Aký je rozdiel medzi silným škálovaním a slabým z hľadiska ich vplyvu na účinnosť výkonnosti paralelných výpočtových systémov?

Rozdiel medzi silným a slabým škálovaním spočíva v tom, ako sa veľkosť problému upravuje so zvyšujúcim sa počtom procesorov a ako to ovplyvňuje celkovú účinnosť paralelného výpočtu.

Silné škálovanie:

* Cieľ: Znížte čas na riešenie pre * fixnú veľkosť * Veľkosť problému zvýšením počtu procesorov. Problém zostáva rovnaký.

* scenár: Máte konkrétny problém, ktorý chcete vyriešiť čo najrýchlejšie. Hodíte na to viac zdrojov (spracovateľov) v nádeji, že drasticky skrátite čas vykonávania.

* Účinnosť: Silná efektívnosť škálovania sa meria podľa toho, do akej miery sa čas vykonávania znižuje pri zvyšovaní počtu procesorov. V ideálnom prípade by zdvojnásobenie procesorov znížilo čas na polovicu. To sa však zriedka stáva dokonale.

* vzorec: `Účinnosť =(zrýchlenie) / (počet procesorov)`

* `Zrýchlenie =(čas vykonávania na 1 procesore) / (čas vykonávania v procesoroch N)`

* Účinnosť 1 (alebo 100%) je perfektné silné škálovanie.

* Obmedzenia: Silné škálovanie má vlastné limity. Keď pridáte viac procesorov, práca, ktorú musí každý procesor urobiť, sa zmenšuje a mení. Nakoniec režijné náklady komunikácie, synchronizácie a nečinného času (procesory čakajúci na ostatných) premôžu výhody paralelizácie. Dosiahnete bod, v ktorom pridanie ďalších procesorov skutočne * zvyšuje * čas vykonávania. Je to kvôli zákonu Amdahla, ktorý uvádza, že zrýchlenie programu je obmedzené podielom programu, ktorý je neodmysliteľne sekvenčný (nedá sa paralelizovať).

* Vplyv na výkon:

* kladné (pôvodne): Skrátený čas vykonávania pre rovnakú veľkosť problému.

* negatívne (nakoniec): Zníženie návratov, keď dominuje komunikácia nad hlavou. Môže dokonca zvýšiť čas vykonávania nad určitý počet procesorov. Prekážky v zdieľaných zdrojoch (napr. Pamäťový zber) sa stávajú výraznejšími.

Slabé škálovanie:

* Cieľ: Udržujte * konštantný * čas vykonávania zvýšením veľkosti problému * a * počet procesorov úmerne. Každý procesor ideálne zvláda rovnaké množstvo práce.

* scenár: Máte problém, ktorý chcete vyriešiť na konkrétnej úrovni výkonnosti, a chcete vyriešiť stále viac veľkých verzií tohto problému pri zachovaní tohto výkonu. Pridáte procesory a podľa toho zväčšujete veľkosť problému.

* Účinnosť: Slabá účinnosť škálovania sa meria podľa toho, ako dobre zostane čas vykonávania konštantný, keď zvyšujete počet procesorov a veľkosť problému. Ak čas vykonávania zostáva konštantný, máte dokonalé slabé škálovanie.

* vzorec: `Efektívnosť =(čas vykonávania pre procesory N a škálovaný problém) / (čas vykonávania pre 1 procesor a základný problém)`

* Účinnosť 1 (alebo 100%) označuje dokonalé slabé škálovanie (konštantný čas vykonávania). Prakticky meriate, ako blízko 1. Efektívnosť zostáva pri škálovaní problému.

* Výhody: Slabé škálovanie je často ľahšie ako silné škálovanie, najmä pre veľmi veľké problémy. Pretože množstvo práce na procesor zostáva relatívne konštantné, komunikácia a synchronizácia režijných nákladov sa nestane tak, že dominuje. Je to obzvlášť užitočné pre problémy, v ktorých chcete preskúmať väčší priestor parametrov alebo simulovať väčší systém v pevnom čase.

* Obmedzenia: Slabé škálovanie má zmysel iba vtedy, ak sa problém dá primerane upraviť. Niektoré problémy majú vlastné obmedzenia ich veľkosti alebo zložitosti.

* Vplyv na výkon:

* kladné: Umožňuje vyriešiť oveľa väčšie problémy v primeranom čase bez výrazného zvýšenia času vykonávania. Demonštruje škálovateľnosť paralelného algoritmu a systému.

* negatívne: Neznižuje čas na vyriešenie A * konkrétneho * fixného problému. Efektívnosť by sa mohla zhoršiť, keď sa zvyšuje problém a počet procesorov v dôsledku toho, že sa náklady na komunikáciu nakoniec stanú významnými.

v súhrne:

| Funkcia | Silné škálovanie Slabé škálovanie

|----------------|----------------------------------------------------|------------------------------------------------------|

| Veľkosť problému Opravené | Zvyšuje sa úmerne s počtom procesorov

| Cieľ Znížte čas vykonávania pre pevný problém Udržiavajte neustály čas vykonávania pre mierky s mierkami

| Zameranie | Zavedenie pre danú úlohu Škálovateľnosť systému a algoritmus |

| Kľúčová otázka O koľko rýchlejšie môžem tento problém vyriešiť? | Aký veľký problém môžem vyriešiť v danom čase? |

| Účinnosť Znižuje sa zvyšovanie režijných nákladov komunikácie Zostáva relatívne konštantné, ak je škálovanie efektívne

| Amdahl zákon Významné obmedzenie Menej obmedzenia

Príklad:

* silné škálovanie: Simulácia počasia pre konkrétne mesto na nasledujúcich 24 hodín. Chcete čo najrýchlejšie získať čo najpresnejšie predpovede. Zvýšite počet procesorov, aby ste urýchlili výpočet.

* Slabé škálovanie: Simulácia počasia pre región. Chcete simulovať počasie vo väčšej a väčšej geografickej oblasti a zároveň si zachovať konkrétny čas rozlíšenia a času simulácie. S rastúcou veľkosťou regiónu pridáte ďalšie procesory.

V praxi sú silné aj slabé škálovanie dôležitými úvahami pri navrhovaní a hodnotení paralelných algoritmov a systémov. Výber, na ktorý sa treba zamerať, závisí od konkrétneho problému a požadovaných výkonnostných cieľov.

• Predchádzajúca strana: Aký je dopad pokuty slečny vyrovnávacej pamäte na počítačový systém výkonu? 
• Ďalšia strana: Používajú všetci procesori rovnaký typ registra?