Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
lec01.pptx
Содержание
- 1. lec01.pptx
- 2. Структура предметной области (Параллельные вычисления)Математические основы параллельных
- 3. ЛитератураВ ИБЦ:Воеводин В. В. Параллельные вычисления.Богачев К.
- 4. Что такое параллельные вычисления?Параллельные вычисления –
- 5. Параллельные вычислительные системыПараллельные вычисления – процесс обработки
- 6. Теоретические и практические проблемы параллельных вычисленийРазработка параллельных
- 7. Показатели производительности параллельного выполненияУскорение (Speedup) - за
- 8. Оценки производительности. Гипотеза Мински.Потери производительности при организации
- 9. Оценки производительности. Закон Амдала.Максимальный теоретический выигрыш для
- 10. Автор закона (конец 1960 г.г.) –
- 11. Закон Амдала (графики от riki-koen.livejournal.com/75235.html)АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
- 12. р=0.1, с=0.001, max=6.25 (чем меньше с,
- 13. Организация параллельных вычислений – возможные режимыМногозадачный режим,
- 14. Основные типы ПВС Суперкомпьютер:ВС рекордной производительности, выпускаемая
- 15. Основные типы ПВС Кластер – группа выделенных
- 16. Классификация ПВС по архитектуре Архитектура ВС -
- 17. Основные типы ВС по Флинну (Michael
- 18. Основные типы ВС по Флинну SISD (Single
- 19. Основные типы ВС по Флинну SIMD (Single
- 20. Основные типы ВС по ФлиннуMISD (Multiple Instruction
- 21. Разновидности ВС типа MIMDДальнейшая классификация ВС –
- 22. Мультипроцессоры – способы построения общей памятиЕдиная
- 23. Архитектура систем UMAАЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
- 24. Cache memory – кэш-память, кэш: промежуточный буфер с
- 25. Проблемы UMA Доступ с разных процессоров к
- 26. Копии значения переменной x – в разных
- 27. Проблемы UMA Доступ с разных процессоров к
- 28. Мультипроцессоры – способы построения общей памяти2.
- 29. Архитектура систем NUMAАЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
- 30. NUMA системыДля данных используются только локальные кэши
- 31. МультикомпьютерыМК – ВС с распределенной памятью самостоятельных
- 32. Основные типы МК – многопроцессорных вычислительных системМассивно
- 33. Основные типы МК – многопроцессорных вычислительных системКластер
- 34. Классификация многопроцессорных ВС (подробно см. http://parallel.ru/computers/classes.html)АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
- 35. Коммуникация в МВСКоммуникация между процессорами обеспечивает: взаимодействие,
- 36. Примеры топологий сетей в МВСАЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
- 37. Особенности топологий сетей передачи данныхТип - Преимущества
- 38. Характеристики топологий сетиДиаметр – определяет время передачи
- 39. Характеристики топологий (р – количество процессоров)АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
- 40. Скачать презентанцию
Структура предметной области (Параллельные вычисления)Математические основы параллельных вычисленийАрхитектура параллельных вычислительных системТехнологии параллельного программированияПараллельные алгоритмы решения задачПараллельные вычисления в конкретных предметных областях АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайды и текст этой презентации
Слайд 11. Введение в дисциплину
Основные понятия.
Принципы построения параллельных вычислительных систем.
Классификация
вычислительных систем.
Типовые схемы коммуникации в многопроцессорных вычислительных системах.
ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 2Структура предметной области
(Параллельные вычисления)
Математические основы параллельных вычислений
Архитектура параллельных вычислительных систем
Технологии
параллельного программирования
Параллельные алгоритмы решения задач
Параллельные вычисления в конкретных предметных областях
АЛГОРИТМЫ
И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 3Литература
В ИБЦ:
Воеводин В. В. Параллельные вычисления.
Богачев К. Ю. Основы параллельного
программирования.
Гергель В. П. Теория и практика параллельных вычислений.
Учебные курсы Интернет
Университета Информационных технологийГергель В.П. Теория и практика параллельных вычислений. — www.intuit.ru/department/calculate/paralltp/
Основы параллельного программирования с использованием Microsoft Visual Studio 2010. –www.intuit.ru/department/se/baseppvs2010/
Барский А.Б. Параллельное программирование. — www.intuit.ru/department/se/parallprog
Интернет-ресурсы:
www.hpc-education.ru
www.supercomputers.ru
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 4Что такое параллельные вычисления?
Параллельные вычисления –
процесс обработки данных,
в
котором могут одновременно выполняться несколько операций вычислительной (компьютерной) системы (ВС).
Такие
системы называют параллельными вычислительными системами (ПВС).Способы построения и применения ПВС – технологии параллельной обработки данных
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 5Параллельные вычислительные системы
Параллельные вычисления – процесс обработки данных, в котором
одновременно выполняется более одной операции.
ПВС – вычислительная система, включающая не
менее двух одновременно работающих обрабатывающих устройств (процессоров) или ядер одного процессора.Процессор – CPU (central processing unit), GPU (graphic processing unit).
Ядро (core) – часть процессора, выполняющая один программный поток.
Программный поток (thread) – последовательность команд, выполняющаяся независимо от других последовательностей.
Каждая программа имеет минимум 1 поток.
ОС назначает ресурсы каждому потоку.
Поток может создавать другие потоки.
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 6Теоретические и практические проблемы параллельных вычислений
Разработка параллельных вычислительных систем (ПВС)
Анализ
эффективности параллельных вычислений
Разработка обобщенных параллельных алгоритмов решения задач
Создание СПО для
ПВСРазработка параллельных алгоритмов решения прикладных задач
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 7Показатели производительности параллельного выполнения
Ускорение (Speedup) - за счёт параллельного выполнения
программы в N потоках:
a(N) = T(1) / T(N)
Эффективность (Efficiency) системы,
реализующей N потоковE(N) = a(N) / N
Масштабируемость (Scalability) системы - возможность ускорения вычислений пропорционально числу потоков, (т.е. линейное ускорение):
a(N)=N
Суперлинейное ускорение:
a(N)>N
Часто N связывают с числом процессоров или ядер.
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 8Оценки производительности.
Гипотеза Мински.
Потери производительности при организации параллелизма
Гипотеза Марвина Ли Мински
(Marvin Lee Minsky, искусственный интеллект, нейронные сети)
a=С*log2N,
С – коэффициент пропорциональности
Пример:
a=10 при N=1000, С=1 (не для любых алгоритмов!)
НО возможно использование параллелизма на 100%
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 9Оценки производительности.
Закон Амдала.
Максимальный теоретический выигрыш для сочетания
параллельных вычислений с
последовательными:
Закон Амдала: если p – доля последовательных вычислений, то
a
с верхним пределом 1/p
a= T(1)/T(N)= T(1)/(p*T(1)+(1-p)*T(1)/N)= 1/(p+(1-p)/NСледствие: увеличение числа ядер менее эффективно, чем распараллеливание
Учет времени обмена данными между потоками(c*N) – есть max:
a<=1/(p+(1-p)/N+c*N)
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 10Автор закона (конец 1960 г.г.) – главный разработчик мейнфреймов серии
IBM/360
Джин Амдал (Gene Amdahl), основатель
Amdahl — американская корпорация, производитель IBM-совместимых
серверов. Основана в 1968 году, с 1997 года принадлежит Fujitsu.
http://chernykh.net/content/view/455/667/
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 11Закон Амдала
(графики от riki-koen.livejournal.com/75235.html)
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ.
ЛЕКЦИЯ 1
Слайд 12р=0.1, с=0.001, max=6.25
(чем меньше с, тем быстрее обмен данными)
АЛГОРИТМЫ
И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 13Организация параллельных вычислений – возможные режимы
Многозадачный режим, или режим разделения
времени:
Псевдопараллельность – для выполнения нескольких программ используется один процессор ?
исполняется 1 программа (процесс, задание, задача), прочие – в очереди.Параллельное выполнение:
Одномоментное выполнение нескольких команд обработки данных из разных потоков или с разными данными на нескольких процессорах (ядрах).
Распределенные вычисления:
Параллельное выполнение на удаленных устройствах ?
Возможны проблемы с обменом данными ?
Актуальны для специфических задач.
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 14Основные типы ПВС
Суперкомпьютер:
ВС рекордной производительности, выпускаемая отдельными экземплярами на
оригинальной схемотехнической базе.
ВС ценой > $1 млн.
ВС, мощность которой только
на порядок меньше необходимой для современных задач)).
Способы построения и применения СК – технологии высокопроизводительных вычислений (ТВВ) – High Performance Computing (HPC).
С 1980 г.г. СК стали ПВС ?
ТВВ взаимосвязаны с технологиями параллельной обработки данных (иногда синоним)
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 15Основные типы ПВС
Кластер – группа выделенных рабочих станций:
объединены в
ЛВС,
эффективно и надежно работают как единый вычислительный ресурс,
используется серийное, типовое
оборудование (компьютерное и сетевое).Развитие сетевого оборудования (конец 1990г.г.) ? суперкомпьютеры часто строятся по технологии кластеров.
Пример – СК - кластер ИМКН: 2 IBM eServer BladeCenter™+ флагманское сетевое оборудование Cisco Systems + хранилище
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 16Классификация ПВС по архитектуре
Архитектура ВС - общая логическая организация
ВС:
определяющая процесс обработки данных,
включающая
архитектуру ЭВМ,
структуру и характеристики программного обеспечения, принципы
его взаимодействия с аппаратными средствами.Основа классификации – систематика Флинна: анализ взаимодействия потоков выполняемых команд и потоков обрабатываемых данных ? вид параллелизма (ПВС)
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 17Основные типы ВС по Флинну (Michael J. Flynn, Таксономия Флинна
- 1966 г.)
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 18Основные типы ВС по Флинну
SISD (Single Instruction Single Data)
–
1 поток команд, 1 поток данных.
есть только один поток
команд, все команды обрабатываются последовательно друг за другом,
каждая команда инициирует одну операцию с одним потоком данных
П. Стандартный компьютер фон Неймана.
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 19Основные типы ВС по Флинну
SIMD (Single Instruction Multiple Data)
–
1 поток команд, много потоков данных.
один поток команд, включающий
векторные команды,может выполняться одна операция сразу над многими данными - элементами вектора. П1. Компьютер с векторным процессором (операнды – массивы). П2. Специализированные многопроцессорные ВС (одна команда одновременно выполняется с разными данными) для обработки видео, изображений и аудио, для ускорения 3D- и 2D-графики и других мультимедийных задач.
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 20Основные типы ВС по Флинну
MISD (Multiple Instruction Single Data) –
много потоков команд, 1 поток данных. Отказоустойчивые компьютеры, ВС с
систолическим массивом (systolic array) процессоров.MIMD (Multiple Instruction Multiple Data) – много потоков команд, много потоков данных. Большинство многопроцессорных ПВС
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 21Разновидности ВС типа MIMD
Дальнейшая классификация ВС – по способам организации
оперативной памяти:
Мультипроцессоры – ВС с общей, разделяемой между процессорами памятью.
Мультикомпьютеры
– ВС с распределенной памятью самостоятельных компьютеров, объединенных в сеть (MPP-системы, Massively Parallel Processing).
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 22Мультипроцессоры –
способы построения общей памяти
Единая общая память с равноправным
(однородным) доступом
(Uniform Memory Access, UMA).
Используется в ВС на основе:
симметричных
мультипроцессоров
(SMP-системы, Symmetric Multiprocessing)
П. IBM eServer,векторных параллельных процессоров, в которых предусмотрены команды однотипной обработки векторов независимых данных (PVP-системы, Parallel Vector Processor)
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 24Cache memory – кэш-память, кэш: промежуточный буфер с быстрым доступом, содержащий информацию,
которая может быть запрошена с наибольшей вероятностью.
Доступ к данным в
кэше быстрее, чем выборка исходных данных из оперативной памяти ?Уменьшается время доступа к данным ?
Увеличивается общая производительность ВС.
Кэширование применяется жесткими дисками, браузерами, Web-серверами, службами DNS и т.д.
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 25Проблемы UMA
Доступ с разных процессоров к общим данным ?
Необходимо обеспечивать
однозначность (когерентность) содержимого разных кэшей
(cache coherence problem).
Решение:
уведомление всех
процессорных узлов (и кэшей!) об изменении значения
в общей памятиАЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 26Копии значения переменной x – в разных кэшах ? Возможно
изменение х одним из процессоров.
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ.
ЛЕКЦИЯ 1х
Слайд 27Проблемы UMA
Доступ с разных процессоров к общим данным ?
Необходимость синхронизации
взаимодействия одновременно выполняемых потоков команд (многопоточность)
Методы синхронизации:
Мьютекс (mutual exclusion, взаимоисключение)
Семафор
События
…
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 28Мультипроцессоры –
способы построения общей памяти
2. Физически распределенная общая память
с неравноправным (неоднородным) доступом
(Non-Uniform Memory Access, NUMA).
Принцип:
Блок памяти ↔
процессор (быстрый доступ)«Чужие» блоки ↔ процессор (медленный доступ – до нескольких порядков) – ОСНОВНАЯ ПРОБЛЕМА!
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 30NUMA системы
Для данных используются только локальные кэши процессоров – нет
общей памяти => нет проблемы когерентности
(COMA-системы, Cache-Only Memory Architecture)
Обеспечена
когерентность локальных кэшей (аппаратно)
(СС-NUMA-системы, Cache-Coherent)Не обеспечена когерентность локальных кэшей (NСС-NUMA-системы, Non-Cache-Coherent)
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 31Мультикомпьютеры
МК – ВС с распределенной памятью самостоятельных компьютеров, объединенных в
сеть
МК – системы типа NORMA
(No-Remote Memory Access – «нет
доступа к удаленной памяти»)Архитектура аналогична архитектуре МП с распределенной памятью.
НО!:
Каждый процессор может использовать только свою локальную память.
Для доступа к «чужим» данных д.б. явно выполнены операции передачи сообщений (message passing operations) – 1- или 2-сторонний обмен данными
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 32Основные типы МК – многопроцессорных вычислительных систем
Массивно (массово)-параллельные системы, MPP-системы
(Massively Parallel Processing – массово-параллельная обработка)
Система состоит из однородных узлов
(до 103), включающих:один или несколько ЦП (обычно RISC),
локальную память (прямой доступ к памяти других узлов невозможен!),
коммуникационный процессор или сетевой адаптер
жесткие диски и/или другие устройства I/O
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 33Основные типы МК – многопроцессорных вычислительных систем
Кластер - набор рабочих
станций (или даже ПК) общего назначения, используется в качестве дешевого
варианта МРР-системы.Связь узлов - одна из стандартных сетевых технологий (Fast/Gigabit Ethernet, Myrinet и др.) на базе шинной архитектуры или коммутатора.
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 34Классификация многопроцессорных ВС
(подробно см. http://parallel.ru/computers/classes.html)
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ.
ЛЕКЦИЯ 1
Слайд 35Коммуникация в МВС
Коммуникация между процессорами обеспечивает:
взаимодействие, синхронизацию, взаимоисключения выполняемых
процессов ?
Коммуникационная «трудоемкость» алгоритма влияет на выбор способа решения задачи
Коммуникация
определяется топологией сети –
схемой расположения и соединения сетевых устройств.АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 36Примеры топологий сетей в МВС
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ.
ЛЕКЦИЯ 1
Слайд 37Особенности топологий сетей передачи данных
Тип - Преимущества - Реализация
Полный
граф – минимум затрат на передачу данных - - (кластер с
соединением CPU через свитч с ограничением: только одна одномоментная операция приема-передачи данных для каждого процессора ? взаимодействующие пары CPU не должны пересекаться).Линейка – идеально для конвейерных вычислений - +
Кольцо - ? - +
Звезда – для централизованных схем вычислений - +
Решетка (2D, 3D) - + - +
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 38Характеристики топологий сети
Диаметр – определяет время передачи данных через max
расстояние между 2 CPU сети
(расстояние равно величине кратчайшего пути).
Связность
– определяет наличие разных маршрутов передачи данных между CPU,
min число дуг графа, которые надо удалить для получения 2 несвязных областей.Ширина бисекции – связность, но 2 области д.б. одинакового размера
Стоимость – общее число линий передачи данных в МВС
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ. ЛЕКЦИЯ 1
Слайд 39Характеристики топологий
(р – количество процессоров)
АЛГОРИТМЫ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПАРАЛЛЕЛЬНЫХ
ПРОГРАММ. ЛЕКЦИЯ 1
