امروز پنجشنبه ، ۱۴۰۱/۰۴/۱۶
بدان
FAENZYXWVUTSRQPONMLKJIHGFEDCBA

قانون امدال

قانون امدال به چه معناست؟ قانون آمدال که به نام معمار کامپیوتر به نام ژن امدال و کارهایش در دهه 1960 نامگذاری شده است، قانونی است که نشان می دهد با معرفی محاسبات موازی می توان تا چه حد تاخیر را از یک کار عملکردی حذف کرد. در محاسبات موازی، قانون امدال عمدتاً برای پیش بینی حداکثر سرعت تئوریک برای پردازش برنامه با استفاده از چندین پردازنده. این اصطلاح به عنوان استدلال Amdahl نیز شناخته می شود.بیدان قانون امدال را توضیح می دهد محاسبات موازی و سیستم‌های چند هسته‌ای مفهوم محاسبات موازی این است که بیش از یک پردازنده می‌توانند به طور همزمان بر روی یک کار معین کار کنند، که سرعت یک کار را با یک عامل خاص افزایش می‌دهد. اینجاست که قانون Amdahl در یافتن معیار آن عامل اعمال می شود. اجرای محاسبات موازی معمولاً با سیستمی به نام پردازش چند هسته ای انجام می شود. سال‌ها پیش، سازندگان تراشه شروع به معرفی ریزپردازنده‌هایی با بیش از یک هسته پردازشی کردند که به طراحی «چند هسته‌ای» معروف بود و به سرعت بخشی از نحوه نوآوری برای سرعت شد. جایی که پردازنده‌های دهه 1990 مکانیزم‌های تک هسته‌ای با ویژگی‌ها و عملکرد پیشرفته را به رخ می‌کشیدند. سیستم‌های چند هسته‌ای امروزی ممکن است دارای ده‌ها هسته باشند که روی یک تراشه قرار گرفته‌اند، که همگی در هماهنگی کامل با هم کار می‌کنند، یا تا جایی که مهندسان می‌توانند آنها را به آن نزدیک کنند. با این کار، یک صحنه صنعتی کامل بر اساس کار مشترک هسته‌ها پدید آمده است. چند هسته‌ای موازی در مقابل ASIC همراه با توسعه سیستم‌های چند هسته‌ای، حرکتی نیز به سمت آنچه مدار مجتمع ویژه برنامه یا ASIC نامیده می‌شود، صورت گرفته است. کارشناسان استدلال می‌کنند که آیا ASIC ها یا طرح های چند هسته ای برای انواع مختلف کارها، از رندر گرافیکی گرفته تا داده کاوی گرفته تا احتمالاً عملیات کوانتومی فردا، که احتمالاً به ساختارهای اختصاصی خود نیاز دارند، مؤثرتر هستند. برای مثال، ASIC ها به طور گسترده در عمل ارزهای دیجیتال استفاده می شوند. ماینینگ جایی که آنها برای انجام عملیات خاص برای تولید بلاک بیت کوین طراحی شده اند. استخراج بیت کوین نمونه ای از این است که چگونه سفارشی کردن قدرت پردازش می تواند ارزش ایجاد کند. با این حال، طراحی چند هسته ای و ظرفیت پردازش موازی آن همچنان یک فناوری پیشرفته برای ریزپردازش است، برای مثال، ابتدا در بازی، جایی که برنامه ها نیاز به ارائه گرافیک های سه بعدی پیچیده دارند. با تاخیر کم به طور فزاینده‌ای، پردازش موازی در برخی از اشکال در حال تبدیل شدن به یک استاندارد در برخی از بخش‌های دنیای فناوری است. ملاحظات بیشتر در مورد محاسبات موازی سایر ملاحظات مربوط به قانون Amdahl شامل استفاده از خطوط لوله و ریزمعماری برای فعال کردن این سیستم‌های چند هسته‌ای برای همکاری است. همچنین موارد مختلفی وجود دارد. سازه هایی که به نام متقارن در مقابل چند هسته ای نامتقارن شناخته می شوند، می توانند بر نحوه عملکرد سیستم های محاسباتی موازی تأثیر بگذارند. علاوه بر این، مهندسان ممکن است در نظر بگیرند که آیا بهبود یک هسته منفرد دارای مزایای جهانی است یا اینکه چگونه از قانون آمدال برای بهبود عملکرد محاسبات موازی به طور کلی استفاده کنند. یا ناهمگونی پردازنده ها در یک سیستم. منابع دیگری مانند حافظه نهان برای یک پردازنده نیز ممکن است کاربرد داشته باشند. اگرچه برخی افراد قانون Amdahl را کمتر از گذشته مرتبط می‌دانند، محاسبات موازی یک مدل آشنا برای کسانی است که در ایجاد سیستم‌های سخت‌افزاری جدید کار می‌کنند. سیستم های افزایش سرعت بخش کلیدی پیشرفت در طیف کامل پروژه های فناوری است، به عنوان مثال، در بسیاری از پروژه های AI/ML یا در رابطه با پیشرفت محاسبات کوانتومی.

Amdahl's Law

What Does Amdahl's Law Mean? Amdahl's law, named after a computer architect named Gene Amdahl and his work in the 1960s, is a law showing how much latency can be taken out of a performance task by introducing parallel computing.In parallel computing, Amdahl's law is mainly used to predict the theoretical maximum speedup for program processing using multiple processors.This term is also known as Amdahl’s argument. Techopedia Explains Amdahl's Law Parallel Computing and Multicore SystemsThe concept of parallel computing is that more than one processor can work on a given task simultaneously, which will speed up a task by a certain factor. That’s where Amdahl’s law applies, in finding that factor’s benchmark.The implementation of parallel computing is most commonly done with a system known as multicore processing. Years ago, chip makers started introducing microprocessors with more than one processor core, known as ‘multicore’ design, and that quickly became part of how to innovate for speed.Where the processors of the 1990s flaunted single-core mechanisms with advanced features and functionality, today's multicore systems may have dozens of cores housed on a single chip, all working together in perfect harmony, or as near to it as engineers can make them. With this, there has arisen a whole industry scene based on the collaborative work of the cores.Parallel Multicore Versus ASICsAlong with the development of multicore systems, there's also been a move toward what's called the application-specific integrated circuit or ASIC.Experts argue whether ASICs or multicore designs are more effective for various kinds of tasks, from graphics rendering to data mining to, perhaps, the quantum operations of tomorrow, which will likely require their own proprietary structures.For example, ASICs are broadly used in the practice of cryptocurrency mining where they are designed to carry out operations specific to generating Bitcoin blocks. Bitcoin mining is an example of how customizing processing power can generate value.However, multicore design and its parallel processing capacity continues to be a cutting-edge technology for microprocessing, first, for example, in gaming, where programs need to render sophisticated 3D graphics with low latency. Increasingly, parallel processing in some form is becoming a standard in some parts of the tech world.Further Considerations with Parallel ComputingOther types of considerations related to Amdahl's law involve the use of pipelines and microarchitectures to enable these multicore systems to collaborate.There are also different builds, known as symmetric versus asymmetric multicore, that can have an impact on how parallel computing systems perform. In addition, engineers might consider whether improving an individual core has global benefit, or how to utilize Amdahl's law to improve parallel computing performance overall.In considering working with multicore systems, experts might also think about aspects like the scope of scaling for a project, or heterogeneity of processors in a system. Other resources like a memory cache for a processor may also apply.Although some people see Amdahl’s law as becoming less relevant than it used to be, parallel computing remains a familiar model for those working on the vanguard of creating new hardware systems.The power to speed up systems is a key piece of advances in the full spectrum of technology projects, for instance, in many AI/ML projects, or in relation to quantum computing progress.