برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Designing Practical Efficient Algorithms for Symmetric Multiprocessors

دانلود کتاب طراحی الگوریتم های کارآمد برای چند پردازنده های متقارن

مشخصات کتاب

Designing Practical Efficient Algorithms for Symmetric Multiprocessors

دسته بندی: الگوریتم ها و ساختارهای داده
ویرایش:  
نویسندگان: David R Helman  
سری: Computer science technical report series 
 
ناشر: University of Maryland 
سال نشر: 1998 
تعداد صفحات: 20 
زبان: English 
فرمت فایل : GZ (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 152 کیلوبایت

قیمت کتاب (تومان) : 42,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 17

در صورت تبدیل فایل کتاب Designing Practical Efficient Algorithms for Symmetric Multiprocessors به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب طراحی الگوریتم های کارآمد برای چند پردازنده های متقارن نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب طراحی الگوریتم های کارآمد برای چند پردازنده های متقارن

چند پردازنده های متقارن (SMP) بر بازار سرورهای پیشرفته تسلط دارند و در حال حاضر کاندیدای اصلی برای ساخت سیستم های چند پردازنده ای در مقیاس بزرگ هستند. با این حال، طراحی الگوریتم‌های موازی کارآمد برای این پلتفرم در حال حاضر چندین چالش را به همراه دارد. در این مقاله، ما یک مدل محاسباتی برای طراحی الگوریتم‌های کارآمد برای چند پردازنده‌های متقارن ارائه می‌کنیم. سپس از این مدل برای ایجاد راه‌حل‌های کارآمد برای دو نوع مشکل بسیار متفاوت استفاده می‌کنیم - محاسبات پیشوند لیست پیوندی و مرتب‌سازی تعمیم‌یافته. الگوریتم جدید ما برای محاسبات پیشوندی مبتنی بر رویکرد مجموعه حاکم پراکنده Reid-Miller و Blelloch است. علاوه بر این که تا حدودی ساده‌تر است و به تقریباً نیمی از تعداد دسترسی‌های حافظه نیاز دارد، می‌توانیم پیچیدگی خود را به جای صرفاً متوسط، با احتمال زیاد محدود کنیم. الگوریتم ما برای مرتب‌سازی تعمیم‌یافته، اصلاح الگوریتم ما برای مرتب‌سازی با نمونه‌گیری منظم در معماری‌های حافظه توزیع‌شده است. این الگوریتم یک مرتب سازی پایدار است که به نظر می رسد به طور مجانبی سریعتر از هر یک از الگوریتم های منتشر شده برای SMP ها باشد. هر دو الگوریتم ما در C با استفاده از رشته‌های POSIX پیاده‌سازی شدند و روی چهار چند پردازنده متقارن اجرا شدند - IBM SP-2 (High Node)، HP-Convex Exemplar (S-Class)، DEC AlphaServer، و Silicon Graphics Power Challenge. ما کد خود را برای هر الگوریتم با استفاده از معیارهای مختلفی اجرا کردیم که برای بررسی وابستگی الگوریتم خود به الگوهای دسترسی به حافظه شناسایی کردیم. علیرغم این واقعیت که پردازنده ها باید برای دسترسی به حافظه اصلی رقابت کنند، هر دو الگوریتم همچنان عملکردی مقیاس پذیر تا 16 پردازنده دارند که بزرگترین پلتفرم موجود برای ما بود. برای برخی از مشکلات، الگوریتم محاسباتی پیشوند ما در واقع با کارایی راه حل متوالی استاندارد تنها با استفاده از یک رشته تطابق داشت یا از آن فراتر رفت. به طور مشابه، الگوریتم مرتب‌سازی تعمیم‌یافته ما همیشه عملکرد مرتب‌سازی ادغام متوالی را حداقل با یک مرتبه بزرگی، حتی با یک رشته، شکست می‌دهد.

توضیحاتی درمورد کتاب به خارجی

Symmetric multiprocessors (SMPs) dominate the high-end server market and are currently the primary candidate for constructing large scale multiprocessor systems. Yet, the design of efficient parallel algorithms for this platform currently poses several challenges. In this paper, we present a computational model for designing efficient algorithms for symmetric multiprocessors. We then use this model to create efficient solutions to two widely different types of problems - linked list prefix computations and generalized sorting. Our novel algorithm for prefix computations builds upon the sparse ruling set approach of Reid-Miller and Blelloch. Besides being somewhat simpler and requiring nearly half the number of memory accesses, we can bound our complexity with high probability instead of merely on average. Our algorithm for generalized sorting is a modification of our algorithm for sorting by regular sampling on distributed memory architectures. The algorithm is a stable sort which appears to be asymptotically faster than any of the published algorithms for SMPs. Both of our algorithms were implemented in C using POSIX threads and run on four symmetric multiprocessors - the IBM SP-2 (High Node), the HP-Convex Exemplar (S-Class), the DEC AlphaServer, and the Silicon Graphics Power Challenge. We ran our code for each algorithm using a variety of benchmarks which we identified to examine the dependence of our algorithm on memory access patterns. In spite of the fact that the processors must compete for access to main memory, both algorithms still yielded scalable performance up to 16 processors, which was the largest platform available to us. For some problems, our prefix computation algorithm actually matched or exceeded the performance of the standard sequential solution using only a single thread. Similarly, our generalized sorting algorithm always beat the performance of sequential merge sort by at least an order of magnitude, even with a single thread.