Hardware Paralelo - UESCnbcgib.uesc.br/nbcgib/files/PP/Aula03_arq_par.pdf · 2013. 4. 12. · Processamento Paralelo Hardware Paralelo Universidade Estadual de Santa Cruz Bacharelado

Processamento Paralelo

Hardware Paralelo

Universidade Estadual de Santa CruzBacharelado em Ciência da Computação

Prof. Esbel Tomás Valero Orellana

Portabilidade• O principal problema das primeiras maquinas paralelas foi

a enorme dificuldade para escrever programas portáveis.

• Os programas escritos para uma arquitetura não podiam

ser executados satisfatoriamente em uma arquitetura

diferente.

• Felizmente, essa situação tem mudado drasticamente,

devido ao trabalho de grupos de pessoas em desenvolver

padrões para maquinas paralelas (HPF, MPI, ARB).

Portabilidade

High Performance Fortran (HPF) Forum

•Tem desenvolvido um grupo de extensões do

Fortran 90, que permitem aos programadores

escrever facilmente programas paralelos,

•O mecanismo principal para alcançar o paralelismo

é a divisão dos dados ou paralelismo de dados,

•O domínio de dados é dividido entre vários

processadores e cada um deles realiza as operações

sobre o subdomínio de dados correspondente,

Portabilidade

High Performance Fortran (HPF) Forum

• HPF, fornece um conjunto de funções primitivas que

permitem distribuir vetores e matrizes

convenientemente e operar eles em paralelo,

• A principal deficiência do HPF, é que muitos algoritmos

paralelos não podem ser convertidos em programas

eficientes (linguagem de máquina) pelos compiladores

atuais.

Portabilidade

Message Passing Interface (MPI) Forum

• Um enfoque completamente inovador na criação de

padrões para maquinas paralelas,

• Não é criada uma nova linguagem, e sem uma

biblioteca de funções que podem ser chamadas desde

programas em C ou Fortran*,

• As bases desta biblioteca é um grupo de funções que

permitem alcançar o paralelismo através do intercambio

de mensagens,

Portabilidade

Message Passing Interface (MPI) Forum

• Intercambio de mensagens é um método poderoso e

geral de expressar o paralelismo,

• A principal deficiência do paradigma MPI é que força

ao programador a lidar com muitos detalhes,

dificultando o desenvolvimento, (linguagem de

montagem para computadores paralelos),

• Maiores detalhes sobre MPI serão vistos ao longo do

curso.

Portabilidade

Architecture Review Board - ARB

•Grupo formado pelos principais fabricantes de hardware

(SUN Microsystems, SGI, IBM, Intel);

•Desenvolveram um padrão aberto (domínio público)

para maquinas de memória compartilhada;

•Application Programming Interfase (API) + diretivas de

compilação;

•A maioria dos detalhes da implementação paralela são

deixados ao compilador;

•Padrão OpenMP, será visto no curso.

Taxonomia de Flynn•Existe uma enorme variedade de arquiteturas para

máquinas paralelas, tentar classificar-las seguindo um

padrão lógico é extremamente difícil,

•A classificação original para máquinas paralelas, vem dos

primórdios de teoria da computação e o conhecida como

taxonomia de Flynn,

•Em 1966 Flynn classificou os sistemas de acordo com o

número de fluxos de instruções e o número de fluxos de

dados, que estivessem sendo processados

simultaneamente.

Taxonomia de Flynn

• SISD – Single Instruction Single Data, um fluxo de instruções e um fluxo de dados, Ex: arquitetura convencional de von Neumann,

• SIMD – Single Instruction Multiple Data, um fluxo de instruções vários fluxos de dados,

• MISD – Multiple Instruction Single Data, vários fluxos de instruções um fluxo de dados,

• MIMD – Multiple Instruction Multiple Data, vários fluxos de instruções vários fluxos de dados, uma coleção de processos autônomos com seus próprios dados.

Taxonomia de FlynnSistemas SISD – Arquitetura de Neumann

Taxonomia de Flynn

Sistemas SISD – Arquitetura de Neumann

• O “gargalho” na arquitetura de Neumann é a

transferência de dados entre a memória e a CPU,

• Não importa quanto aumentarmos a velocidade de

execução do processador, a velocidade de execução

do programa é limitada pela velocidade do fluxo de

informações entre a memória e a CPU,

• Na atualidade não existem máquinas estritamente

von Neumann, algumas mudanças tem sido

introduzidas na arquitetura,

Taxonomia de Flynn

Sistemas SISD – Arquitetura de Neumann

• Aprimoramentos á arquitetura de Neumann➢ utilização de uma hierarquia de memórias,➢ utilização de memórias cachê,➢ utilização de vários bancos de memórias,➢ uso de Pipeline(?)➢ adicionar instruções vetoriais ao conjunto de

instruções do processador, (realizam operações

com vetores)

Taxonomia de Flynn

Sistemas MISD – Neumann Modificado• Exemplo de Instruções Vetoriais

FORTRAN 77

do 100 i=1,100

z[i] = x[i] + y[i]

100 continue

• a instrução precisa ser carregada e decodificada 100 vezes, o vetor é processado elemento a elemento

FORTRAN 90

z[1:100] = x[1:100] + y[1:100]

• a instrução é carregada e decodificada 1 vez, o vetor é processado como uma entidade

Taxonomia de Flynn

Sistemas MISD – Neumann Modificado

• os processadores vetoriais e com pipeline, tem sido

muito populares na busca de um maior poder de

computo,

• a arquitetura deste tipo de processadores tem sido

muito estudada e existem compiladores excelentes,

• entretanto, eles apresentam algumas desvantagens,

Taxonomia de Flynn

Sistemas MISD – Neumann Modificado

• Desvantagens:✔ os princípios de vetorização e pipeline não

funcionam adequadamente para algoritmos com

estruturas de dados irregulares ou programas com

grandes quantidades de desvios,✔ na atualidade é impossível escalar estes

processadores para aumentar o desempenho,➔ aumentar o tamanho do pipeline ???➔ incrementar as operações vetoriais ???,

Taxonomia de Flynn

Sistemas SIMD

• um sistema SIMD puro é composto por:➢ um processador de alto padrão dedicado

exclusivamente a funções de controle,➢ uma coleção de processadores mais simples (ULA

+ memória) subordinados ao processador principal• durante um ciclo de instrução, o processador principal envia uma instrução a cada um dos processadores subordinados (broadcast), cada um dos processadores executa a instrução ou permanece inativo,

Taxonomia de Flynn

Sistemas SIMD

Processador

Programa

Instruções

Dados

P. CONTROLE

Processador

Dados

Processador

Dados

. . . . . . . .

. . . . . . . .

Taxonomia de Flynn

Sistemas SIMD

• Exemplo• x, y, z arrays distribuídos em i processadores, de forma que o processador i contem o i-esimo elemento de cada array,• a máquina paralela vai a executar o seguinte código:

for (i=0; i<N; i++)

if (y[i]!=0)

z[i] = x[i]/y[i];

else

z[i] = x[i]

Taxonomia de Flynn

Sistemas SIMD

• Exemplo• os processos subordinados executam a seguinte seqüência de operações:

CICLO 1

CICLO 2

CICLO 3

testar se local_y !=0

se local_y diferente de zero local_z = local_x/local_y

se local_y igual a zero INACTIVO

se local_y diferente de zero INACTIVO

se local_y igual a zero local_z = local_x

Taxonomia de Flynn

Sistemas SIMD

• O processo de execução das instruções é síncrono;

• Em um ciclo de instrução determinado, um

processador estará ativo e executando a mesma

instrução que os outros processadores ativos, ou ele

estará inativo;

• A principal deficiência de sistemas SIMD, é que

para programas com muitos desvios, muitos

processadores subordinados podem ficar inativos por

longos períodos de tempo;

Taxonomia de Flynn

Sistemas SIMD

• Entretanto, máquinas SIMD são muito fácies de

serem programadas para algoritmos simples que

utilizem estruturas de dados regulares;

• Outra vantagem, é que elas podem ser escaladas

facilmente;

• Os exemplos mais bem sucedidos de máquinas

SIMD são:

• CM1 e CM2 produzidas por Thinking Machines

• MP2 produzida pela MASPAR

Taxonomia de Flynn

Sistemas MIMD

• A diferença fundamental entre um sistema SIMD e

um sistema MIMD, é que nos sistemas MIMD os

processadores são autônomos,

• Cada processador conta com a unidade de controle,

ULA e registros, porém cada processador executa seu

próprio programa,

• Sistemas MIMD são máquinas assíncronas não

existe um ciclo de instruções global,

• Os processadores devem ser instruídos pelo

programa para fazerem as tarefas de sincronização,

Taxonomia de Flynn

Sistemas MIMD

• Para um instante de tempo dado os processadores

podem estar executando instruções diferentes mesmo

que eles estivessem executando o mesmo programa,

• Sistemas multiprocessados de propósito geral;

• Cada processo tem um programa próprio que geram

fluxos de instruções diferentes;

• Cada processador trabalha com dados diferentes;

Taxonomia de Flynn

Sistemas MIMD

Programa

Processador

Instruções

Dados

Programa

Processador

Instruções

Dados

Programa

Instruções

Dados

. . . . . . . .

. . . . . . . .

Taxonomia de Flynn

Sistemas MIMD

• As máquinas MIMD podem ser classificadas como:

1. sistemas de memória compartilhada, multiprocessadores, ou ambientes fortemente acoplados;

2. sistemas de memória distribuída, multi-computadores, ou ambientes fracamente acoplados.

Taxonomia de Flynn

SIMPLES MULTIPLOS

SIMPLES SISDVon Neuman

SIMDarray

MULTIPLAS MISDPipeline

MIMDMáquinas paralelas

MIMD – Memória Compartilhada

• Uma coleção de processadores e módulos de memória interconectados por uma rede

• A velocidade de acesso de um processador a um módulo de memória independe do módulo de memória a ser acessado,

CPU CPU CPU. . .

REDE DE INTERCONEXÃO

MEMÓRIA MEMÓRIA MEMÓRIA. . .


• A arquitetura mais simples para implementar uma máquina de memória compartilhada é utilizar como rede de interconexão um BUS de dados,

• Se vários processadores tentarem acessar a memória simultaneamente, o BUS pode ficar saturado, provocando atrasos na transferência de dados,

CPU CPU CPU

CACHE CACHE CACHE

. . .

BUS


BUS de dados

• Para minimizar a saturação do BUS a cada processador se acopla uma memória cache de grande capacidade,

• Devido ao limite de amplitude de banda do BUS, esta arquitetura não pode ser utilizada para um número de processadores muito grande,

• Ex: SGI Challenge XL 36 processadores. (http://en.wikipedia.org/wiki/SGI_Challenge)


Interruptores• A maioria das máquinas de memória compartilhada utilizam uma rede de interconexão baseada em interruptores,

• A rede de interconexão pode ser interpretada como uma grade retangular de cabos, com interruptores em seus pontos de interseção,

• Os interruptores permitem transmitir sinais na direção vertical e horizontal simultaneamente ademais um sinal pode ser redirecionado da vertical a horizontal ou vice-versa,


Interruptores

Building Linux Clusters, David H. M. Spector, O'Reilly Media


Interruptores

• A comunicação entre dois unidades (CPU-memória) não interfere na comunicação entre outras dois unidades,

• A rede de interconexão usando interruptores tende a ser muito cara e não pode ser utilizada para um número alto de processadores.

HP/Convex SPP 1200


Multicore• Porque surgiram os processadores multicore?• Diminuir o consumo de energia,• Aumentar a capacidade de processamento sem aumentar a liberação de calor no chip.

● Colocam em um único chip vários cores de

processamento,

● Cada um destes cores funciona como um processador

independente;

● Fornecem alto poder de processamento a baixo custo.


Multicore• Primeira geração


Multicore• Segunda geração

• Aparece a cache L2 compartilhada;• Executam eficientemente processos independentes;• Novos desafios em processamento paralelo.


Memoria Cache

• Um problema que encontramos em qualquer arquitetura de memória compartilhada que utilize memórias cache, é a coerência da cache.

• Se o processador acessar a uma variável que esta na memória cache como sabemos que o valor da variável é valido?

• Existem vários protocolos de coerência da cache, eles variam consideravelmente em complexidade.


Memoria Cache• Protocolo Snoopy: é o protocolo de coerência de cache mais simples, apropriado para máquinas que usam BUS como rede de interconexão.

• Protocolo Snoopy:• a cada CPU é adicionado um controlador de cache,• o controlador monitora o trafego de dados no BUS,• quando um processador atualiza uma variável na cache, o controlador atualiza seu valor na memória principal,• os outros controladores atualizam o valor na cache dos outros processadores.


Memoria Cache• Resolver a coerência da cachê implica uma sobrecarga ao sistema.

• Existem protocolos mais avançados para resolver a coherencia da memória cachê:• MSI: Modified Shared Invalid;• MESI: Modified Exclusive Shared Invalid;• MOESI: Modified Owned Exclusive Shared Invalid; • Firefly: DEC Workstations; • Dragon: Xerox Workstations.


UMA vs NUMA

• Frequentemente as máquinas de MC são classificadas segundo a velocidade de acesso dos processadores à memória;

• UMA (Uniform Memory Access)

• O tempo de acesso aos dados localizados em qualquer posição de memória é o mesmo em todos os processadores;

• Um único barramento de memória;

• Máquinas de pequeno e médio porte .


UMA vs NUMA

• NUMA (Non-Uniform Memory Access)• O tempo de acesso aos dados da memória depende da posição relativa entre o bloco de memória e o processador;• O acesso do processador aos blocos mais próximos é maior que aos blocos mais distantes;• Vários barramentos de memória;• Máquinas de grande porte.

• Recentemente as máquinas de memória compartilhada estão sendo chamadas de SMPs (Symetric Multi Processors).

MIMD – Memória Distribuída

• Em um sistema de memória distribuída cada processador tem seu próprio módulo de memória,

• Um módulo de memória somente pode ser acessado pelo processador associado a ele,

CPU CPU CPU. . .

REDE DE INTERCONEXÃO

MEMÓRIA MEMÓRIA MEMÓRIA


• Podemos interpretar um sistema de memória

distribuída como um grafo (arestas e vértices),

• Arestas se correspondem com os cabos de conexão,

• Nodos se correspondem com um conjunto de

processador e módulo de memória,

• Podemos ter então dois tipos de sistemas de

interconexão: sistemas estáticos e sistemas dinâmicos.


......

...

. . .

. . .

. . .

• Cada vértice corresponde a um nodo,

• Não são necessários dispositivos adicionais,

• Podem ocorrer problemas na comunicação.

MD – Sistema Estático


• Cada vértice corresponde a um nodo,

• Não são necessários dispositivos adicionais,

• Podem ocorrer problemas na comunicação.

MD – Sistema Dinâmico

...

. . .

. . .

. . .

......

...


MD – Sistemas Completamente Conectados

• Considerando o desempenho e a facilidade de

programação, o sistema de interconexão ideal, é

uma rede completamente conectada, i.e., cada nodo

esta diretamente ligado a todos os outros nodos,


MD – Sistemas Completamente Conectados

• cada nodo pode comunicar-se diretamente com qualquer outro nodo,

• a comunicação não envolve nenhum atraso (delay),

• a comunicação entre dois nodos não interfere na comunicação entre outros dois nodos,

• o alto custo deste tipo de rede de interconexão, impossibilita sua construção para máquinas paralelas com muitos nodos.


MD – Redes de interconexão dinâmica

• Na pratica o mais perto que podemos alcançar de um sistema completamente conectado é uma grade de interruptores onde cada processador é conectado aos lados direto e esquerdo de uma linha de interruptores.

...

. . .

. . .

. . .

......

...



• Nesta configuração o único atraso que pode existir na comunicação, e o tempo necessário para selecionar o interruptor correspondente,

• Todos os processadores podem comunicar-se simultaneamente,

• Esta configuração é custosa (p2 interruptores),

• Incomum para mais de 16 processadores,

• Uma alternativa menos custosa é a utilização de redes de interconexão com interruptores de múltiplos estados,



• Exemplo: rede de interconexão OMEGA

p – processadores

(p/2)log2p – interruptores

http://en.wikipedia.org/wiki/Omega_network



• Redes de interconexão OMEGA ...

• cada processador pode comunicar-se diretamente com outro processador,

• podem existir interferências na comunicação e conseqüentemente atrasos,

• existem máquinas com esta rede de interconexão de até 512 processadores.


MD – Redes de interconexão estática

• O extremo oposto a um sistema completamente conectado é um arranjo linear,

• Podemos melhorar esta configuração conectando os nodos dos extremos e teremos um anel,

. . .

...


MD – Redes de interconexão estática• Vantagens:• Configuração muito barata (apenas p-1 cabos)• Facilmente escalável,

• Desvantagens:• O número de canais de comunicação é extremamente limitado,• Apenas podem comunicar-se dois nodos ao mesmo tempo,

• A rede de interconexão estática que mais se aproxima de um sistema completamente conectado é o hipercubo.


MD – Redes de interconexão estática• O hipercubo:• O hipercubo de dimensão zero consiste de um único nodo,• Para construir um hipercubo de dimensão d>0, tomamos dois hipercubos de dimensão d-1 e unimos seus nodos correspondentes,

d = 1

d = 2

d = 3

MIMD – Memória Distribuída•O hipercubo:

d = 4



• O hipercubo:

• cada vez que incrementarmos uma dimensão,

duplicamos o numero de nodos,

• um hipercubo de dimensão d contem p=2d

processadores

• cada nodo é diretamente conectado a d nodos,

• na configuração hipercubo é possível organizar as

comunicações entre os nodos para minimizar os

atrasos.



• O hipercubo:

• a principal desvantagem desta configuração é a

dificuldade de escalar o sistema (sempre devemos

duplicar o número de nodos),

• Ex: nCube 10 (1024 nodos),

• Os hipercubos foram muito populares nos anos 80.

• Entre os hipercubos e os conjuntos lineares (array

ou anel) podemos encontrar a configuração de

grade e a configuração de toróide



• Configuração de grade:

• É obtida aumentando a dimensão do array linear

• 2D e 3D

. . .

. . .

. . .

. . .



• Configuração de toróide:

• É obtida aumentando a dimensão do anel



• Nas configurações de grade e toróide na medida que

aumentamos a dimensão, aumenta o número de rotas

entre nodos e conseqüentemente diminuem as

interferências,

• Ambas configurações são muito populares e tem sido

escaladas a miles de nodos.

MIMD – Memória DistribuídaMD – Redes de interconexão estática

• Sistemas de interconexão baseados em Ethernet:

• é o sistema de interconexão mais simples e de menor

custo,

• um CLUSTER é o exemplo clássico deste tipo de

sistemas,

• a rede de interconexão é “extremamente lenta” e

freqüentemente fica saturada pela comunicação de uns

poucos nodos,• entretanto, por sua simplicidade, baixos custos e

aprimoramentos na tecnologia tem-se popularizados nos

últimos anos,

MIMD – Memória DistribuídaMD – Cluster Beowulf

• É uma denominação para Cluster de baixo custo;

• Baseados em hardware de computadores pessoais;

• A tecnologia de conexão é Ethernet, TCP-IP, LAN;

• Elementos de software livres e de código aberto (Sistema

Operacional: Linux, MPI, FORTRAN, C)

• Este tipo de hardware têm-se convertido no carro chefe das

máquinas paralelas nos últimos anos.

http://www.beowulf.org/


• Vantagens:

• Podem ser construídas maquinas de alto desempenho a

baixo custo;

• Processadores mais potentes podem ser incorporados a

estas maquinas assim estejam disponíveis;

• Os softwares deste tipo de maquinas são continuamente

atualizados e melhorados;• Rede de interconexão aprimoradas: Ethernet para

Gigabit Ethernet.


MIMD – Memória DistribuídaMD – Comunicação e Roteamento

• Uma questão que deve ser estudada ao analisar as

comunicações em sistemas de memória distribuída é o

roteamento,

• Se dois nodos estiverem diretamente conectados, como os

dados serão transmitidos entre eles?

• O problema do roteamento pode ser dividido em:

• Se existirem múltiplas rotas para unir dois nodos qual

rota será escolhida?• Como os nodos intermédios encaminharam as

mensagens?

MIMD – Memória DistribuídaMD – Seleção da rota

• O processo de seleção de rotas utiliza algoritmos de

otimização visando escolher a rota mais curta,

• A maioria dos sistemas utilizam algoritmos determinísticos

de seleção de rotas, i. e.,

• se o nodo A se comunica com o nodo B então a rota de

comunicação será sempre a mesma, e será aquela que

utiliza menos linhas de conexão.

MIMD – Memória DistribuídaMD – Encaminhamento de mensagens

• O nodo A envia uma mensagem ao nodo C, e o nodo B se

encontra entre eles dois,

• Existem dois enfoques básicos:

• store and forward (sf): o nodo B recebe a mensagem

inteira e então encaminha ao nodo C.

• cut through (ct): cada vez que o nodo B recebe uma

peça da mensagem (pacote) a encaminha ao nodo C.


• Store and forward

Tempo Nodo A Nodo B Nodo c

0 z y x w

1 z y x w

2 z y x w

3 z y x w

4 z y x w

5 z y x w

6 z y x w

7 z y x w

8 z y x w


• Store and forward

• A mensagem demora o dobro do tempo que demoraria se

os nodos fossem adjacentes,

• Maior consumo de memória nos nodos intermédios,

• Pacotes mais pequenos, os pacotes intermédios não

contem informação de endereçamento.


• Cut through

Tempo Nodo A Nodo B Nodo c

0 z y x w

1 z y x w

2 z y x w

3 z y x w

4 z y x w

5 z y x w


• Cut through

• a mensagem demora praticamente o mesmo tempo que

se os nodos fossem adjacentes (mais o tempo de enviar

um pacote),

• não precisa de memória nos nodos intermédios,

• pacotes mais grandes, todos os pacotes devem carregar

informação de endereçamento.

• A maioria dos sistemas utiliza alguma variante ct para o encaminhamento de mensagens.

Distribuída vs Compartilhada

Memória Compartilhada

Memória Distribuída

Escabalabilidade Difícil Fácil

Coerência de Memória

Problema -

Comunicação e Roteamento

- Problema

MIMD

MemóriaCompartilhada

MemóriaDistribuída

UMA NUMA

SMPs

Mult icore

Dinâmicas Estáticas

Omega Linear, Grade

Anel, Toroide

Hipercubo

Clusters

MIMD HíbridasMC + MD

Clusters Mult icore

FUTURO

MD- Grids ComputacionaisO que são Grids Computacionais

• Um modelo computacional emergente, baseado em

criar uma máquina paralela virtual com alta taxa de

processamento, a partir de várias máquinas

interconectadas numa rede local ou de longa

distância;

• Surgiram em meados da década de 90 com a

promessa de viabilizar a execução de aplicações

paralelas em recursos geograficamente dispersos e

pertencentes a múltiplas organizações;

MD- Grids ComputacionaisO que são Grids Computacionais

• De forma geral os Grids potencializam a utilização dos recursos inativos, ou seja ciclos de CPU e/ou armazenamento em disco, de um grande número de computadores, como por exemplo computadores de escritório,

• Os Grids computacionais objetivam transformar estes computadores num cluster virtual embebido em uma infra-estrutura de comunicações.

MD- Grids ComputacionaisObjetivos dos Grids Computacionais1. Fornecer uma plataforma muito mais barata para

execução de aplicações distribuídas, (mais barata que os supercomputadores paralelos por exemplo)

2. Possibilitar (através da aglomeração de recursos dispersos) a execução de aplicações paralelas em uma escala simplesmente impossível em um único supercomputador

3. Aproveitar a grande quantidade de recursos computacionais disponíveis.

MD- Grids Computacionais• os Grids são mais distribuídos, diversos e

complexos que outras plataformas.• Características de Grids:

● Heterogeneidade: Os componentes que formam a infraestrutura tendem ser extremamente heterogêneos (hardaware e software)

● Alta dispersão geográfica: Essa característica se refere a escala que um Grid pode atingir (escala global)

MD- Grids Computacionais• Características de Grids ...

● Compartilhamento: informação, aplicações, armazenamento, processador, ...

● Múltiplos domínios administrativos: Grids congregam recursos de várias instituições (diferentes políticas de acesso e uso de serviços)

● Controle distribuído: Tipicamente não há uma única entidade que tenha poder sobre todo o Grid.

MD- Grids Computacionais• A utilização de Grids introduz os seguintes

problemas:

• recursos computacionais não são administrados centralmente,

• dificuldade no gerenciamento de usuários,

• necessidade de acesso remoto aos recursos,

• diversidade de arquiteturas e sistemas operacionais,

• dificuldades em proporcionar serviços de qualidade.

MD- Grids ComputacionaisPrincipais middlewares de computação em grid:• Globus (http://www.globus.org/): • conjunto de serviços que permitem a submissão e controle de aplicações, descoberta de recursos, movimentação de dados e segurança no ambiente do grid.• Tendo sido a solução de maior impacto na comunidade da computação de alto desempenho, o Globus e os protocolos definidos em sua arquitetura tornaram-se um padrão como infra-estrutura para computação em grid (escopo amplio).

MD- Grids ComputacionaisPrincipais middlewares de computação em grid:

• MyGrid (http://www.mygrid.org.uk/):

• uma plataforma simples, completa e segura;

• um intento de popularizar o uso de grids para executar aplicações paralelas leves, chamadas bag-of-tasks (aplicações cujas tarefas são independentes, podendo ser executadas em qualquer ordem) ;

• aplicações bag-of-task se adéquam melhor a ampla distribuição, heterogeneidade e dinamicidade do Grid, e resolvem vários problemas importantes, tais como mineração de dados, processamento genômico, pesquisa massiva (como quebra de chaves criptográficas), simulações Monte Carlo, e manipulação de imagem (como tomografia).

MD- Grids ComputacionaisPrincipais middlewares de computação em grid:• Condor(http://www.cs.wisc.edu/condor/):• é um middleware de aproveitamento dos ciclos ociosos de um conjunto de estações de trabalho em uma rede institucional (Condor pool),• Com a utilização desses pools em diversas instituições, surgiram diversos mecanismos para o compartilhamento de recursos disponíveis em diferentes instituições e domínios, antes mesmo do surgimento do conceito de computação em grid;• Tendo sido um esforço pioneiro (1984) e se adaptado à evolução das perspectivas da computação de alta performance para a computação em grid, o projeto Condor tem, em sua história, uma série de lições sobre os problemas gerenciais e operacionais da criação e utilização de grids computacionais.


● SETI@home, Entropia e distributed.net

• São exemplos de soluções que utilizam middlewares próprios para formar um grid proprietário,

• Através da instalação voluntária do middleware em máquinas ao redor do globo, o sistema ganha acesso ao seu poder computacional ocioso,


● SETI@home, Entropia e distributed.net

• o controle do acesso ao grid é centralizado na figura de uma instituição que possui o grid. Apenas aplicações submetidas pelos proprietários do grid têm acesso aos recursos,

• Principalmente dedicados a aplicações científicas,

• O projeto SETI@home reune 6 milhões de computadores em tarefas de analise de dados para busca de vida extraterrestre.


● http://setiathome.berkeley.edu/

● http://www.distributed.net/

http://setiathome.berkeley.edu/

http://www.distributed.net/

Documents

Hardware Paralelo - UESCnbcgib.uesc.br/nbcgib/files/PP/Aula03_arq_par.pdf · 2013. 4. 12. · Processamento Paralelo Hardware Paralelo Universidade Estadual de Santa Cruz Bacharelado