mirror of
https://github.com/kuhyx/WUT_Computer_Science.git
synced 2026-11-22 13:12:21 +01:00
feat: added description of other zrównoleglenia
This commit is contained in:
parent
d3b6a0aacc
commit
548fa26572
Binary file not shown.
@ -114,6 +114,30 @@ Procesy wykorzystujemy do:
|
|||||||
\item Wymiana danych między procesami - wymaga serializacji i deserializacji danych, co może wprowadzić dodatkowe opóźnienia.
|
\item Wymiana danych między procesami - wymaga serializacji i deserializacji danych, co może wprowadzić dodatkowe opóźnienia.
|
||||||
\item Brak korzyści dla małych danych - w przypadku małych macierzy, gdzie rozmiar nie przekracza 5 tysięcy x 5 tysięcy elementów, zarządzanie procesami i koszty komunikacji międzyprocesowej mogą przewyższać korzyści wynikające z równoległego przetwarzania,
|
\item Brak korzyści dla małych danych - w przypadku małych macierzy, gdzie rozmiar nie przekracza 5 tysięcy x 5 tysięcy elementów, zarządzanie procesami i koszty komunikacji międzyprocesowej mogą przewyższać korzyści wynikające z równoległego przetwarzania,
|
||||||
\end{itemize}
|
\end{itemize}
|
||||||
|
|
||||||
|
\subsection{Wątki}
|
||||||
|
Do implementacji wątków użyto dwóch bibliotek, ThreadPoolExecutor która umożliwia zarządzanie pulą wątków i delegowanie zadań do wątków
|
||||||
|
w sposób równoległy oraz funkcji partial z biblioteki functools która pozwala na tworzenie częściowo zainicjalizowanych funkcji.
|
||||||
|
\paragraph{Funkcje}
|
||||||
|
Wątki zaimplementowano w mnożeniu macierzy przeez wektor, odejmowaniu wektorów, dodawaniu wektorów oraz mnożeniu wektora przez skalar, metody zostają
|
||||||
|
zrównoleglone poprzez podzielenie liczby wierszy macierzy między wątki, następnie ThreadPoolExecutor tworzy wątki i przekazuje im odpowiednie, niezależne
|
||||||
|
części pracy do wykonania.
|
||||||
|
\paragraph{Zalety}
|
||||||
|
Zalety wykorzystania wątków to przede wszystkim szybki czas tworzenia i niszczenia wątków przez system operacyjny w porównaniu do procesów.
|
||||||
|
Co więcej mają one dostęp do całej przestrzeni adresowej programu, co oszczędza niepotrzebne kopiowanie danych. Jedynie ich własny stos jest prywatny.
|
||||||
|
|
||||||
|
\subsection{Tablice rozproszone}
|
||||||
|
Tablice rozproszone dzielą macierz i przypisują każdą z jej części do konkretnego procesora.
|
||||||
|
Procesory wykonują obliczenia na danych przechowywanych w ich lokalnej pamięci, co minimalizuje konieczność przesyłania danych pomiędzy węzłami. \\
|
||||||
|
Tablice rozporoszone nie są natywnie wspierane przez Python-a, w związku z tym zostały zaimplementowane przy użyciu modułu array z biblioteki \textbf{dask}. \\
|
||||||
|
Wszystkie podstawowe funkcje wykorzystywane w Richardsonie zostały zrównoleglone przy użyciu tablic rozproszonych.
|
||||||
|
|
||||||
|
\paragraph{Wyzwania}
|
||||||
|
\begin{itemize}
|
||||||
|
\item Przy dużej zależności danych dochodzi do częstej komunikacji która obniża wydajnośc
|
||||||
|
\item Elementy tablicy należy dobrze zbalansować aby procesory były równo obciążone
|
||||||
|
\end{itemize}
|
||||||
|
|
||||||
\subsection{Wyniki}
|
\subsection{Wyniki}
|
||||||
\begin{table}[h!]
|
\begin{table}[h!]
|
||||||
\centering
|
\centering
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user