safe search: Komputasi Paralel

Komputasi Paralel

Komputasi Paralel

Apa itu Komputasi Paralel?

Di komputer, komputasi paralel terkait erat dengan pemrosesan paralel (atau komputasi bersamaan). Ini adalah bentuk komputasi di mana bersamaan ("paralel") menggunakan beberapa CPU yang dilakukan secara bersamaan dengan sistem shared-memory untuk memecahkan masalah komputasi superkomputer. Paralelisme adalah proses perhitungan besar, yang dapat dipecah menjadi beberapa prosesor yang dapat memproses secara mandiri dan yang hasilnya digabungkan setelah selesai. Paralelisme telah lama digunakan dalam superkomputer berkinerja tinggi.

Ø Serial Komputasi :

Secara tradisional, perangkat lunak telah ditulis untuk perhitungan serial:

· Masalah dipecah menjadi serangkaian instruksi yang terpisah

· Instruksi dieksekusi secara berurutan satu demi satu

· Dieksekusi pada satu prosesor

· Hanya satu instruksi yang dapat dijalankan kapan saja

Contohnya :

Ø Komputasi Paralel:

Dalam arti paling sederhana, komputasi paralel adalah penggunaan simultan sumber daya komputasi ganda untuk memecahkan masalah komputasi:

· Masalah dipecah menjadi bagian-bagian terpisah yang dapat dipecahkan secara bersamaan

· Setiap bagian selanjutnya dipecah menjadi serangkaian instruksi

· Instruksi dari setiap bagian dijalankan secara bersamaan pada prosesor yang berbeda

· Keseluruhan mekanisme kontrol / koordinasi digunakan

Masalah komputasi harus dapat:

· Dipecah menjadi bagian-bagian pekerjaan yang terpisah yang dapat dipecahkan secara bersamaan;

Jalankan beberapa instruksi program kapan saja dalam waktu;

· Dipecahkan dalam waktu yang lebih singkat dengan banyak sumber daya komputasi dibandingkan dengan sumber daya komputasi tunggal.

Sumber daya komputasi biasanya:

· Komputer tunggal dengan banyak prosesor / core

· Sejumlah komputer yang sewenang-wenang yang terhubung oleh jaringan

Ø Mengapa Menggunakan Komputasi Paralel?

Dunia Nyata adalah Paralel Besar-besaran:

· Di dunia alami, banyak peristiwa kompleks dan saling terkait terjadi pada saat yang sama, namun dalam urutan temporal.

· Dibandingkan dengan komputasi serial, komputasi paralel jauh lebih cocok untuk pemodelan, simulasi, dan pemahaman fenomena dunia nyata yang kompleks.

Sebagai contoh, bayangkan pemodelan ini secara seri:

Ø Alasan Utama:

Hemat Waktu Dan Uang:

· Secara teori, membuang lebih banyak sumber daya pada suatu tugas akan mempersingkat waktu penyelesaiannya, dengan potensi penghematan biaya.

· Komputer paralel dapat dibangun dari komponen komoditas yang murah.

Memecahkan Masalah Yang Lebih Besar / Lebih Kompleks:

Banyak masalah yang begitu besar dan / atau rumit sehingga tidak praktis atau tidak mungkin untuk menyelesaikannya pada satu komputer, terutama mengingat memori komputer yang terbatas.

Contoh: "Masalah Tantangan Besar" (en.wikipedia.org/wiki/Grand_Challenge) yang membutuhkan PetaFLOPS dan PetaBytes sumber daya komputasi.

Contoh: mesin pencari web / basis data yang memproses jutaan transaksi setiap detik

MEMBERIKAN CONCURRENCY:

Sumber daya komputasi tunggal hanya dapat melakukan satu hal pada satu waktu. Berbagai sumber daya komputasi dapat melakukan banyak hal secara bersamaan.

Contoh: Collaborative Networks menyediakan tempat global di mana orang-orang dari seluruh dunia dapat bertemu dan melakukan pekerjaan "secara virtual".

Ø Siapa yang Menggunakan Komputasi Paralel?

Sains dan Teknik:

Secara historis, komputasi paralel telah dianggap sebagai "ujung tinggi komputasi", dan telah digunakan untuk memodelkan masalah-masalah sulit di banyak bidang sains dan teknik:

· Atmosfer, Bumi, Lingkungan

· Fisika - diterapkan, nuklir, partikel, materi terkondensasi, tekanan tinggi, fusi, fotonik

· Biosains, Bioteknologi, Genetika

· Kimia, Ilmu Molekuler

· Geologi, Seismologi

· Teknik Mesin - dari prosthetics ke pesawat ruang angkasa

· Teknik Listrik, Desain Sirkuit, Mikroelektronika

· Ilmu Komputer, Matematika

· Pertahanan, Senjata

Ø Industri dan komersial:

Saat ini, aplikasi komersial memberikan kekuatan pendorong yang sama atau lebih besar dalam pengembangan komputer yang lebih cepat. Aplikasi ini membutuhkan pemrosesan data dalam jumlah besar dengan cara yang canggih. Sebagai contoh:

· "Big Data", basis data, penggalian data

· Kecerdasan Buatan (AI)

· Mesin pencari web, layanan bisnis berbasis web

· Pencitraan dan diagnosis medis

· Desain farmasi

· Pemodelan keuangan dan ekonomi

· Manajemen perusahaan nasional dan multi-nasional

· Grafis canggih dan realitas virtual, khususnya di industri hiburan

· Video jaringan dan teknologi multi-media

· Eksplorasi minyak

Ø Konsep dan Terminologi

von Neumann Arsitektur

· Dinamai setelah ahli matematika / genius Hongaria John von Neumann yang pertama kali menulis persyaratan umum untuk komputer elektronik dalam makalahnya tahun 1945.

· Juga dikenal sebagai "komputer program tersimpan" - instruksi dan data program disimpan dalam memori elektronik. Berbeda dari komputer sebelumnya yang diprogram melalui "kabel keras".

· Sejak itu, hampir semua komputer telah mengikuti desain dasar ini.

· Terdiri dari empat komponen utama:

v Memory

v Control Unit

v Arithmetic Logic Unit

v Input/Output

· Read / Write, RAM atau random acces memory digunakan untuk menyimpan instruksi dan data program

v Instruksi program adalah data kode yang memberi tahu komputer untuk melakukan sesuatu

v Data hanyalah informasi yang akan digunakan oleh program

· Control unit fetches instructions/data dari memori, menerjemahkan instruksi dan kemudian mengoordinasikan operasi secara berurutan untuk menyelesaikan tugas yang diprogram.

· Unit Aritmatika melakukan operasi aritmatika dasar

· Input / Output adalah antarmuka ke operator manusia

John von Neumann sekitar tahun 1940-an

(Sumber: Arsip LANL)

Ø Taksonomi Klasik Flynn

Salah satu klasifikasi yang lebih banyak digunakan, digunakan sejak 1966, disebut Flynn's Taxonomy.

Taksonomi Flynn membedakan arsitektur komputer multi-prosesor sesuai dengan bagaimana mereka dapat diklasifikasikan di sepanjang dua dimensi independens dari Instruction Stream dan Data Stream. Masing-masing dimensi ini hanya dapat memiliki satu dari dua status yang mungkin: Tunggal atau Banyak.

Matriks di bawah ini mendefinisikan 4 klasifikasi yang mungkin menurut Flynn: