مزایا و معایب پردازش موازی

محاسبات موازی استفاده از دو یا چند پردازنده (هسته، کامپیوتر) در ترکیب برای حل یک مشکل واحد است. این یک نوع معماری محاسباتی است که در آن چندین پردازنده به طور همزمان یک برنامه یا محاسبات را اجرا یا پردازش می کنند. محاسبات موازی به انجام محاسبات بزرگ با تقسیم حجم کار بین بیش از یک پردازنده کمک می کند، که همه آنها در یک زمان از طریق محاسبات کار می کنند. اکثر ابر رایانه ها از اصول محاسبات موازی برای کار استفاده می کنند.

این نوع محاسبات به عنوان پردازش موازی نیز شناخته می شود. هدف اصلی محاسبات موازی افزایش توان محاسباتی موجود برای پردازش سریعتر برنامه یا وضوح کار است.

زیرساخت محاسباتی موازی در یک مرکز واحد قرار دارد که در آن بسیاری از پردازنده‌ها در یک یا سرورهای جداگانه نصب شده‌اند که به یکدیگر متصل هستند.

عموماً در محیط‌ها/سناریوهای عملیاتی که نیاز به محاسبات یا قدرت پردازش عظیم دارند، اجرا می‌شود.

در آوریل 1958، اس. گیل (فرانتی) برنامه ریزی موازی و نیاز به انشعاب و انتظار را مورد بحث قرار داد. همچنین در سال 1958، جان کوک و دانیل اسلاتنیک، محققین IBM، برای اولین بار در مورد استفاده از موازی سازی در محاسبات عددی بحث کردند. شرکت Burroughs D825 را در سال 1962 معرفی کرد، یک کامپیوتر چهار پردازنده که از طریق یک سوئیچ crossbar به 16 ماژول حافظه دسترسی داشت.

محاسبات موازی تاریخی برای محاسبات علمی و شبیه‌سازی مسائل علمی به‌ویژه در علوم طبیعی و مهندسی مانند هواشناسی استفاده می‌شد. این امر منجر به طراحی سخت افزار و نرم افزار موازی و همچنین محاسبات با کارایی بالا شد.

برای مقابله با مشکل مصرف انرژی و گرمای بیش از حد واحد پردازش مرکزی اصلی (CPU یا پردازنده) تولید کنندگان شروع به تولید پردازنده های کم مصرف با چندین هسته کردند. هسته واحد محاسباتی پردازنده است و در پردازنده‌های چند هسته‌ای، هر هسته مستقل است و می‌تواند به طور همزمان به حافظه مشابهی دسترسی داشته باشد. پردازنده های چند هسته ای محاسبات موازی را به رایانه های رومیزی آورده اند. بنابراین موازی سازی برنامه های سریال به یک وظیفه اصلی برنامه نویسی تبدیل شده است.

در سال 2012، پردازنده‌های چهار هسته‌ای برای رایانه‌های رومیزی استاندارد شدند، در حالی که سرورها دارای پردازنده‌های 10 و 12 هسته‌ای هستند.

رایانه‌های موازی مبتنی بر شبکه‌های به هم پیوسته نیاز به نوعی مسیریابی دارند تا بتوانند پیام‌ها را بین گره‌هایی که مستقیماً متصل نیستند، ارسال کنند. رسانه ای که برای ارتباط بین پردازنده ها استفاده می شود احتمالاً در ماشین های چند پردازنده ای بزرگ سلسله مراتبی است.

← مرکز محاسبات سریع شبیه‌سازان امیرکبیر  →

اینجا کلیک کنید!

مزایا

محاسبات موازی باعث صرفه جویی در زمان می شود و امکان اجرای برنامه ها را در زمان ساعت دیواری کوتاه تری فراهم می کند.

مشکلات بزرگتر را در یک زمان کوتاه حل کنید.

در مقایسه با محاسبات سریالی، محاسبات موازی برای مدل‌سازی، شبیه‌سازی و درک پدیده‌های پیچیده دنیای واقعی بسیار مناسب‌تر است.

پرتاب منابع بیشتر به یک کار، با صرفه جویی در هزینه بالقوه، زمان آن را برای تکمیل کوتاه می کند. کامپیوترهای موازی را می توان از اجزای ارزان قیمت و کالایی ساخت.

بسیاری از مشکلات آنقدر بزرگ و/یا پیچیده هستند که حل آنها در یک کامپیوتر غیر عملی یا غیرممکن است، به خصوص با توجه به حافظه محدود کامپیوتر.

با استفاده از چندین منبع محاسباتی می توانید چندین کار را همزمان انجام دهید.

می تواند از منابع کامپیوتری در شبکه گسترده (WAN) یا حتی در اینترنت استفاده کند.

می تواند به سازماندهی شما کمک کند. اگر اینترنت دارید، می توان ارتباط و شبکه های اجتماعی را آسان تر کرد.

دارای ذخیره سازی عظیم داده و محاسبات سریع داده است.

معایب

برنامه نویسی برای هدف قرار دادن معماری موازی کمی دشوار است، اما با درک صحیح و تمرین، می توانید شروع به کار کنید.

استفاده از محاسبات موازی به شما امکان می دهد با استفاده از پردازنده های چند هسته ای مشکلات محاسباتی و داده فشرده را حل کنید، اما گاهی اوقات این تاثیر روی برخی از الگوریتم های کنترلی ما قرار می گیرد و نتایج خوبی نمی دهد و همچنین می تواند به دلیل وجود گزینه موازی بر روی همگرایی سیستم تاثیر بگذارد. .

هزینه اضافی (یعنی افزایش زمان اجرا) متحمل شده به دلیل انتقال داده، همگام سازی، ارتباط، ایجاد/تخریب رشته، و غیره است. این هزینه ها گاهی اوقات می تواند بسیار زیاد باشد و ممکن است در واقع از دستاوردهای موازی سازی فراتر رود.

برای بهبود عملکرد باید برای معماری های هدف مختلف، اصلاح کدهای مختلفی انجام شود.

فن آوری های خنک کننده بهتر در مورد خوشه ها مورد نیاز است.

مصرف برق توسط معماری های چند هسته ای بسیار زیاد است.

راه‌حل‌های موازی سخت‌تر اجرا می‌شوند، اشکال‌زدایی یا اثبات درستی آن‌ها سخت‌تر است، و اغلب بدلیل هزینه‌های ارتباطی و هماهنگی عملکرد بدتری نسبت به همتایان سریالی خود دارند.