并行计算：并行计算机与并行模型的分类

Posted 2020-11-22 fourmi

视频来源：新竹清华大学：并行计算与并行编程课程

分类：1.Flynn‘s classic taxonomy: 从哈佛结构 CPU的处理器做的分类,基于两个维度：指令及数据（GPU：属于SIMD）

 

 

               SISD:单指令，单数据 ，单指令是指在CPU的一个时钟周期 只有一条指令发生动作，单数据是指在CPU的一个任意时钟周期只有一个数据流作为输入。

 

 

               SIMD:单指令，多数据，单指令是指所有的计算单元在每个周期内执行相同的指令，多数据是指处理单元可以执行不同的数据。比如GPU，量化处理（X86 AVX指令集）。

                

 

                MISD：多指令，单数据流，多指令是指 每个处理单元可以通过 分离的指令流  来独立  的处理数据。单数据是指单个数据流送入到多个计算单元中。

 

                 MIMD:多指令,多数据，每个计算单元可以执行不同的指令流，每个计算单元可以处理不同的数据流。缺点：复杂度很大。如多核CPU。

 

 

            2. Memory archicture classification: 从哈佛结构 内存上进行分类

 

 

                 Shared Memory: 不同CPU可以访问同一个内存。根据内存的Access ,latency 及速度 可以分为一致/不一致，

 

 

                       一致性(UMA)：所有CPU与内存直接相连，他们之间的速度是一致的。

                       不一致性(NUMA)：多个CPU连接在一个内存上，不同内存之间存在交流，这里造成冗余。也是非一致性的原因。注意的是需要决定程序运行在哪块CPU/内存上。

                 Distributed Memory:不同CPU都有对应的内存，无法读取对方的内存进行沟通，各自管理。

                        

 

                     沟通：需要一个 沟通网络 来连接内部处理 内存，每个处理器由自己独立的 内存及 地址空间， 不能任意修改 其他处理器的内存。编程时需要注意不同计算单元之间 何时 及 如何 进行 数据的传递。

 

             3. 编程模式的分类。

 

 

                 并行编程模式 基于硬件及内存结构 以 抽象的形式（编程语言） 存在。本质：硬件抽象

                 可分为shared memory prog:用于共享内存机器，message passing prog：针对分布式系统。但编程模式不受限于共享/分布式系统，如 message passing model可以跑在 shared memory上，如signle server上的MPI， shared memory model on distributed memory  如partitioned Global Address Space（此类代价较大）。

 

             Shared Memory :  两种编程库：Pthread(很底层，编程复杂)，OpenMP（很高层次，编程简单）

                

 

              Message Passing:主要在于 内存之间的沟通，内存拷贝，主要用到的库：MPI API

                                                                  

 

              总结：shared memory：快，但规模受限，message passing：程序可以控制，但需要定义接送数据，且要对应，内存拷贝需要开销