Birinin dünya HPC gelen dünyanın kurumsal web tasarım, ben hep merak görmek nasıl geliştiriciler geri içinde "gerçek dünya" üzerinde çalışıyorum paralel hesaplama. Bu all chips are going multicore ve bir çip yerine sadece bir kaç çekirdek binlerce olduğunda bile daha alakalı olacak şimdi çok daha uygun.

Benim sorular şunlardır:

1. Nasıl bu yazılım yol haritası etkiler?
2. Birden farklı yazılım alanları nasıl etkilediği hakkında gerçek hikayeler ilgimi çekecek, cevabınız ne belirtin (örneğinsunucu tarafı, istemci tarafı uygulamaları, bilimsel bilgi işlem, vb.).
3. Mevcut kodu ile sorunlar karşısında ne çok çekirdekli makineleri ve yararlanmak için ne yapıyorsun? BaşkaOpenMP, Erlang, Haskell, , *, *7CUDATBB ya bir şey kullanıyor musunuz?
4. Sen eşzamanlılık düzeyleri arttıkça yapmayı planlıyoruz, Ne ve nasıl çekirdek yüzlerce veya binlerce baş edeceksiniz?
5. Eğer etki varsayokkolayca paralel hesaplama yarar, o zaman neden açıklama da ilginç.

Son olarak, çok çekirdekli bir soru olarak bu oyuna getirdim, ama paralel hesaplama diğer türleri hakkında konuşmak çekinmeyin. Eğer MapReduce, kullanmak için uygulamanızın bir parçası taşıma yapıyorsanız ya da büyük kümeler MPI paradigma ise, o zaman kesinlikle o, çok söz.

Güncelleme:Eğer cevap #5, söz olup olmadığını düşündüğün şeyler değişecek olursa olsun daha fazla çekirdek (100, 1000, vs.) daha yem ile mevcut bellek bant genişliği (bant genişliği olarak görmek nasıl oluyor da daha küçük ve daha küçük çekirdek başına). Hala başvuru için kalan çekirdek kullanabiliyor musunuz?

Araştırmam spam filtreleme Derleyiciler üzerinde çalışma içerir ve çalışma. Ben de 'kişisel verimlilik Unix şeyler. çok Ayrıca değerlendirme, test öğrenci kodu, izleme notları, ve sayısız diğer ıvır zıvır içeren yazıyorum ve yazılım dersi veriyorum sınıfları yönetmek için kullanın.

1. Çok çekirdekli değil beni etkilerbir araştırma problemi dışında diğer uygulamalar destek için Derleyiciler için. Ama bu sorunları öncelikle çalıştırma sistemi, derleyici değil, yalan.
2. Büyük sorun ve masrafları, Dave Wortman edebileceğini 1990 gösterdidört işlemci meşgul tutmak için bir derleyici parallelize. Biliyorum kimse deneyi tekrarladı.Çoğu derleyici yeterince hızlıtek iş parçacıklı çalışma. Ve çok daha kolay derleyici kendisi paralel yapmak daha paralel olarak birçok farklı kaynak dosyaları üzerinde sıralı derleyici çalıştırmak için. Spam filtreleme içinöğrenme doğal olarak sıralı bir süreçtir. Ve hatta eski bir makine yüzlerce mesaj bir ikinci öğrenebilir, hatta büyük bir corpus bir dakika altında öğrenmiş olabilir. Yineeğitim yeterince hızlı.
3. Tek önemli yolu paralel makineler istismarparalel kullanarak yapın. Büyük bir nimetbüyük parallelize için kolay oluşturur. Neredeyse otomatik olarak çalışır. Tek şey ben bildim bileli kullanıyor paralellik için zaman uzun süre çalışan öğrenci kodu ile bunu ekmesi için bir sürü laboratuar makineleri, hangi olabilir çok çok rahat çünkü ben sadece clobbering bir tek çekirdek başına makinesi, kullanarak sadece 1/4 CPU kaynakları. Oh, ve lame ile MP3 dosyaları kopyalarken tüm 4 çekirdek kullanan bir Lua script yazdım. Bu senaryo doğru almak için bir sürü iş vardı.
4. Edeceğimonlarca, yüzlerce ve binlerce çekirdeğe görmezden. "Paralel makineler geliyor; hazır almak gerekir" 1984. söylendi ilk kez O zaman doğru ve gerçek bugünparalel programlama eğitimli çalışanlar için bir etki alanı vardır. Değişen tek şey bugünüreticiler bize paralel donanım için ödemek zorundabiz istesek de istemesek de. Amadonanım ödenir diye kullanmak ücretsiz olduğu anlamına gelmez.Programlama modelleri çok kötü, ve iplik/dışlama modeli yapıyoruzişbırak , eğer donanım özgür olsa bile, iyi performans için pahalı bir iştir. Çoğu programcı paralellik görmezden bekliyorum ve sessizce kendi iş hakkında. Yetenekli bir uzmana paralel bir olun ya da büyük bir bilgisayar oyunu ile birlikte geldiğinde, sessizce alkışlamak ve onların çabaları kullanın. Eğer kendi uygulamalarım için performans istiyorum eğer konsantre olacağımbellek ayırmalarını azaltırve paralellik görmezden.
5. Paralellikgerçekten çok zor.Enetki parallelize için çok zor. Paralel yapmak gibi yaygın olarak yeniden bir durum çok sevinç için nedenidir.

Özet (duydum bir konuşmacı için çalışmış bir lider üreticisi CPU): endüstri destekli çok çekirdekli içine çünkü onlar-ebil tutmak yapma makineleri çalıştırmak daha hızlı ve daha sıcak ve daha önceden bilmedikleri ne ilgisi ekstra transistörler. Şimdi ise kar yok eğer doğru değilse, fab çizgiler yeni nesil yapamazlar çünkü çok çekirdekli karlı hale getirmek için bir yol bulmak için çaresiz durumdalar. Tren bitti, ve aslında yazılım maliyetleri için dikkat başlamak zorunda kalabiliriz.

Paralellik konusunda ciddi birçok kişi 4 çekirdekli hatta 32 çekirdekli GPU lehine makineleri 128 işlemcili veya daha fazla bu oyuncak görmezden. Benim tahminim asıl aksiyon orada olacak.