并行编程模型1

Posted wdmx

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了并行编程模型1相关的知识,希望对你有一定的参考价值。

转自 https://blog.csdn.net/scape1989/article/details/61622457

并行编程模型
2017年03月12日 17:19:33
阅读数:1846
在计算领域,并行编程模型是并行计算机体系架构的一种抽象,它便于编程人员在程序中编写算法及其组合。一个编程模型的价值可以通过其通用性(generality)来判断,如不同体系架构的一系列不同的问题能否在该模型中很好地表示以及其性能如何,编译后的程序执行效率有多高等。并行编程模型的实现有两种方式,作为已有的语言的一种扩展,通过库的形式来调用,或者作为一种全新的语言。

 围绕一个实际的编程模型的共识是重要的,因为它会导致构建出支持该模型的不同的并行计算机,从而提高软件的兼容性。在这种意义上说,编程模型是硬件和软件之间的桥梁。

并行编程模型可以分为两类:(1)进程通信(process interaction)和问题分解(problem decomposition)。下面我们简要介绍这两类模型有哪些形式。

  进程通信:进程通信涉及并行进程互相通信的机制。最常用的通信形式是共享内存(shared memory)和消息传递(message passing),但是通信形式也可以是隐式的,对程序员是不可见的。

    1)共享内存:共享内存是进程间传递数据的一种高效方法。在共享内存模型中,并行进程共享一个进行异步读取的全局地址空间。异步并发访问可能导致条件竞争,因此需要同步机制来避免条件竞争,这些机制包括锁,信号量,管程(monitor)。传统的多核处理器是直接支持共享内存的,所以导致很多利用该特性的语言和库出现,如Cilk、OpenMP和Threading Building Blocks。

2)消息传递:在消息传递模型中,并行进程是通过消息传递来交换数据的。这些通信可以是异步的,即消息可以在接收者做好准备前发送,也可以是同步的,即只有接受者准备好接收消息时才能发送。消息传递的CSP(Communicating sequential processes)模型使用同步通信channel来连接进程,这种模式被Occam、Limbo和Go等语言所采用的。相反,Actor模型则使用异步消息传递。这种模式被D,Scala和SALSA等语言所采用。

3)隐式通信(Implicit interaction):在隐式通信中,进程通信对程序员来说是不可见的,进程通信是由编译器或者运行时来处理和实现。并发被预置在高级操作子中的领域特定语言(domain-specific language)和函数式编程语言是隐式并行的典型例子,因为无副作用(side-effect)允许非依赖的函数可以并发执行。但是这种并行模式是很难管理的。函数式语言如Concurrent Haskell和Concurrent ML提供了显示管理并行化的功能。

问题分解:并行程序是由同时运行的进程组成。问题分解涉及所有进程如何被组织起来的方式。问题分解包括三种并行模型:(1)任务并行模型(task parallelism);(2)数据并行模型(Data parallelism);(3)隐式并行模型(Implicit parallelism)。

1)任务并行化:任务并行模型关注进程或线程的执行。这些进程在行为上是不同的,而且相互之间的通信是非常重要的。任务并行化是表示消息传递通信的一种自然方式。在Flynn分类法中,任务并行化的三种形式是MIMD、MPMD或者MISD。

2)数据并行化:数据并行化关注在数据集上执行的操作。一组任务对数据集进行运算,但是会对不同的分区进行运算。在Flynn分类法中,任务并行化的三种形式是SIMD、SPMD或者SIMD。

3) 隐式并行化:对程序员来说是不可见的,由编译器、运行时或硬件负责实现。例如,在编译器领域,自动并行化就是将顺序执行的代码转换为并行代码的过程;在计算机体系架构领域,超标量执行就是一种利用指令级并行来实现并行运算的机制。

并行编程模型与并行计算模型是密切相关的。并行计算模型是用于分析计算进程代价的一种抽象,它不是必须具备可行性,即可以在硬件或软件上可以被高效地实现。相反,并行编程模型则明确地暗示了软硬件实现的可行性考虑。一种并行编程语言的实现可以基于一个或多个并行编程模型。例如,高性能Fortran就是基于共享内存通信和数据并行问题分解来实现的,Go语言则同时提供了共享内存和消息传递两种通信机制。

并行编程模型的例子

名字

进程通信类别

问题分解类别

样例实现

Actor model

Asynchronous

message passing

Task

D, Erlang, Scala, SALSA

Bulk synchronous

parallel

Shared memory

Task

Apache Giraph, Apache Hama, BSPlib

Communicating

sequential processes

Synchronous

message passing

Task

Ada, Occam, VerilogCSP, Go

Circuits

Message passing

Task

Verilog, VHDL

Dataflow

Message passing

Task

Lustre, TensorFlow, Apache Flink

Functional

Implicit

Task

Concurrent Haskell, Concurrent

ML

LogP machine

Synchronous

message passing

Not specified

None

Parallel random

access machine

Shared memory

Data

Cilk、CUDA、OpenMP、Threading Building Blocks、XMTC




以上是关于并行编程模型1的主要内容,如果未能解决你的问题,请参考以下文章

MapReduce并行编程模型

理解并行编程

并行计算基础&编程模型与工具

[工作积累] UE4 并行渲染的同步 - Sync between FParallelCommandListSet & FRHICommandListImmediate calls(代码片段

并行编程(Future)

8天玩转并行开发——第六天 异步编程模型