱為馮·諾依曼（Von Neumann）架構, 如圖所示。

一, 中央儲存單元。這用於儲存指令和程式資料。

二, CPU。這用於從儲存器單元獲取指令和/或資料, 該指令和/或資料對指令進行解碼並依次執行它們。

三, I / O系統。這是指程式的輸入資料和輸出資料。

傳統的單處理器計算機被分類為SISD系統。

該圖具體顯示了在獲取, 解碼和執行階段使用CPU的哪個區域。

現在我們來看看MISD是什麼。

在這個模型中, 在處理器中, 每個都有自己的控制單元, 共享一個記憶體單元。

並且每個時鐘週期, 從儲存器接收的資料被所有處理器同時處理。

每個都與從其控制單元收到的指令相矛盾。

在這種情況下, 通過在同一條資料上執行多個操作來獲得並行性, 指令級並行性。

在這些架構中可以有效解決的問題型別相當特別。

如關於資料加密的那些。

為此, 電腦MISD在商業領域沒有找到空間。

MISD電腦比實際配置更多是一種智力鍛鍊。

這就是MISD架構方案的外觀。

接下來我們來看一下SIMD。

SIMD計算機由n個相同的處理器組成, 每個處理器都有自己的本地儲存器, 可以儲存資料。

所有處理器都可以在單個指令流的控制下工作。

除此之外, 還有n個數據流。

一個為每個處理器。

處理器在每個步驟上同時工作並執行相同的指令, 但是在不同的資料元素上。

這是資料級並行性的一個例子。

SIMD架構比MISD架構更加通用。

涵蓋廣泛應用的許多問題可以通過SIMD計算機上的並行演算法來解決。

另一個有趣的特徵是這些計算機的演算法相對容易設計, 分析和實現。

限制是, 只有可以分為多個子問題的問題, 這些問題都是相同的, 每個問題將通過同一組指令同時解決。

可以使用SIMD電腦進行定址。

用超級計算機開發, 根據這個標準, 我們必須提到連線機, 1985思想機。

一個NPP, 從1983年是NASA。

正如我們將在第六部分中看到的那樣, GPU程式設計與python, 現代圖形處理器單元的Athene或GPU, 搭配許多SIMD嵌入式單元, 已經導致了更廣泛地使用這種計算機的典範。

我們現在開始瞭解MIMD是什麼。

根據Flynn的分類, 這類平行計算機是最通用, 更強大的類。

這裡有終端處理器和指令流, 以及n個數據流。

每個處理器都有自己的控制單元和本地儲存器。這使得MIMD架構比SIMD中使用的架構更具計算能力。

每個處理器在其自己的控制單元發出的指令流的控制下操作。

因此, 處理器可以在不同的資料上執行在不同的程式中。

解決不同的子問題, 可以成為一個更大問題的一部分。

在MIMD中, 通過執行緒和/或程序的並行級別來實現架構。

這也意味著處理器通常非同步執行。該類中的計算機用於解決SIMD模型不需要常規結構的問題。

如今, 這種架構應用於許多PC, 超級計算機和計算機網路。

但是, 有一個你需要考慮的櫃檯。非同步演算法難以設計, 分析和實現。大。

所以現在我們知道平行計算記憶體架構如何工作。

在下一個視訊中, 我們將看看記憶體組織。