Computacion
Arquitecturas Distribuidas
Ingeniería Informática, Optativa 2do. ciclo
Oscar Plata Dept. Arquitectura de Computadores Universidad de Málaga Febrero – Junio, 2002
Demanda de Potencia Computacional
Continua demanda por mayor velocidad de computación Problemas Grand-Challenge
Problema fundamental en ciencia e ingeniería, de gran impacto económico ocientífico, cuya solución es difícilmente alcanzable en un tiempo razonable con los computadores actuales. Características: Generación de datos complejos, simulaciones realistas, visualizaciones complejas de los resultados, ... Necesidades: Computadores más rápidos, con más memoria y más espacio de disco Ejemplos
» » » » Modelado del clima global Algoritmos de optimización global Turbulencias endinámica de fluidos (geofísica, astrofísica) Modelado macromolecular (proteínas) y estructuras ADN
Otros problemas
Aplicaciones militares, CAD/CAM, biología computacional, e-comercio, ...
Arquitecturas Distribuidas
2
Oscar Plata, AC, UMA, Febrero 2002
Mejora del Rendimiento
Modos de mejorar el rendimiento
Trabajar mas duro: Usar hardware más rápido, o reducir CPI Trabajar mejor:Optimizar el código y los algoritmos Pedir ayuda: Usar múltiples procesadores (procesamiento paralelo)
Limitaciones de los computadores secuenciales
Limitaciones físicas Vectorización es sólo adecuada para cierta clase de problemas Mejoras estructurales, tales como segmentación, ILP (superescalaridad, ejecución fuera de orden, …), no son suficientes para aplicaciones límite, y no son escalablesArquitecturas Distribuidas
3
Oscar Plata, AC, UMA, Febrero 2002
Dos Eras en la Computación
Arquitectura Software de Sistema
Era Secuencial
Aplicaciones Entornos de Sol. Problemas
Arquitectura Software de Sistema
Era Paralela
Aplicaciones Entornos de Sol. Problemas
1940
‘50
‘60
‘70
‘80
‘90
2000
‘10
‘20
2030
Comercialización Investigación yDesarrollo Madurez
Arquitecturas Distribuidas
4
Oscar Plata, AC, UMA, Febrero 2002
Arquitecturas Paralelas
Arquitectura
Arquitectura clásica, convencional, de von Newmann
Programa y datos en la misma memoria Instrucciones con operandos escalares Ejecución inherentemente secuencial del programa
Arquitectura alternativa, no clásica, paralela
Colección de elementos deprocesamiento que cooperan para resolver, de forma rápida, un gran problema computacional
Arquitecturas Distribuidas
5
Oscar Plata, AC, UMA, Febrero 2002
Taxonomía de Flynn
Flujo Flujo Instrucciones Datos
MISD SISD
Flujo Datos
Flujo Instrucciones
Flujo Instrucciones
Flujo Instrucciones
Procesador
Unidad Vectorial
Unidad Vectorial
Unidad Vectorial
Flujo Datos
FlujoDatos
MIMD
Flujo Instrucc. Flujo Datos Flujo Instrucc. Flujo Datos Flujo Instrucc. Flujo Datos
SIMD
Flujo Datos Procesador Proc
Controlador Flujo Instrucc. Flujo Datos Flujo Datos
Procesador Flujo Datos
Procesador Flujo Datos Red de Interconexión
Flujo Datos Flujo Datos Flujo Datos
Proc Flujo Datos
Proc
Red de Interconexión
Arquitecturas Distribuidas
6
OscarPlata, AC, UMA, Febrero 2002
Clasificación Más Actual
SISD
PCs Estaciones de trabajo
SIMD
Computadores Vectoriales Computadores Matriciales (Operandos de las instrucciones no escalares: vectores o matrices) (Aplicaciones de propósito específico)
MISD
Matrices Sistólicas
MIMD
Arquitecturas de Memoria Compartida
UMA (SMP) NUMA COMA
(Segmentación, superescalaridad, prebúsqueda,multi-hebra,…)
(Aplicaciones de propósito muy específico)
Arquitecturas de Memoria Privada
MPP LAN Cluster Grid
Arquitecturas Distribuidas
7
Oscar Plata, AC, UMA, Febrero 2002
Evolución de las Arquitecturas Paralelas
Arquitecturas Distribuidas
8
Oscar Plata, AC, UMA, Febrero 2002
Evolución de las Arquitecturas MIMD
Servidor Multiprocesador Supercomputador...
Regístrate para leer el documento completo.