导图社区 时空大数据高性能计算
这是一篇关于时空大数据高性能计算的思维导图,从并行计算的原因、并行硬件与软件、以及不同编程方式等方面进行详细阐述。
该思维导图全面展示了嵌入式人工智能的硬件基础、算法模型、开发工具、优化手段及应用领域,结构清晰,内容丰富。
这是一篇关于云计算与大数据处理的思维导图,总结了云计算和大数据处理的核心概念、服务模式、技术要点、特征、处理流程及应用场景,适合用于学习和复习相关知识。
社区模板帮助中心,点此进入>>
互联网9大思维
组织架构-单商户商城webAPP 思维导图。
域控上线
python思维导图
css
CSS
计算机操作系统思维导图
计算机组成原理
IMX6UL(A7)
考试学情分析系统
时空大数据高性能计算
为什么要并行计算?
为什么我们需要不断提高性能
计算能力在增加,但是我们的计算问题和需求也在增加
因为过去计算能力的增长,我们从未梦想过的问题已经解决,如解码人类基因组
更复杂的问题仍然有待解决
为什么我们要建立并行系统
到目前为止,性能的提高一直归因于晶体管密度的增加。
为什么我们需要编写并行程序
并发、并行、分布式
并发计算 – 一个程序可以在其中多个任务中的任何时刻下进行。
并行计算 – 程序是指多个任务紧密协作以解决问题的程序。
分布式计算 – 一个程序可能需要与其他程序合作来解决一个问题。
并行硬件和并行软件
背景知识
冯·诺伊曼结构
主存储器
这是一个位置的集合,每个位置都能够存储指令和数据。 每个位置都包含一个用于访问该位置的地址和该位置的内容。
中央处理器(CPU)
冯·诺依曼模型的改进
Cache基础
局部性原理
缓存的级别
并行硬件
SIMD系统
MIMD系统
并行软件
进程或线程的协调
输入与输出
性能
加速比和效率
用MPI进行分布式内存编程
预备知识
编译和执行
MPI程序
用MPI来实现梯形积分法
I/O处理
集合通信
并行排序算法
用Pthreads进行共享内存编程
进程、线程、程序
“Hello,World"程序
矩阵-向量乘法
临界区
忙等待
路障和条件变量
信号量
条件变量
线程安全性
用OpenMP进行共享内存编程
编译和运行OpenMP
程序
梯形积分法
变量的作用域
parallel for命令
警告
数据依赖性
寻找循环依赖
循环调度
生产者和消费者问题
并行程序开发
n体问题的两种解决方法
树形搜索
递归的深度优先搜索
非递归的深度优先搜索
串行实现所用的数据结构
串行实现的性能
采用Pthreads实现的动态并化树搜索
采用OpenMP实现的并行化树搜索程序
选择哪个API
小结