一个用于数据并行语言计算划分的时序优化模型(英文)

一个程序中数据并行语句的计算划分 (CP)对该程序的运行性能有决定性的作用 .尽管人们对这一问题已经进行了广泛的研究 ,但这些研究的重点都集中在如何提高被选择计算划分的空间局部性上 .针对并行循环结构的计算划分问题 ,提出了一个时序优化模型 .在该模型中 ,一个计算划分被表示成一个有向图 ,在把并行语句中的操作映射到各个处理器的同时 ,给出了被分配到不同处理器上的操作之间的相关性 .对于一条数据并行语句 ,时序优化模型对它的每个计算划分选择方案分别采用多种有效的优化策略进行优化 ;并综合考虑各个计算划分选择方案的负载平衡性、处理器间的操作依赖性、数据访问的空间局部性和时间局部性四个方面的因素 ,估算每个方案的执行效率 ;最后从这些方案中选择一个执行效率最优的方案作为该语句的计算划分 .作者已在 HPF编译器 p-HPF采用时序优化模型实现了对 FORAL L结构的支持 .实验结果表明 ,该模型具有非常好的通用性 ,对不同领域多种数据并行问题均取得了理想的加速比 .同时 ,只需略微改动 ,该模型也可用于其他类型数据并行语句的计算划分 .

一种基于TRANSPUTER的并行语言——并行C

INMOS公司推出的并行C语言以其独特之处而受到用户的重视,虽然其在使用上还有不便,但它可以作为并行语言的发展趋势,本文从使用角度介绍了这种语言的特点及用法。

并行语言MODULA-S的设计

本文叙述基于顺序语言MODULA-2的并行扩展语言MODULA-S,对它的设计目标及其扩展的并行结构成份进行了讨论。该语言已在面向数据结构的小巨型机STARLET-Ⅱ上实现。

数据并行语言中的任务并行

数据并行虽然已经获得了广泛的应用，但是，仍然有一些应用程序不适于数据并行语言的并行模式，如树结构算法。数据并行与任务并行的结合可以很好地解决这些问题。该文主要讨论了在数据并行中引入任务并行时，遇到的共享变量、代码生成和处理器分配等问题，比较和分析了基于编译、基于语言和基于协作库的方法。

HPC++:一种支持多线索和远程对象调用的并行语言

本文介绍了一种新型的并行程序设计语言ＨＰＣ＋ ＋ 语言．在由多个结点（共享存储的多处理器）互连起来组成的网络环境下，ＨＰＣ＋ ＋ 不仅支持结点间的并行，还支持结点内的线索并行．另外，利用ＣＯＢＲＡ 的ＩＤＬ技术，用户可以对远程对象的成员函数进行调用．本文还对它的并行标准模版库进行了描述．

数据并行语言编译系统的并行循环迭代分布算法

讨论大规模并行机数据并行语言编译技术中的并行循环迭代分布算法。数据并行语言的数据分布方式有BLOCK、BLOCK（1）、BLOCK（N）和：4种，而循环迭代分布是与数据分布对准的。文中给出与这些分布方式对应的循环送代分布算法。算法允许确定数据分布方式的对准数组的下标可以是任意系数的一阶线性表达式；并行循环的循环增量可以为任意非零整数。

数据并行语言编译系统的处理机分配算法

处理机分配是数据并行语言编译系统的一项重要技术，原因是高效使用大规模并行计算机的关键在于将程序中的计算尽可能均匀地分布到各个处理机上去执行，并且将程序中的数据按照使通信量尽可能少的原则分布存放在各个节点上，而处理机分配直接影响着数据分布和并行循环这代分布的效果。文章讨论处理机分配的原则，给出了一个高效的处理机分配算法。

IBMPC机分布并行语言OCCAM程序设计

本文介绍在IBMPC机上用分布并行语言OCCAM设计并行程序的方法及实例。并向读者提供了上机操作命令。

动态并行语言的研究与设计

单核处理器的处理能力已经逼近其本身的物理极限,多核处理器已成为主流。为了充分利用多核性能,需要设计一种并行编程模型来编写更高效的多核程序。根据系统运行过程中资源动态变化这一特性,合理分配系统资源,从而达到并行优化的目的。本文设计出一种动态并行语言,根据是否需要多核同时完成,将并行分为同步并行(Syn)和异步并行(Asyn)两大类。并且构建了一个多核平台操作系统(Psc),任务的发布与完成,核的管理与调用,都可通过该平台来完成。

一个数据并行语言的设计及其实现

数据并行模型应用到MIMD机器上，实现SPMD模式的松散同步计算的方式越来越受到人们的重视。文中提出了一个以异构并行计算系统为环境的数据并行语言Mtitti-c的设计和实现。正在实现的Multi-c编译器，以预编译的方式接受SIMD形式的程序说明，放宽同步要求，产生能以SPMD方式在并行系统上运行的C程序。

数据并行语言中的扩展结构

本文通过对并行程序设计的三个步骤及数据并行问题特点的分析,论述了数据并行语言应支持程序员对数据划分和映射的描述,并讨论了为此应对串行语言扩展的几个结构。通过四个成功的数据并行语言,说明了这几个扩展结构存在的必要性和合理性。

面向嵌入式应用的数据并行语言设计

根据基于PIM(Processor-In-Memory)技术的数据并行计算机体系结构的特点和面向多媒体计算的应用需求,提出了面向嵌入式SIMD(Single Instruction Multiple Data)计算的数据并行语言PIMC。简单讨论了PIMC语言的形式化定义,并以数据并行图像处理的均值滤波算法为例对语言的使用作了说明。结合其他大量的数据并行编程实例,说明了该语言能够在基于PIM技术的SIMD并行计算机上正确描述基本多媒体处理算法的数据并行实现。

关于并行语言Gamma的结构化扩充

Gamma( general abstract model for multiset manipulation)语言是一个可以避免人为序化的高层次并行程序设计工具 .P.Fradet等人提出结构化 Gamma以利于结构化应用数据以及表达特殊的控制约束和程序的自动分析 .在摒弃了基于“地址”的定义方式的基础上 ,给出结构化 Gamma的更一般形式的语法、语义描述 ,在两个层次上讨论结构重集 ( structured multiset)的类型 ,并指出 ,这种新模型保持了有关程序的静态类型检测等理论成果 .

pC++:一个分布式的对象并行语言

介绍了一种比较有代表性的分布式对象并行编程语言—ｐＣ＋ ＋ ，它使得用户能够通过共享存储的编程方法来编写运行于分布式系统的程序．同时，本文描述了其对象并行扩充结构—Ｃｏｌｌｅｃｔｉｏｎ，并给出了其对象并行机制．

LS MPP数据并行C语言编译器实现的研究

大规模并行处理技术是并行计算研究的一个热点问题，文章针对 LS MPP嵌入式大规模并行处理机提出了一个数据并行 C语言编译系统的实现方案，并对其中的代码分离、数据分布、节点程序生成等关键技术的实现进行了详细的阐述。

并行程序设计的模型、语言及编译技术

并行程序设计的研究对并行机性能的发挥和推广应用都具有重要的作用。本文介绍了并行计算机的结构、并行程序设计模型和并行语言的一些基本概念，讨论了并行程序设计的方法，分析了大规模并行处理中编译技术的若干问题和研究方向。

数据并行的计算模式、语言及其编译

一、引言并行巨型机的发展与并行处理技术(并行性的开发和利用)的发展紧密相关。并行性种类繁多,目前并行处理中最重要的两种是: (1) 控制并行性——允许多个不同操作同时进行,利用控制并行性的典型例子有流水线技术、多功能部件技术。

一种并行C语言的软件支持技术

为具有显式任务级并行描述的一种并行Ｃ语言程序在ＰＣｎｅｔ网络上并行执行提供一个支撑环境．该并行Ｃ语言是对ＭｉｃｒｏｓｏｆｔＣ６．０版本加以扩充和限制，形成的一种新的并行Ｃ语言．该并行Ｃ语言称为ＨＣＣ（ＨｉｇｈＣｏｎｃｕｒｅｎｔＣ）语言，它的实现系统包括编译器和支撑环境．主要介绍了该支撑软件的数据结构和算法．

并行面向对象语言的Action演算语义

给出具体的Action演算EP的定义,并且应用该演算进一步给出一个并行面向对象语言的语义.通过这个例子,说明了Action演算簇在实际应用方面的描述能力.

并行程序设计语言中局部性机制的研究

大规模并行应用程序的性能优化和并行化的关键瓶颈之一在于多核CPU中越来越深和越来越复杂的存储层次。文中系统地分析和总结了当前主要多核CPU和并行程序设计语言中的局部性设计方法,提出了两种局部性,即横向局部性和纵向局部性,从这两种局部性的视角深入分析了当前的主要并行程序设计语言的局部性设计机制,进一步总结对比了其优缺点,并指出了新一代并行程序设计语言应具有的特点,重点提出了新语言应同时综合考虑两种局部性支持的设计机制的研究观点。