भौतिकी में समानांतर कंप्यूटिंग
समानांतर कंप्यूटिंग एक भौतिकी सिमुलेशन को कई प्रोसेसरों में विभाजित करती है जो एक साथ काम करते हैं, और इसे सही ढंग से करने का अर्थ है समस्या को विघटित करना, डेटा विनिमय का समन्वय करना और उन नियमों को समझना जो गति को सीमित करते हैं।
Definition
भौतिकी में समानांतर कंप्यूटिंग एक सिमुलेशन को उन कार्यों में विभाजित करने का अभ्यास है जो कई प्रोसेसर या कोर पर समवर्ती रूप से निष्पादित होते हैं, सीरियल निष्पादन की तुलना में बड़ी समस्याओं को तेजी से हल करने के लिए उनके डेटा और सिंक्रनाइज़ेशन का समन्वय करते हैं।
Scope
यह विषय भौतिकी के लिए समानांतर प्रोग्रामिंग को शामिल करता है: साझा-स्मृति थ्रेडिंग और वितरित-स्मृति संदेश पासिंग, डोमेन डीकंपोजिशन और लोड संतुलन, संचार पैटर्न और ओवरहेड, और एम्डाहल और गुस्ताफसन के स्केलिंग नियम। यह बताता है कि भौतिक मॉडल समानांतर हार्डवेयर पर कैसे मैप होते हैं और स्केलेबिलिटी का विश्लेषण कैसे किया जाता है।
Core questions
- एक भौतिकी सिमुलेशन को संतुलित लोड के साथ प्रोसेसरों में कैसे विघटित किया जाता है?
- साझा-स्मृति और वितरित-स्मृति मॉडल प्रोग्रामिंग और स्केलिंग में कैसे भिन्न होते हैं?
- संचार ओवरहेड समानांतर दक्षता को कैसे सीमित करता है?
- एम्डाहल और गुस्ताफसन के नियम प्राप्त करने योग्य गति के बारे में क्या भविष्यवाणी करते हैं?
Key theories
- डोमेन डीकंपोजिशन और लोड संतुलन
- सिमुलेशन डोमेन को प्रोसेसरों के बीच विभाजित किया जाता है जो अपने क्षेत्र की गणना करते हैं और सीमा डेटा का आदान-प्रदान करते हैं; कार्य का समान वितरण और न्यूनतम संचार ही समानांतर दक्षता निर्धारित करते हैं।
- मजबूत स्केलिंग और एम्डाहल का नियम
- एक निश्चित समस्या के लिए, सीरियल अंश अधिकतम गति को सीमित करता है, इसलिए प्रोसेसर जोड़ने से घटते रिटर्न मिलते हैं, एक बाधा जिसे मजबूत स्केलिंग के रूप में जाना जाता है और एम्डाहल के नियम द्वारा निर्धारित किया जाता है।
- कमजोर स्केलिंग और गुस्ताफसन का नियम
- जब समस्या का आकार प्रोसेसरों की संख्या के साथ बढ़ता है, तो बहुत बड़ी गति प्राप्त की जा सकती है, जैसा कि गुस्ताफसन ने देखा, क्योंकि समानांतर कार्यभार फैलता है जबकि सीरियल भाग स्थिर रहता है।
Clinical relevance
समानांतर कंप्यूटिंग बड़े आणविक गतिशीलता, जाली क्षेत्र सिद्धांत, द्रव और खगोल भौतिकी सिमुलेशन को क्लस्टर और सुपरकंप्यूटरों में फैलाकर संभव बनाती है, और किसी भी बड़े पैमाने पर कम्प्यूटेशनल भौतिकी कार्य के लिए एक बुनियादी कौशल है।
History
समानांतर वैज्ञानिक कंप्यूटिंग शुरुआती वेक्टर और साझा-स्मृति मशीनों से संदेश-पासिंग इंटरफ़ेस के साथ प्रोग्राम किए गए वितरित क्लस्टर तक उन्नत हुई; गति के बारे में एम्डाहल का 1967 का निराशावाद गुस्ताफसन की 1988 की अंतर्दृष्टि से पूरित था कि समस्या को बढ़ाने से गणना बदल जाती है।
Key figures
- Gene Amdahl
- John Gustafson
- Peter Pacheco
Related topics
Seminal works
- amdahl1967
- gustafson1988
Frequently asked questions
- मजबूत और कमजोर स्केलिंग में क्या अंतर है?
- मजबूत स्केलिंग समस्या के आकार को स्थिर रखती है और पूछती है कि अधिक प्रोसेसर इसे कितना तेज बनाते हैं, जिसे एम्डाहल का नियम सीमित करता है। कमजोर स्केलिंग प्रोसेसर की संख्या के साथ समस्या को बढ़ाती है, जो, जैसा कि गुस्ताफसन ने उल्लेख किया है, बहुत बड़ी मशीनों को तदनुसार बड़े सिमुलेशन के लिए कुशल रहने देती है।
- संचार समानांतर प्रदर्शन को क्यों सीमित करता है?
- प्रोसेसरों को सीमा और वैश्विक डेटा का आदान-प्रदान करना चाहिए, और इस संचार में समय लगता है जो गणना के रूप में तेजी से नहीं सिकुड़ता है जब अधिक प्रोसेसर जोड़े जाते हैं, इसलिए एक बिंदु से परे संचार ओवरहेड हावी हो जाता है और दक्षता गिर जाती है।