Párhuzamos és nagy teljesítményű számítástechnika

Olvasói vélemények

A kritikák kiemelik, hogy a könyv átfogó és jól szervezett forrás a nagy teljesítményű számítástechnika (HPC) megértéséhez, és világos magyarázatot ad az olyan alapvető témákról, mint a párhuzamos számítások CPU-n és GPU-n egyaránt. Míg sok olvasó felbecsülhetetlen értékű útmutatónak tartja, néhány kritika a megadott példák tipikus HPC-klasztereken való futtatásának nehézségével kapcsolatos.

⬤ A nagy teljesítményű számítástechnikai témák átfogó és jól szervezett lefedettsége.
⬤ Világos és érthető magyarázatok, amelyek hasznos oktatási útmutatóvá teszik.
⬤ Gyakorlati részletek és technikák a kód optimalizálásához és a párhuzamosság javításához.
⬤ Mind a CPU (OpenMP, MPI), mind a GPU (OpenACC, OpenCL, CUDA) párhuzamosítását tárgyalja.
⬤ Értékes referencia a párhuzamos számítástechnikával kapcsolatos ismereteiket bővíteni kívánó technológusok számára.

⬤ A példák HPC-klasztereken való futtatása nehézkes, különösen a Docker helyett a Singularity használatára vonatkozó útmutatás hiánya miatt.
⬤ Néhány olvasó számára kihívást jelenthetnek a technikai részletek, ha nem ismeri a C/C++ nyelvet és a számítógép-architektúrát.

(7 olvasói vélemény alapján)

Eredeti címe:

Parallel and High Performance Computing

Könyv tartalma:

A Párhuzamos és nagy teljesítményű számítástechnika olyan technikákat kínál, amelyek garantáltan növelik a kód hatékonyságát.

Összefoglaló

Az összetett számítások, például a mélytanulási modellek képzése vagy a nagyméretű szimulációk futtatása rendkívül hosszú időt vehet igénybe. A hatékony párhuzamos programozással órák - vagy akár napok - számítási időt lehet megtakarítani. A Párhuzamos és nagy teljesítményű számítástechnika megmutatja, hogyan biztosíthat gyorsabb futási időt, nagyobb skálázhatóságot és nagyobb energiahatékonyságot a programjai számára a többmagos processzor- és GPU-hardverekre vonatkozó párhuzamos technikák elsajátításával.

A technológiáról

Írjon gyors, nagy teljesítményű, energiatakarékos programokat, amelyek hatalmas adatmennyiségek kezelésére skálázhatók. A párhuzamos programozás segítségével kódja az adatfeldolgozási feladatokat több CPU-ra osztja szét, így radikálisan jobb teljesítményt érhet el. Egy kis segítséggel olyan szoftvereket hozhat létre, amelyek egyszerre maximalizálják a sebességet és a hatékonyságot.

A könyvről

A Párhuzamos és nagy teljesítményű számítástechnika olyan technikákat kínál, amelyek garantáltan növelik a kód hatékonyságát. Megtanulja értékelni a hardverarchitektúrákat, és olyan ipari szabványos eszközökkel dolgozik, mint az OpenMP és az MPI. Elsajátíthatja a nagy teljesítményű számításokhoz legjobban alkalmas adatstruktúrákat és algoritmusokat, és megtanulhatja a kézi eszközökön energiát megtakarító technikákat. Még egy hatalmas szökőár-szimulációt is futtathatsz egy GPU-bankban.

Mi van benne

Egy új párhuzamos projekt tervezése.

A CPU és a GPU architektúra különbségeinek megértése.

Az alulteljesítő kernelek és ciklusok kezelése.

Alkalmazások kezelése kötegelt ütemezéssel.

Az olvasóról

Tapasztalt programozóknak, akik jártasak egy nagy teljesítményű számítási nyelvben, például a C-ben, a C++-ban vagy a Fortranban.

A szerzőről

Robert Robey a Los Alamos Nemzeti Laboratóriumban dolgozik, és több mint 30 éve tevékenykedik a párhuzamos számítástechnika területén. Yuliana Zamora jelenleg PhD-hallgató és Siebel-ösztöndíjas a Chicagói Egyetemen, és számos országos konferencián tartott előadást a modern hardverek programozásáról.

Tartalomjegyzék

1. RÉSZ BEVEZETÉS A PÁRHUZAMOS SZÁMÍTÁSTECHNIKÁBA.

1 Miért a párhuzamos számítástechnika?

2 A párhuzamosítás tervezése.

3 Teljesítményhatárok és profilalkotás.

4 Adattervezés és teljesítménymodellek.

5 Párhuzamos algoritmusok és minták.

RÉSZ CPU: A PÁRHUZAMOS MUNKAGÉP.

6 Vektorizáció: FLOP-ok ingyen.

7 OpenMP, amely teljesít.

8 MPI: A párhuzamos gerinc.

3. RÉSZ GPUSOK: GYORSÍTÁSRA ÉPÍTETTEK.

9 GPU-architektúrák és koncepciók.

10 GPU programozási modell.

11 Direktíva-alapú GPU-programozás.

12 GPU-nyelvek: Visszatérés az alapokhoz.

13 GPU-profilozás és eszközök.

RÉSZ NAGY TELJESÍTMÉNYŰ SZÁMÍTÁSI ÖKOSZISZTÉMÁK.

14 Affinitás: Fegyverszünet a kernellel.

15 Batch ütemezők: Rendet teremtenek a káoszban.

16 Fájlműveletek a párhuzamos világ számára.

17 Eszközök és erőforrások a jobb kódért.