Процессоры семейства PDP-11.

Вычислительные системы параллельной обработки данных.

Параллельная обработка как архитектурный способ повышения производительности.

Производительность – это важнейший показатель вычислительной системы. Имеются 3 метода повышения производительности:

1. совершенствование элементной базы;

2. совершенствование структуры вычислительных систем;

3. разработки математических методов для решения задач.

Рассмотрим подробнее:

- 1ый способ позволяет при более совершенствованной элементной базе увеличивать тактовую частоту работы системы, интегрировать отдельные блоки в 1 кристалл, тем самым уменьшая время обмена данными между группами. Позволяет увеличивать разрядность шин обмена данными между группами.

- структурные методы позволяют добиваться такой организации вычислительных систем, когда одновременно выполняется еще большее число преобразований.

- математические методы позволяют разрабатывать новые алгоритмы решения задач, допускающие еще большее распараллеливание вычислительных процессов.

 

Преимущества параллельной архитектуры:

1. Построение параллельных вычислительных систем – это единственный способ на сегодняшний день получить наивысшую производительность, поскольку несколько параллельно работающих процессоров работают в целом быстрее, чем 1 даже с наивысшей производительностью.

2. Отношение стоимости к производительности системы – функциональная зависимость между производительностью и стоимостью может быть выражена с помощью закона Троша:

V=1/T=k*c

V – производительность

Т – время решения задач

c – стоимость системы

k – некоторый переводной коэффициент, который зависит от архитектуры, элементной базы и метода решения задач.

 

При создании многопроцессорных систем имеются определенные трудности:

I.

1. Возможны взаимные блокировки вычислительных процессов.

2. Возможно невыполнение некоторых альтернатив.

3. Невозможность вычислительному процессу получить требуемый ресурс (голодание).

4. Несправедливость при распределении ресурсов.

II. Сложность в понимании и анализе вычислительных процессов.

III. Недостаточная разработка теоретических моделей для параллельного выполнения вычислительных процессов.

IV. Недостаточная разработанность методов параллельного программирования.

Существует 2 способа параллельной обработки данных:

1. Многоэлементная обработка – каждый вычислительный элемент Эi выполняет свою работу от начала до конца и осуществляет обработку соответственной порции данных. Если в системе работает n-элементов, то в идеальном случае среднее время выполнения такой работы хотелось бы иметь: tвып.ср. – Т/n

На самом деле это не так, поскольку существуют определённые накладные расходы на организацию работы такой системы.

 

 

Двх.

 

 

… …

 

 

2. Многофазная (многостадийная) обработка – процесс обработки данных разбивается в этом случае на несколько фаз или стадий обработки. Между фазами имеются буферы для хранения и промежуточного результата. Среднее время: tвып.=Т/n.

	Ф1		Ф2		Фi		Фn

Двх. Двых.

… … …

 

 

Этот второй способ соответствует конвейерной обработке данных.

Отметим, что с другой стороны глубина параллельно выполняемых вычислений может быть разной. Могут выполняться параллельно программы – это большие единицы параллелелизма, а могут выполняться команды и даже микрооперации.

 

Классификация систем

Параллельной обработки данных.

Одна из наиболее распространенных классификаций. как поток данных так и поток инструкций может быть одиночным или множественным. На основании этого набора потоков данных и инструкций получаем 4 класса вычислительной архитектуры:

1. Одиночный поток команд и одиночный поток данных – SISD.

 

2. Одиночный поток команд и множественный поток данных – SIMD.

 

3. Множественный поток инструкций и одиночный поток данных – MISD.

 

 

 

4. Множественный поток инструкций и множественный поток данных – MIMD.