Files
freeCodeCamp/guide/russian/algorithms/embarassingly-parallel-algorithms/index.md
T

3.5 KiB

title, localeTitle
title localeTitle
Embarassingly Parallel Algorithms Эмбирирующие параллельные алгоритмы

Эмбирирующие параллельные алгоритмы

При параллельном программировании неловко параллельным алгоритмом является тот, который не требует связи или зависимости между процессами. В отличие от распределенных вычислительных задач, требующих связи между задачами, особенно на промежуточных результатах, смущающие параллельные алгоритмы легко выполнять на фермах серверов, которым не хватает специальной инфраструктуры, используемой в истинном суперкомпьютерном кластере. Из-за характера смущающих параллельных алгоритмов они хорошо подходят для больших распределенных платформ на базе Интернета и не страдают от параллельного замедления. Противоположностью неловко параллельных проблем являются, по сути, серийные проблемы, которые не могут быть распараллелены вообще. Идеальный случай смущающих параллельных алгоритмов можно резюмировать следующим образом:

  • Все подзадачи или задачи определены до начала вычислений.
  • Все подрешения хранятся в независимых ячейках памяти (переменные, элементы массива).
  • Таким образом, вычисление подрешений полностью независимо.
  • Если вычисления требуют некоторой начальной или окончательной связи, мы называем это почти неловко параллельным.

Многие могут задаться вопросом о этимологии термина «смущающе». В этом случае, смущающе не имеет ничего общего с смущением; на самом деле это означает переизбыток - здесь речь идет о проблемах с параллелизацией, которые «смущающе легки».

Общим примером неловко параллельной проблемы является обработка 3D-видео, обрабатываемая блоком обработки графики, где каждый кадр или пиксель можно обрабатывать без взаимозависимости. Некоторые другие примеры - это программное обеспечение для сгибания белков, которое может работать на любом компьютере, причем каждая машина выполняет небольшую часть работы, генерирует все подмножества, случайные числа и моделирование методом Монте-Карло.