컴퓨터 칩 데이터 병렬의 종류

1970년대부터 1986년대 경까지 컴퓨터 칩 제조 기술로 대규모 통합(VLSI)이 출현한 이후 컴퓨터 아키텍처의 가속화는 컴퓨터의 단어 크기를 두 배로 늘려 프로세서가 사이클당 처리할 수 있는 정보의 양을 크게 달성했습니다. 단어 크기를 늘리면 크기가 단어 길이보다 큰 변수에서 작업을 수행하기 위해 프로세서가 실행해야 하는 명령 수가 줄어듭니다. 예를 들어, 8비트 프로세서가 두 개의 16비트 정수를 추가해야 하는 경우 프로세서는 먼저 추가 명령과 함께 각 정수의 8개의 저주문 비트를 추가한 다음, 낮은 순서 추가의 캐리 비트를 고려하는 캐리 추가 명령을 사용하여 8비트 고주문을 추가해야 하며, 이 경우 8비트 프로세서는 단일 작동을 완료하는데 2개의 지침이 필요합니다. 역사적으로 4비트 마이크로프로세서는 8비트 마이크로프로세서로 대체된 후 16비트와 32비트로 대체되었으며, 이 일반적인 추세는 지난 10년간 범용 컴퓨팅의 표준이었던 64비트 프로세서의 도입으로 끝났습니다.

컴퓨터 프로그램은 본질적으로 프로세서에서 실행되는 명령 순서입니다. 이러한 지침은 프로그램의 결과를 변경하지 않고 병렬로 실행되는 그룹으로 다시 정렬 및 결합할 수 있습니다. 이를 교육 수준 병렬로 알 수 있습니다. 1980년대 중반부터 1990년대 중반까지 컴퓨터 아키텍처를 지배하인 교육적 병렬 주의의 발전을 가져왔습니다. 최신 프로세서에는 다단계 지침 파이프라인이 있습니다. 파이프라인의 각 스테이지는 프로세서가 스테이지에 대응하는 명령에서 수행하는 다른 작업에 해당합니다. N 단계 파이프라인이 있는 프로세서는 다양한 완료 단계에서 최대 n개의 다른 지침을 가질 수 있습니다. 분할된 프로세서의 정식 예제는 요청 명령, 디코딩, 실행, 메모리 액세스 및 쓰기의 다섯 단계가 있는 RISC 프로세서입니다. 펜티엄 4 프로세서에는 35단계 파이프라인이 있었습니다. 파이프 라이닝의 교육 병렬화 외에도 일부 프로세서는 한 번에 두 개 이상의 명령을 실행할 수 있습니다. 이를 초스케일 프로세서라고 합니다. 문 사이에 데이터 종속성이 없는 경우에만 함께 그룹화할 수 있습니다. 스코어보드와 스코어보드와 비슷하지만 레코드 이름을 바꾸는 알고리즘은 주문 외 실행 및 교육 수준 병렬화를 구현하는 가장 일반적인 두 가지 기술입니다.

데이터 병렬성은 주기가 있는 프로그램에 내재된 병렬로, 병렬 처리해야 하는 다양한 계산 노드 간에 데이터 분포에 중점을 둡니다. 주기의 병렬화는 종종 유사한 작업 시퀀스(반드시 동일하지는 않음)나 대규모 데이터 구조의 요소에서 수행되는 함수로 이어집니다. 많은 과학 및 엔지니어링 응용 분야는 데이터 병렬성을 보여줍니다. 주기 종료 종속성은 하나 이상의 이전 반복의 출력에 대한 주기 반복의 종속성입니다. 주기 종료 종속성은 사이클의 병렬화를 방지합니다. 각 반복은 이전 반복의 결과에 따라 달라지므로 병렬로 수행할 수 없습니다. 문제의 크기가 커지면 사용 가능한 데이터의 병렬화도 일반적으로 수행됩니다. 데이터 병렬화는 입력 데이터 집합을 프로그램으로 세분화하여 각 프로세서에 해당 데이터의 하위 집합을 구성하는 동시 프로그래밍의 패러다임입니다. 각 프로세서는 할당된 데이터 하위 집합의 다른 프로세서와 동일한 작업 시퀀스를 수행합니다. 이상적으로, 이러한 동시 작업 실행은 계산의 전반적인 순 가속을 초래합니다. 데이터 병렬성은 벡터 및 행렬에 대한 작업에 적합한 패러다임입니다.

작업 병렬성은 병렬 프로그램의 기능으로 동일하거나 다른 데이터 집합에서 완전히 다른 계산을 수행할 수 있습니다. 이는 다른 데이터 또는 동일한 데이터 그룹에서 동일한 계산이 수행되는 데이터 병렬과 대조됩니다. 작업 병렬성은 일반적으로 문제의 크기와 함께 확장되지 않습니다. 작업 병렬 주의는 컴퓨터 시스템의 각 프로세서에 서로 다른 작업을 할당하는 것으로 구성된 동시 프로그래밍의 패러다임입니다. 따라서 각 프로세서는 자체 작업 시퀀스를 수행합니다. 가장 일반적인 모드에서 작업 병렬성은 작업 그래프로 표시되며, 이는 다른 프로세서에 할당된 하위 그래프로 세분화됩니다. 그래프를 절단하는 방법은 결과 병렬 효율에 따라 달라집니다. 동시 실행을 위한 작업 그래프의 최적의 분할 및 할당은 NP의 완전 문제이므로 실제로는 대략적인 추론 방법을 사용하여 최적의 작업에 가까운 매핑을 달성할 수 있습니다. 그러나 동시 스케줄링에 관심이 있는 제한된 작업 병렬 주의의 예가 있습니다. 이러한 경우 각 노드가 이전 노드에서 데이터를 수신하고 그 결과가 다음 노드로 전송되는 문자열 모양의 채널 병렬 분석의 경우입니다. 이 모델의 단순화된 특성을 통해 최적의 효율의 병렬성을 얻을 수 있습니다.