پردازش موازی و کاربرد های آن - وب سایت رضا احمدی

پردازش موازی روشی برای استفاده همزمان از بیش از یک CPU یا هسته پردازنده برای اجرای یک برنامه یا چندین رشته محاسباتی است. جدا کردن بخش‌های مختلف یک کار در میان چندین پردازنده به کاهش زمان اجرای یک برنامه کمک می‌کند. هر سیستمی که بیش از یک CPU دارد، می‌تواند پردازش موازی را انجام دهد و همچنین پردازنده‌های چند هسته‌ای را که امروزه معمولاً در رایانه‌ها یافت می‌شوند توانایی انجام این روش را دارند.

پردازنده‌های چند هسته‌ای، تراشه‌های آی‌سی هستند که حاوی دو یا چند پردازنده برای عملکرد بهتر، کاهش مصرف انرژی و پردازش کارآمدتر چندین کار هستند. این تنظیمات چند هسته ای شبیه به نصب چندین پردازنده جداگانه در یک رایانه است. اکثر کامپیوترها ممکن است دو تا چهار هسته داشته باشند.

پردازش موازی چگونه کار می کند:

به طور معمول یک دانشمند کامپیوتر یک کار پیچیده را با یک ابزار نرم افزاری به چند قسمت تقسیم می کند و هر قسمت را به یک پردازنده اختصاص می دهد، سپس هر پردازنده قسمت خود را حل می کند و داده ها توسط یک ابزار نرم افزاری برای خواندن راه حل یا اجرای کار دوباره جمع می شوند.در نتیجه سیستم‌ها می‌توانند زمان اجرای یک برنامه را با تقسیم بخش‌های متعدد یک کار بین چندین پردازنده کاهش دهند.

انواع پردازش موازی

انواع مختلفی از پردازش موازی وجود دارد که دو نوع از رایج ترین آنها شامل SIMD و MIMD است.

 SIMD یا داده‌های چندگانه تک دستورالعمل، شکلی از پردازش موازی است که در آن یک رایانه دارای دو یا چند پردازنده از مجموعه دستورالعمل‌های یکسانی است در حالی که هر پردازنده داده‌های متفاوتی را مدیریت می‌کند. SIMD معمولاً برای تجزیه و تحلیل مجموعه داده های بزرگی که بر اساس معیارهای مشخص شده یکسان هستند استفاده می شود.

MIMD یا داده‌های چندگانه دستورالعمل‌های متعدد، شکل رایج دیگری از پردازش موازی است که هر رایانه دارای دو یا چند پردازنده خاص خود است و داده‌ها را از جریان‌های داده جداگانه دریافت می‌کند.

نوع دیگری از پردازش موازی که کمتر مورد استفاده قرار می گیرد شامل MISD یا داده های تک دستورالعمل چندگانه است که در آن هر پردازنده از الگوریتم متفاوتی با داده های ورودی یکسان استفاده می کند.

تفاوت بین پردازش سریال و موازی

در جایی که پردازش موازی می تواند چندین کار را با استفاده از دو یا چند پردازنده انجام دهد، پردازش سریال (که پردازش متوالی نیز نامیده می شود) تنها یک کار را در یک زمان با استفاده از یک پردازنده تکمیل می کند. اگر کامپیوتری نیاز به انجام چندین کار محول شده داشته باشد، آنگاه یک کار را در یک زمان انجام خواهد داد. به همین ترتیب، اگر کامپیوتری که از پردازش سریال استفاده می‌کند، نیاز به انجام یک کار پیچیده داشته باشد، در مقایسه با یک پردازنده موازی، زمان بیشتری می‌برد.

مزایای محاسبات موازی

مزایای محاسبات موازی این است که رایانه‌ها می‌توانند کد را با کارایی بیشتری اجرا کنند، که می‌تواند با مرتب‌سازی «داده‌های بزرگ» سریع‌تر از همیشه در زمان و هزینه صرفه‌جویی کند. برنامه نویسی موازی همچنین می تواند مشکلات پیچیده تری را حل کند و منابع بیشتری را به روی میز بیاورد. این به برنامه های کاربردی از بهبود انرژی خورشیدی تا تغییر نحوه عملکرد صنعت مالی کمک می کند.

مثال های پردازش موازی

پردازش موازی یا محاسبات موازی، امروزه کاربردهای مهم بسیاری دارد. این شامل:

1. پیش بینی در کشاورزی

وزارت کشاورزی ایالات متحده هر ماه نسبت عرضه و تقاضا را برای محصولات مختلف ضروری محاسبه می کند. پیش‌بینی‌ها ممکن است بر همه تأثیر بگذارد، از جمله سیاست‌گذارانی که تلاش می‌کنند بازارها را تثبیت کنند و کشاورزانی که تلاش می‌کنند بودجه خود را مدیریت کنند.

محققان دپارتمان منابع طبیعی و علوم محیطی در دانشگاه ایلینویز با افزودن داده‌های بیشتر، مانند تخمین‌های رشد محصول، داده‌های آب و هوایی فصلی و داده‌های ماهواره‌ای، از پیش‌بینی استاندارد صنعت دولت فدرال در سال ۲۰۱۸ بهتر عمل کردند. این به محققان اجازه داد تا از پیش بینی دولت فدرال بهتر عمل کنند. ابرکامپیوتر petascale، Blue Waters در دانشگاه، مسئول پردازش موازی این داده ها با استفاده از الگوریتم های یادگیری ماشین بود.

2. جلوه های ویدئویی پس از تولید

چندین فیلم پرهزینه منتشر شده، مانند Ad Astra از برد پیت و عملیات ترور پیچیده جان ویک، به پردازش موازی برای جلوه های ویژه پس از تولید بستگی دارد. استودیوی Blackmagic Design’s DaVinci Resolve، در میان تنها معدود امکانات پس از تولید استاندارد هالیوود با قابلیت‌های شتاب‌دهنده GPU، در هر دو مورد استفاده شد. این کامپیوترهای قدرتمند بسته به روش ردیابی پرتو، رندرهای پیشرفته ای را انجام می دهند. انیمیشن سه بعدی و تصحیح رنگ هر دو به پردازش موازی GPU به طور منظم نیاز دارند.

3. تصویربرداری پزشکی دقیق

تصویربرداری پزشکی یکی از اولین بخش هایی بود که به دلیل پردازش موازی، به ویژه انقلاب GPU-for-General-Computing، دچار تحول اساسی شد. در حال حاضر حجم وسیعی از اطلاعات علمی وجود دارد که توضیح می دهد چگونه افزایش ظرفیت محاسباتی و پهنای باند منجر به افزایش قابل توجه سرعت و وضوح برای تقریباً هر بخش از تصویربرداری پزشکی، از جمله MRI، CT، اشعه ایکس، و توموگرافی نوری شده است.

پیشرفت‌های مشابه با تمرکز موازی احتمالاً پیشرفت قابل توجه بعدی در تصویربرداری پزشکی را نشان خواهند داد و Nvidia در این راه پیشرو است. رادیولوژیست ها اکنون به دلیل ابزار پردازش موازی جدید معرفی شده این شرکت که به سیستم های تصویربرداری در مدیریت افزایش داده ها و بارهای محاسباتی کمک می کند، دسترسی بهتری به ظرفیت های هوش مصنوعی دارند.

***

منابع

[parallel processing ]:

https://www.techtarget.com/searchdatacenter/definition/parallel-processing

[What Is Parallel Processing? Definition, Types, and Examples]:

https://www.spiceworks.com/tech/iot/articles/what-is-parallel-processing/