并行计算基础&编程模型与工具

在当前计算机应用中，对高速并行计算的需求是广泛的，归纳起来，主要有三种类型的应用需求：

1. 计算密集(Computer-Intensive)型应用，如大型科学工程计算与数值模拟；
2. 数据密集(Data-Intensive)型应用，如数字图书馆、数据仓库、数据挖掘和计算可视化等；
3. 网络密集(Network-Intensive)型应用，如协同工作、遥控和远程医疗诊断等。

并行编程模型主要有三种：适用于共享内存的多线程编程模型，适用于分布内存的消息传递编程模型，混合编程模型。

在计算机系统中，处理器永远都是访问离自己最近的存储空间速度最快，比如L1 cache->L2->本地节点内存->远程节点内存/磁盘，而各层次的存储容量跟访问速度恰恰相反。并行计算中，并行算法的设计是决定性能的关键，有些问题天生具有良好的并行性，比如待处理数据集合可以被较好的去耦，而有些问题则需要复杂的公式推导和转换以适合并行计算。同时，还要避免计算过程中可能出现的瓶颈，任务划分要充分考虑负载均衡特别是动态负载均衡，“对等”的思想是维护负载均衡和保持可扩展性的关键之一，即在设计时尽量避免使用Master/Slave和Client/Server的模式。

1.并行机的体系

并行机的发展从SIMD到MIMD，衍生除了四种经典的体系结构模式：SMP（Symmetric Shared-Memory Multiprocessor，比如常用的多核机，可扩展性较差，处理器数目8~16个），DSM（Distributed Shared-Memory，物理存储器分布于各个处理节点，而逻辑地址空间采用统一编址，因此属于共享存储，访存时间受限于网络带宽），MPP（Massive Parallel Processor，由成百上千台处理机组成的大规模系统，国家综合实力的象征。。），机群系统（Cluster，互联的同构或异构的独立计算机的集合体，每个节点都有自己的存储器、I/O、操作系统，可以作为单机使用，节点之间采用商品网络互联，灵活性较强）。

硬件：多核CPU(Intel, AMD)， GPU(Nvidia)， CellBe（Sony&Toshiba&IBM -> game，包括一个主处理单元和8个协处理单元）

概念：数据总线 地址总线 控制总线 （寄存器）位数

2.并行编程模型和工具

– MPI –

MPI(Message Passing Interface)是一种消息传递编程模型，服务于进程通信。它不特指某一个对它的实现，而是一种标准和规范的代表，它是一种库描述，而不是一种语言，易于使用且具有高可移植性。说白了就是一些编程接口。

– OpenMP –

Open Multi-Processing是适用于共享内存多处理器体系结构的可移植并行编程模型，接口由SGI公司发起。包含编译指导、运行函数库和环境变量三部分，具有串行等价性（无论使用一个还是多个线程运行一个程序，都带来相同的结果，更易于维护和理解）和增量并行性（处理器从一个串行程序开始，一块接着一块的寻找那些值得并行化的代码段）。OpenMPI的执行模型采用Fork-Join形式，即主线程-从线程，降低了并行编程的难度和复杂度。

编译器指导语句，visio studio支持，使得OpenMP既可以被看做并行程序也可以被看做串行程序，或者在保持串行程序部分不变的情况下，用户能够方便地将串行程序改写成并行程序。

– MapReduce –

Google，PageRank倒排表索引的构建。Map把输入Input分解成中间的Key/Value对，Reduce把Key/Value合成最终输出Output。

– Hadoop –

MapReduce的开源版本。HFDS，NameNode（JobTracker），DataNode（TaskTracker），集群架构。

– CUDA –

Nvidia公司开发的GPU并行计算工具。

– CellBe –

CellBe的主要目标是将PlayStation2的处理器性能提高10倍，2006年IBM还推出了Cell刀片计算机系统。

参考文献：《并行计算机编程基础》& CUDA课程