Multiprocessing A number of forms o

Multiprocessing
A number of forms of multiprocessing involve the simultaneous execution of two or more instructions at the same time. One form of multiprocessing involves coprocessors. A coprocessor speeds processing by executing specific types of instructions while the CPU works on another processing activity. Coprocessors can be internal or external to the CPU and may have different clock speeds than the CPU. Each type of coprocessor performs a specific function. For example, a math coprocessor chip can be used to speed mathematical calculations, and a graphics coprocessor chip decreases the time it takes to manipulate graphics.
Massively Parallel Processing
Another form of multiprocessing, called massively parallel processing, speeds processing by linking hundreds and even thousands of processors to operate at the same time, or in parallel. Each processor includes its own bus, memory, disks, copy of the operating system, and application software. With parallel processing, a business problem (such as designing a new product or piece of equipment) is divided into several parts. Each part is “solved” by a separate processor. The results from each processor are then assembled to get the final output (see Figure 3.7).
Massively parallel processing systems can coordinate large amounts of data and access them with greater speed than was previously possible. The most frequent business uses for massive parallel processing include modeling, simulation, and the analysis of large amounts of data. In today’s challenging marketplace, consumers are demanding increased product features and a whole array of new services. These consumer demands have forced companies to find more effective and insightful ways of gathering and analyzing information, not just about existing customers but also potential customers. Collecting and organizing this enormous amount of data is difficult. Massively parallel processing can access and analyze the data to create the information necessary to build an effective marketing program that can give the company a competitive advantage. Ford Motor Company is interested in the use of massively parallel processing to predict driver and passenger injuries in accident scenarios. The computer could compute and predict the damage done to human organs. Today’s analyses with test dummies are very crude. They can determine at a basic level whether a certain type of crash is survivable. But occupant injury analysis takes much more computing power than is available now.
Symmetrical multiprocessing (SMP) is another form of parallel processing in which multiple processors run a single copy of the operating system and share the memory and other resources of one computer. Sharing resources creates more overhead than a single processor system or the massively parallel processing system. As a result, the processing capability of SMP systems isn’t proportionally greater than that of single processor systems (i.e., the capability of an SMP processor with two processors is less than twice the speed of a single processor). SMP has been implemented in the Sun Microsystems’ UltraSparc and Sparcserver, IBM Alpha, Macintosh PowerPC, and Intel chips.
Cendant Corporation operates Internet-based travel sites, including CheapTickets.com and Galileo, a corporate reservations site. It recently moved its airline fare system to IBM eServer SMP systems to deliver fares to customers faster. In addition, the project saved the company tens of millions of dollars in hardware maintenance and programming costs. The Galileo 360 eFares system now runs on more than 100 clustered IBM eServer x440 and x445 systems. These computers are high-performance four-way and eight-way SMP servers that use Intel Xeon processors, which Cendant links together in powerful clusters. With the new SMP systems, Cendant reduced the hours of preprocessing work necessary to post the new fares issued by airlines six times a day. End users can access airline updates immediately and get the new fares faster.
Grid Computing
Grid computing is the use of a collection of computers, often owned by multiple individuals or organizations, to work in a coordinated manner to solve a common problem. Grid computing is one low-cost approach to massively parallel processing. The grid can include dozens, hundreds, or even thousands of computers that run collectively to solve extremely large parallel processing problems. Key to the success of grid computing is a central server that acts as the grid leader and traffic monitor. This controlling server divides the computing task into subtasks and assigns the work to computers on the grid that have (at least temporarily) surplus processing power. The central server also monitors the processing, and if a member of the grid fails to complete a subtask, it will restart or reassign the task. When all the subtasks are completed, the controlling server combines the results and advances to the next task until the whole job is completed.
The types of computing problems most compatible with grid computing are those that can be divided into problem subsets that can run in parallel. Such problems are frequently encountered in scientific and engineering computing. Mission-critical or time-sensitive applications should not be considered for grid computing because security, reliability, and performance cannot be guaranteed currently. Business issues also arise. For example, if an application is to run on 25 computers owned by 15 different organizations, how do you define who pays the costs and how those costs are allocated among the organizations?
In a grid experiment nicknamed “the Big Mac,” Virginia Tech students and staff linked 1,100 Macintosh G5 Power Mac computers to form the world’s third-fastest supercomputer, capable of performing 10.3 trillion operations per second. The processors are linked by a high-speed network called Infiniband that allows them to break up major calculations and analyze each part at the same time. The entire system cost about $7 million.
SECONDARY STORAGE
Driven by such factors as the need to retain more data longer to meet government regulatory concerns, the need to store new forms of digital data such as audio and video data, and the need to keep systems running under the onslaught of ever-increasing volumes of e-mail, the amount of data that companies store digitally is increasing at a rate of 85 to 95 percent annually!18 Organizations need a way to store large amounts of data and instructions more permanently than main memory allows. Secondary storage, also called permanent storage, serves this purpose.
Compared with memory, secondary storage offers the advantages of non-volatility, greater capacity, and greater economy. As previously noted, on a cost-per-megabyte basis, most forms of secondary storage are considerably less expensive than memory (see Table 3.1). Because of the electromechanical processes involved in using secondary storage, however, it is considerably slower than memory. The selection of secondary storage media and devices requires an understanding of their primary characteristics—access method, capacity, and portability.
As with other computer system components, the access methods, storage capacities, and portability required of secondary storage media are determined by the information system’s objectives. An objective of a credit card company’s information system, for example, might be to rapidly retrieve stored customer data to approve customer purchases. In this case, a fast access method is critical. In other cases, such as equipping a sales force with laptop computers, portability and storage capacity might be major considerations in selecting and using secondary storage media and devices.
Storage media that provide faster access methods are generally more expensive than slower media. The cost of additional storage capacity and portability vary widely, but they are also factors to consider. In addition to cost and portability, organizations must address security issues to allow only authorized people access to sensitive data and critical programs. Because the data and programs kept in secondary storage devices are so critical to most organizations, all of these issues merit careful consideration.

Результаты (русский) 1:

Многопроцессорная обработка Ряд форм многопроцессорной предусматривают одновременное выполнение двух или более инструкций в то же время. Одной из форм многопроцессорной включает сопроцессоров. Сопроцессор скорости обработки путем выполнения определенных типов инструкций, в то время как процессор работает на другой обработки активность. Сопроцессоры может быть внутренним или внешним процессора и может иметь различные тактовые чем процессор. Каждый тип сопроцессора выполняет определенную функцию. К примеру математического сопроцессора чип может быть использованы для ускорения математические вычисления, и графический сопроцессор чип уменьшает время, необходимое для обработки графики. Массивно параллельной обработки Еще одной формой многопроцессорной обработки, называется массивно параллельной обработки, скорости обработки путем увязывания сотни и даже тысячи процессорам работать в то же время, или параллельно. Каждый процессор включает в себя собственный автобус, памяти, дисков, копия операционной системы и прикладного программного обеспечения. С параллельной обработки, бизнес-задачи (например, разработка нового продукта или оборудования) делится на несколько частей. Каждая часть «решается» отдельный процессор. Результаты из каждого процессора затем собираются получить конечный результат (см. рисунок 3.7). Массивно параллельной обработки систем может координировать больших объемов данных и доступ к ним с большей скоростью, чем было возможно ранее. Наиболее часто бизнес-применений для массивной параллельной обработки включают в себя моделирование, моделирование и анализ больших объемов данных. В сегодняшней сложной рынке потребители требуют особенности увеличение продукта и целый ряд новых услуг. Эти требования потребителя заставили компаний, чтобы найти более эффективный и глубокий способы сбора и анализа информации, не только о существующих клиентов, но и потенциальных клиентов. Сбор и организация этого огромное количество данных трудно. Массивно параллельной обработки доступ и анализировать данные, чтобы создать информацию, необходимую для построения эффективной маркетинговой программы, которая может дать компании конкурентное преимущество. Форд мотор компани заинтересована в использовании массивно параллельной обработки предсказать водитель и пассажир травм в сценариях аварий. Компьютер может вычислить и прогнозирования ущерба, нанесенного органов человека. Сегодня в анализ с тест чайников являются очень сырой. На базовом уровне они могут определить, является ли определенный тип аварии живучей. Однако анализ травмы пассажиров занимает намного больше вычислительной мощности, чем теперь доступен. Симметричная многопроцессорная обработка (SMP) является еще одной формой параллельной обработки, в котором несколько процессоров запустить одну копию операционной системы и поделиться память и другие ресурсы одного компьютера. Совместное использование ресурсов создает больше дополнительных издержек, чем с одним процессором или системой массивно параллельной обработки. В результате, возможности обработки SMP систем не пропорционально больше, чем однопроцессорных систем (т.е. возможности SMP процессор с двумя процессорами находится менее чем в два раза скорость одного процессора). SMP выполнена в Sun Microsystems UltraSparc и процессорной, IBM альфа, Macintosh PowerPC и Intel чипов. Cendant Корпорация работает Интернет туристических сайтов, включая CheapTickets.com и Галилео, сайт корпоративного оговорки. Он недавно переехал свою систему тариф авиакомпании IBM eServer SMP систем быстрее доставлять клиентов тарифы. Кроме того проект сохранен компании десятки миллионов долларов в обслуживание оборудования и программ расходов. Система «Галилео» 360 eFares теперь работает на более чем 100 кластерного IBM eServer x 440 x 445 систем. Эти компьютеры являются высокая производительность четырех и восьми SMP серверы, использующие процессоры Intel Xeon, которые Cendant ссылки вместе в мощные кластеры. С помощью новых систем SMP Cendant неполный рабочий день препроцессирования работы необходимо размещать новые тарифы, выданные авиакомпании шесть раз в день. Конечные пользователи могут сразу же получить доступ к авиакомпании обновления и быстрее получить новые тарифы. Grid-вычисления Grid-вычисления является использование коллекции компьютеров, часто владеет несколькими лицами или организациями, работать скоординированно решать общие проблемы. Grid-вычисления является одним из недорогостоящих подходов к массивно параллельной обработки. Сетка может включать десятки, сотни или даже тысячи компьютеров с коллективно решать проблемы чрезвычайно большой параллельной обработки. Ключ к успеху ГРИД является центральным сервером, который выступает в качестве лидера и трафика монитор сетки. Этот управляющий сервер делит вычислительных задач на подзадачи и присваивает работу компьютеров на сетке, которые (по крайней мере временно) излишки вычислительной мощности. Центральный сервер также контролирует обработку, а если член сетки не удается завершить подзадачей, он будет перезапустить или переназначить задачу. Когда пройдены все подзадачи, управляющий сервер объединяет результаты и перемещает к следующей задаче до тех пор, пока вся работа завершена. Типы вычислительных задач, наиболее совместимы с ГРИД являются те, которые можно разделить на подмножества проблемы, которые могут выполняться параллельно. Часто такие проблемы встречаются в научных и инженерных вычислений. Критически важные или срочные заявления не должны рассматриваться для ГРИД, потому, что в настоящее время не может быть гарантирована безопасность, надежность и производительность. Возникают также вопросы бизнеса. Например если приложение для запуска на 25 компьютеров, принадлежащих 15 различных организаций, как вы определяете кто оплачивает расходы и как эти расходы распределяются между организациями? В сетке эксперимент по прозвищу «Биг Мак, «Virginia Tech студентов и сотрудников связаны 1100 компьютеров Power Mac Макинтош G5 для формирования в мире третьего-самый быстрый суперкомпьютер, способный выполнять 10,3 триллиона операций в секунду. Процессоры соединены высокоскоростной сети под названием Infiniband, что позволяет им с распадаются крупные расчеты и анализировать каждую часть в то же время. Всей системы стоит около $7 млн.ВТОРИЧНОЕ ХРАНЕНИЕДвижимый таких факторов, как необходимость сохранения данных больше для удовлетворения регулирования проблем правительства, необходимо хранить новые формы цифровых данных, таких как аудио и видео данных и необходимость сохранить систем, работающих под натиском возрастающей объемы электронной почты, объем данных, который компании хранить цифровой в размере от 85 до 95 процентов ежегодно увеличивается! 18 организаций нужен способ для хранения больших объемов данных и инструкции постоянно, чем основной памяти позволяет. Вторичного хранения, также называемые постоянного хранения, служит этой цели. Преимущества по сравнению с памятью, вторичного хранения энергонезависимость, большими возможностями и большей экономии. Как отмечалось ранее, на основе стоимости за мегабайт, большинство форм вторичного хранения значительно дешевле, чем памяти (см. табл. 3.1). Из-за электромеханические процессы, связанные с использованием вторичного хранения однако, это значительно медленнее, чем память. Выбор вторичного хранения средств массовой информации и устройств требует понимания их основных характеристик — доступ метод, мощности и портативности.Как с другими компонентами системы компьютера, методы доступа, емкости и портативность, требуемых от вторичного хранения средств массовой информации определяются цели информационной системы. Цель информационной системы компании кредитных карт, например, может быть быстро получить данные сохраненные клиентом утвердить покупки заказчика. В этом случае метод быстрого доступа имеет решающее значение. В других случаях, например, оснащение продаж с портативных компьютеров переносимости и емкость может быть основных соображений при выборе и использовании вторичных носителей и устройств. Носители, которые обеспечивают быстрый доступ к методам, как правило, дороже, чем медленнее СМИ. Стоимость дополнительных емкость и переносимости различаются, но они также являются факторы, чтобы рассмотреть. В дополнение к стоимости и портативность организаций должна рассмотреть проблемы безопасности, чтобы разрешить доступ к конфиденциальным данным и критически важных программ только авторизованные пользователи. Поскольку данные и программы хранятся в вторичного хранения устройства являются столь важное значение для большинства организаций, все эти вопросы заслуживают тщательного рассмотрения.

Результаты (русский) 2:

Многопроцессорная
Ряд форм многопроцессорной включать одновременное выполнение двух или более команд, в то же время. Одной из форм многопроцессорной включает сопроцессоры. Сопроцессор ускоряет обработку путем выполнения конкретных видов инструкций, а процессор работает на другом обработки деятельности. Сопроцессоры может быть внутренним или внешним по отношению к процессору, и в могут иметь различные тактовые частоты, чем процессор. Каждый тип сопроцессора выполняет определенную функцию. Например, чип математический сопроцессор может быть использован для ускорения математических вычислений, а графический чип сопроцессор уменьшает время, необходимое для манипулирования графикой.
Массивно параллельной обработки
Другая форма многопроцессорной, называется массовым параллелизмом обработки, ускоряет обработку, связывающих сотни и даже тысячи процессоров работать одновременно, или параллельно. Каждый процессор имеет свой ​​собственный автобус, память, диски, копию операционной системы, и прикладного программного обеспечения. С параллельной обработки, бизнес проблема (например, разработка нового продукта или оборудования) делится на несколько частей. Каждая часть "решить" на отдельном процессоре. Результаты каждого процессора затем собираются, чтобы получить конечный результат (рис 3.7).
В широком масштабе параллельные системы обработки могут координировать большие объемы данных и доступ к ним с большей скоростью, чем это было возможно ранее. Наиболее часто используется для бизнес-массивно-параллельной обработки включают в себя моделирование, моделирование и анализ больших объемов данных. В сегодняшнем сложном рынке, потребители требуют повышенные характеристики продукта и целый ряд новых услуг. Эти потребительский спрос заставил компании, чтобы найти более эффективные и глубокие способы сбора и анализа информации, а не только о существующих клиентов, но и потенциальных клиентов. Сбор и организацию этого огромное количество данных трудно. Солидная параллельная обработка может получать и анализировать данные, чтобы создать необходимую информацию для построения эффективной маркетинговой программы, которые могут дать компании конкурентное преимущество. Форд Мотор Компания заинтересована в использовании массивно параллельной обработки предсказать водитель и пассажир травм в аварийных сценариев. Компьютер может вычислить и предсказать ущерб, нанесенный человеческих органов. Сегодняшние анализы с манекены очень сырой. Они могут определить, на базовом уровне, является ли определенный тип аварии является живучей. Но пассажир анализ травмы занимает гораздо больше вычислительной мощности, чем это доступно теперь.
Симметричных мультипроцессорных (SMP) является еще одной формой параллельной обработки, в которых несколько процессоров запустить одну копию операционной системы и делиться память и другие ресурсы одного компьютера. Распределение ресурсов создает больше накладных расходов, чем в однопроцессорной системе или в системе с массовым параллелизмом обработки. В результате возможности обработки многопроцессорных систем не пропорционально больше, чем у отдельных процессорных систем (т.е. способность процессора SMP с двумя процессорами меньше удвоенной скоростью одного процессора). СМП была реализована в Sun UltraSPARC Microsystems, и SPARCserver, IBM Alpha, PowerPC Macintosh, и чипсы Intel.
Cendant корпорация работает на базе Интернета туристических сайтов, в том числе CheapTickets.com и Галилея, корпоративной оговорок сайта. Это недавно переехал его авиакомпания тариф систему для SMP систем IBM ESERVER доставить тарифы для клиентов быстрее. Кроме того, проект спасло компанию десятки миллионов долларов в аппаратного обеспечения и расходов программирования. EFares система Галилео 360 в настоящее время работает на более чем 100 кластерных IBM x440 и ESERVER x445 систем. Эти компьютеры высокопроизводительные четырех направлениях и восьми направлениях SMP-серверы, использующие процессоры Intel Xeon, которые Cendant ссылки вместе в мощных кластеров. С новыми системами SMP, Cendant уменьшили часов предварительной обработки работу, необходимую, чтобы отправлять новые тарифы, выданные авиакомпаний шесть раз в день. Конечные пользователи могут получить доступ к обновлениям на самолет сразу и получить новые тарифы быстрее.
Grid Computing
Грид-вычисления является использование коллекции компьютеров, часто принадлежащих нескольким лицам или организациям, работать скоординированно решить общую проблему. Грид-вычисления является одним недорогой подход к массивно параллельной обработки. Сетка может включать десятки, сотни или даже тысячи компьютеров, которые работают вместе, чтобы решить очень большие параллельные проблемы обработки. Ключ к успеху грид-компьютинга является центральным сервером, который выступает в качестве лидера сетки и монитор трафика. Это управляющий сервер делит вычислительную задачу на подзадачи и присваивает эту работу компьютеров, на сетке, которые имеют (по крайней мере, временно) избыток вычислительной мощности. Центральный сервер также контролирует обработку, и, если член сетки не выполняет подзадачу, то счетчик или переназначить задачу. Когда все подзадачи будут завершены, контролирующий сервер сочетает в себе результаты и переходит к следующей задаче, пока вся работа не будет завершена.
Типы вычислительных задач, наиболее совместимы с грид-компьютинга являются те, которые могут быть разделены на проблемных подмножеств, которые могут работать параллельно , Такие проблемы часто встречаются в научной и инженерной вычислений. Критически важные или чувствительные ко времени приложения не должны быть рассмотрены для распределенных вычислений, потому что безопасность, надежность и производительность не может быть гарантирована в настоящее время. Вопросы бизнеса также возникают. Например, если приложение для запуска на 25 компьютеров, принадлежащих 15 различным организациям, как вы определяете, кто оплачивает расходы и как эти расходы распределяются среди организаций?
В сетке эксперимента по прозвищу "Биг Мак", ​​Virginia Tech студентов и сотрудники связаны 1,100 Macintosh G5 Power Mac компьютеров, чтобы сформировать третий-самый быстрый суперкомпьютер в мире, способных выполнять 10,3 трлн операций в секунду. Процессоры связаны высокоскоростной сети Infiniband названием, что позволяет им разбить основные расчеты и анализировать каждую часть одновременно. Вся стоимость системы около $ 7 млн.
Дополнительное хранение
Driven такие факторы, как необходимость сохранения больше данных дольше, чтобы удовлетворить государственные нормативные проблемы, необходимость сохранения новых форм цифровых данных, таких как аудио и видео данных, и необходимость держать систем работает под натиском постоянно увеличивающиеся объемы электронной почты, объем данных, которые компании хранить в цифровом виде растет в размере от 85 до 95 процентов в год! 18 организации нужен способ хранить большие объемы данных и инструкций на более постоянной основе, чем Основная память позволяет. Дополнительное хранение, называемый также постоянное хранение, служит этой цели.
По сравнению с памятью, среднее хранения предлагает преимущества энергонезависимости, большей емкости, и большей экономии. Как отмечалось ранее, на основе цены за мегабайт, большинство форм вторичного хранения значительно дешевле, чем память (см таблицу 3.1). Из-за электромеханических процессов, связанных с использованием вторичного хранения, однако, это значительно медленнее, чем память. Выбор вторичных носителей и устройств требует понимания их основной метод характеристики доступа, емкость и портативность.
Как и в других компонентов компьютерной системы, методы доступа, возможностей хранения и портативности, необходимых вторичного носителей определяются информации Цели системы. Задачей информационной системы компании кредитных карт, например, может быть быстро извлечь данные, хранящиеся клиентов утвердить покупок клиентов. В этом случае быстрый метод доступа имеет решающее значение. В других случаях, например, оснащение торгового персонала с портативных компьютеров, переносимости и емкости может быть основные соображения в выборе и использовании вторичных носителей информации и устройств.
Media Storage, которые обеспечивают быстрые методы доступа, как правило, дороже, чем более медленные СМИ. Стоимость дополнительного места хранения и портативности широко варьироваться, но они также являются факторами, чтобы рассмотреть. В дополнение к стоимости и переносимости, организации должны решать вопросы безопасности, чтобы только авторизованные пользователи доступ к конфиденциальным данным и критических программ. Поскольку данные и программы хранятся в средних устройств хранения настолько важны для большинства организаций, все эти вопросы заслуживают тщательного рассмотрения.

Результаты (русский) 3:

Многопроцессорные системы
ряд форм многопроцессорные системы предусматривают одновременное выполнение двух или более команд в то же время. Одной из форм многопроцессорные системы охватывает математический сопроцессор. Сопроцессор скорости обработки в осуществлении конкретных видов инструкции, а процессор работает на другом операции обработки.Математический сопроцессор может быть внутренним или внешним по отношению к ЦП и могут иметь различные тактовой частоты, чем ЦП. Каждый тип сопроцессор выполняет определенную функцию. Например, математический сопроцессор микросхема может быть использована для скорости математические расчеты, и графический сопроцессор chip уменьшается время, необходимое для обработки графики.
массовой параллельной обработки
еще одна форма многопроцессорные системы,призвали к массовой параллельной обработки, скорости обработки, сотни и даже тысячи процессоров в то же время, или параллельно. Каждый процессор включает в себя собственные шины, памяти, диски, копии операционной системы и программного обеспечения. С параллельной обработки, бизнес-проблему (таких, как разработка нового продукта или части оборудования) делится на несколько частей.Каждая деталь - "решаются" отдельный процессор. Результаты от каждого процессора, затем собрать, чтобы получить окончательный вывод (см. рис. 3.7 ).
массовой параллельной обработки системы могут координировать большие объемы данных и доступ к ним с помощью большей скорости, чем было ранее. Наиболее часто используется для параллельной обработки данных включают в себя моделирование, моделирование,