RU71016U1 - Электронная вычислительная машина с многими потоками команд и одним потоком данных - Google Patents

Электронная вычислительная машина с многими потоками команд и одним потоком данных Download PDF

Info

Publication number
RU71016U1
RU71016U1 RU2006115810/22U RU2006115810U RU71016U1 RU 71016 U1 RU71016 U1 RU 71016U1 RU 2006115810/22 U RU2006115810/22 U RU 2006115810/22U RU 2006115810 U RU2006115810 U RU 2006115810U RU 71016 U1 RU71016 U1 RU 71016U1
Authority
RU
Russia
Prior art keywords
data
stream
processing
information
structural
Prior art date
Application number
RU2006115810/22U
Other languages
English (en)
Inventor
Алексей Юрьевич Попов
Original Assignee
Алексей Юрьевич Попов
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Алексей Юрьевич Попов filed Critical Алексей Юрьевич Попов
Priority to RU2006115810/22U priority Critical patent/RU71016U1/ru
Application granted granted Critical
Publication of RU71016U1 publication Critical patent/RU71016U1/ru

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

Изобретение относится к устройству электронных вычислительных машин и может быть использовано в ЭВМ общего назначения для ускорения вычислительного процесса при обработке структурированных данных. Основное отличие предлагаемой ЭВМ от известных заключается в том, что информация обрабатывается одновременно двумя и более потоками команд. Информация, представленная в виде структуры состоит из взаимосвязанной совокупности данных (информационной части) и связей между ними (структурной части). Тогда первый поток команд 6 из оперативной памяти 4 обрабатывает структурную часть потока данных 8, а второй поток команд 5 обрабатывает информационную часть 7 потока данных 8. Для обработки каждого потока команд предлагается использовать отдельное устройство: центральный процессор 1, содержащий кэш-память 9, используется для обработки данных потоком команд 5; структурный процессор 2, содержащий память для хранения структур 3, используется потоком команд обработки структуры 6. Технические результаты, достигаемые при использовании изобретения, выражаются в следующем:
- Повышается количество вычислений в ЭВМ, выполняемых параллельно.
- Ускоряется обработка структурной части информации за счет применения специально спроектированного устройства - структурного процессора.
- Машинный язык ЭВМ приближается к языку программирования высокого уровня, что сокращает время разработки программ и их размер, уменьшает количество ошибок в программах; ускоряет работу программ; уменьшает стоимость программных продуктов.

Description

Электронная вычислительная машина с многими потоками команд -и одним потоком данных.
Изобретение относится к устройству электронных вычислительных машин и может быть использовано в ЭВМ общего назначения для ускорения вычислительного процесса при обработке структурированных данных.
Вычисления в ЭВМ предполагают наличие информации (данных) и указание последовательности действий над ними (команд). По известному способу построения ЭВМ информация и программы сохраняются в оперативной памяти, откуда их извлекает обрабатывающее устройство (процессор) [1 стр.1902, 2 стр.35-38].
Согласно [1 стр. 1902], архитектуру ЭВМ можно классифицировать по количеству потоков команд и данных в ней. В [1 стр.1902] предложены четыре класса ЭВМ: ЭВМ с одним потоком команд и одним потоком данных (ОКОД);
ЭВМ с одним потоком команд и многими потоками данных (ОКМД); ЭВМ с многими потоками команд и одним потоком данных (МКОД); ЭВМ с многими потоками команд и многими потоками данных (МКМД).
ЭВМ с архитектурами ОКОД, ОКМД и МКМД нашли большое применение. Класс ОКОД повсеместно используется в составе более продуктивных вычислительных машин с ОКМД архитектурой, к которым можно отнести векторно-конвейерные вычислительные машины [2 стр.492]. МКМД является более широким классом и может включать ОКМД и ОКОД архитектуры.
К классу МКОД к данному моменту не отнесена ни одна из вычислительных машин [2 стр.491. 3 стр.18]. По устоявшемуся представлению [4 стр.44], не найдены важные вычислительные задачи, требующие создания ЭВМ с такой архитектурой. Можно констатировать, что к классу МКОД относятся лишь отдельные части современной ЭВМ.
По принципу МКОД в частности функционирует конвейер процессора. Это означает, что одна и та же информация проходит несколько стадий конвейера, где над ней производят различные преобразования в соответствии с потоками микрокоманд. Однако, наличие конвейера не позволяет отнести всю ЭВМ к МКОД
классу, так как множественность потоков реализована лишь на уровне микрокоманд. В существующих ЭВМ многие потоки микрокоманд возникают лишь вследствие одного потока команд.
По существующему на данный момент представлению о программах функционирования ЭВМ, совокупность однородной информации представляется в оперативной памяти в одном из двух видов: в виде векторных структур данных (одной и более соседних ячеек оперативной памяти) или в виде списковых структур данных (двух и более любых ячеек оперативной памяти). Разработано несколько десятков структур данных, позволяющих ускорить вычислительный процесс: массивы [5 стр.342], списки [5 стр.295, 6 стр.198], хеш-таблицы [6 стр.215], двоичные деревья поиска [6 стр.236] и другие.
В [7 стр.82, 108] описаны варианты вычислительных алгоритмов, оперирующих графовыми моделями и используемые при автоматизированном проектировании ЭВМ. Основным показателем качества рассмотренных алгоритмов является характер зависимости количества операций сравнения, требуемых для их реализации, от размерности решаемой задачи, т.е. вычислительная сложность. Допустим в программе, обрабатываемой процессором, используется какая либо списковая структура данных (список, сбалансированное дерево и т.д.). В такой структуре отношение смежности элементов задано в виде явных указателей. Известно, что такой принцип позволяет ускорить многие операции со структурой: удаление, добавление, объединение, поиск и др. Этот факт для многих алгоритмов позволяет сократить количество операций процессора, т.е. сокращает вычислительную сложность алгоритма [6 стр.475, 7 стр.112]. Часто оказывается выгодным создавать многоуровневые связанные структуры, такие как: деревья, прошитые списками, многомерные списки и другие. Применение же векторных структур, напротив, ведет к усложнению алгоритмов. Для рассмотренных в [7 стр.82, 108] алгоритмов массивы оказываются сильно разряжены, в связи с чем вычислительная сложность увеличивается до O(n2), но, благодаря представлению всех необходимых действий в виде операций над структурами данных, были получены варианты алгоритмов с теоретическими оценками вычислительной сложности близкими к оптимальным (O(n)).
Результаты экспериментов показывают, что обработка списковых структур данных современными ЭВМ классов ОКОД и ОКМД происходит значительно
медленнее, чем обработка векторных структур [8 стр.158]. Этому способствуют архитектурные особенности существующих ЭВМ (наличие конвейера, кэш-памяти, пакетного режима передачи данных из оперативной памяти в центральный процессор, предвыборка команд и данных и другие). Кроме того, списковые структуры обладают зависимостью по данным, вследствие чего запрос на получение очередной порции информации может быть выдан центральным процессором только после получения предыдущих данных. В современных ЭВМ выполнение действий над структурами данных выполняется с помощью центрального процессора и отсутствуют какие-либо устройства, ускоряющие такую обработку.
В предлагаемой ЭВМ, в отличие от известных, один поток данных представляет собой структурированную информацию, над которой требуется выполнять несколько потоков команд. Согласно [9 стр.50], структура данных состоит из информационной и структурной составляющей. В простейшем случае, первый поток команд содержит только действия для обработки структурной части, а второй поток обрабатывает хранимые в структуре данные. Потоки команд и данных предлагаемой ЭВМ поясняются чертежом.
Технический результат достигается тем, что в устройство электронной вычислительной машины, состоящей из Оперативной памяти 4, последовательно соединенной с Кэш-памятью 9, которая входит в состав Центрального процессора 1, в отличие от известных ЭВМ. вводится дополнительный Структурный процессор 2, соединенный с Оперативной памятью 4 и Кэш-памятью 9, который осуществляет хранение и обработку потока структурированных данных 8 в соответствии с первым потоком команд 6, поступающим в него из Оперативной памяти 4, а также передает на дальнейшую обработку поток неструктурированных данных 7 Центральному процессору 1, который обрабатывает их вторым потоком команд 5. Для этого в набор команд ЭВМ вводятся высокоуровневые команды обработки структурированных данных. Указанное устройство 2 (Структурный процессор) будет обрабатывать только такие команды и обменивается с Центральным процессором 1 уже подготовленными неструктурными данными - скалярами. Примером осуществления такого взаимодействия может служить программа, обрабатывающая древовидную структуру: на некотором шаге требуется найти
минимальное значение ключа во всем дереве и увеличить его в 10 раз. Программа на языке, близком к машинному, будет содержать следующие команды:
Вершина=Дерево.ПоискМИН;
Дерево.ИзменитьЗначение(Вершина,Вершина.Ключ*10);
В указанном примере первая команда приводит к выполнению алгоритма обхода структуры и сравнению ключей для поиска наименьшего. Ключ найденной вершины должен быть увеличен в 10 раз, что может потребовать изменения структуры дерева. Очевидно, что действия по поиску вершины с минимальным ключом и последующее перестроение дерева должен выполнить Структурный процессор 2, а за увеличение значения ключа отвечает арифметико-логическое устройство Центрального процессора 1.
Большинство действий над структурами требует интенсивного обращения к памяти. Использование медленной Оперативной памяти 4 не позволит существенно ускорить обработку и создаст дополнительную нагрузку на системную магистраль между Центральным процессором 1 и Оперативной памятью 4. Поэтому в предлагаемом устройстве ЭВМ вводится локальная Память структур 3, которая содержит только необходимую для Структурного процессора 2 информацию. Загрузка структуры или ее части, а также сохранение содержимого Памяти структур 3 в Оперативную память 4 выполнятся по специализированным алгоритмам, учитывающим тип структуры и форматы хранимых данных. Указанная Память структур 3 построена таким образом, чтобы максимально ускорить действия над ее содержимым Структурному процессору 2.
Обработка данных в предлагаемой ЭВМ осуществляется следующим образом. Поток структурированных данных 8 из Оперативной памяти 4 направляется в Память структур 3. Поток команд для обработки структур данных 6 направляется в Структурный процессор 2. Найденная в структуре или обработанная другим способом информация направляется в Кэш-память 9 и составляет поток скалярных данных 7. Центральный процессор 1 извлекает скалярные данные из Кэш-памяти 9 и обрабатывает их в соответствии с потоком команд обработки скалярных данных 5. Результат работы Центрального процессора 1 направляется обратно в Память структур 3 в потоке скалярных данных 7.
Основное отличие предлагаемой ЭВМ от известных заключается в том, что информация обрабатывается одновременно двумя и более потоками команд.
Информация, представленная в виде структуры состоит из взаимосвязанной совокупности данных (информационной части) и связей между ними (структурной части). Тогда первый поток команд 6 из Оперативной памяти 4 обрабатывает структурную часть потока данных 8, а второй поток команд 5 обрабатывает информационную часть 7 потока данных 8. Для обработки каждого потока команд предлагается использовать отдельное устройство: Центральный процессор 1, содержащий Кэш-память 9, используется для обработки данных потоком команд 5;
Структурный процессор 2, содержащий память для хранения структур 3, используется потоком команд обработки структуры 6.
Электронная вычислительная машина с многими потоками команд и одним потоком данных может быть реализована с помощью полностью заказных или полузаказных СБИС, а также на большеразмерных ПЛИС.
Технические результаты, достигаемые при использовании изобретения, выражаются в следующем:
- Повышается количество вычислений в ЭВМ, выполняемых параллельно.
- Ускоряется обработка структурной части информации за счет применения специально спроектированного устройства -структурного процессора.
- Машинный язык ЭВМ приближается к языку программирования высокого уровня, что сокращает время разработки программ и их размер, уменьшает количество ошибок в программах; ускоряет работу программ; уменьшает стоимость программных продуктов.
Библиографические данные
1. Flynn M.J. "Very High-Speed Computing Systems", Proceedings IEEE, №54, 1966, pp.1901-1909
2. Цилькер Б.Я., Орлов С.А. Организация ЭВМ и систем: Учебник для вузов. - СПб.: Питер, 2006. - 668 с.: ил.
3. Богданов А.В., Корхов В.В., Мареев В.В., Станкова Е.Н. Архитектура и топологии многопроцессорных вычислительных систем. Курс лекций. Учебное пособие. - М.: ИНТУИТ.РУ «Интернет-Университет Информационных Технологий», 2004. - 176 с.
4. Ларионов A.M., Майоров С.А., Новиков Г.И. Вычислительные комплексы, системы и сети. Учебник для вузов. Л.: Энергоатомиздат. Ленингр. Отд-ние, 1987. 288 с.: ил.
5. Кнут Д. Искусство программирования. Т.1.: Основные алгоритмы. 2-е изд.: Пер. с англ. - М.: Издательский дом «Вильяме», 2001. - 720 с.
6. Кормен Т., Лейзерсон Ч., Ривест Р. Алгоритмы: построение и анализ. - М.: МЦНМО, 2000. - 960 с.
7. Попов А.Ю. Модели и алгоритмы автоматизированной декомпозиции схем ЭВМ. Дисс. кандидата техн. наук. - М.: 2003. - 176 с.
8. Касперски К. Техника оптимизации программ. Эффективное использование памяти. - СПб.: БХВ - Петербург, 2003. - 464 с.: ил.
9. Костин А.Е., Шаньгин В.Ф. Организация и обработка структур данных в вычислительных системах: Учеб. пособ. для вузов. - М.: Высш. шк. 1987. - 248 с.: ил.

Claims (1)

  1. Электронная вычислительная машина с многими потоками команд и одним потоком данных, состоящая из оперативной памяти, последовательно соединенной с кэш-памятью, которая входит в состав центрального процессора, отличающаяся тем, что в нее введен дополнительный структурный процессор, содержащий память для хранения структур данных, соединенный с оперативной памятью и кэш-памятью, который осуществляет хранение и обработку потока структурированных данных в соответствии с первым потоком команд, поступающим в него из оперативной памяти, а также передает на дальнейшую обработку поток неструктурированных данных центральному процессору, который обрабатывает их вторым потоком команд, в результате чего в предлагаемой ЭВМ один поток информации в виде структур данных обрабатывается двумя и более потоками команд, где второй и другие потоки команд к центральному процессору приводят к обработке информационной составляющей данных, а первый и другие потоки команд к структурному процессору приводят к обработке структурной составляющей данных.
    Figure 00000001
RU2006115810/22U 2006-05-10 2006-05-10 Электронная вычислительная машина с многими потоками команд и одним потоком данных RU71016U1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2006115810/22U RU71016U1 (ru) 2006-05-10 2006-05-10 Электронная вычислительная машина с многими потоками команд и одним потоком данных

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2006115810/22U RU71016U1 (ru) 2006-05-10 2006-05-10 Электронная вычислительная машина с многими потоками команд и одним потоком данных

Publications (1)

Publication Number Publication Date
RU71016U1 true RU71016U1 (ru) 2008-02-20

Family

ID=39267679

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2006115810/22U RU71016U1 (ru) 2006-05-10 2006-05-10 Электронная вычислительная машина с многими потоками команд и одним потоком данных

Country Status (1)

Country Link
RU (1) RU71016U1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2517238C2 (ru) * 2009-04-08 2014-05-27 Интел Корпорейшн Выполнение параллельного повторного хэширования хеш-таблицы для многопоточных приложений

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2517238C2 (ru) * 2009-04-08 2014-05-27 Интел Корпорейшн Выполнение параллельного повторного хэширования хеш-таблицы для многопоточных приложений

Similar Documents

Publication Publication Date Title
Jeong et al. Deep learning inference parallelization on heterogeneous processors with tensorrt
US20180032375A1 (en) Data Processing Method and Apparatus
US20170109625A1 (en) System for training networks for semantic segmentation
CN102142052B (zh) 一种针对电路仿真中电路稀疏矩阵的快速lu分解方法
CN104035751A (zh) 基于多图形处理器的数据并行处理方法及装置
Yu et al. Automated runtime-aware scheduling for multi-tenant dnn inference on gpu
CN106570197B (zh) 基于迁移学习的搜索排序方法和装置
CN108108233B (zh) 任务多副本执行的集群作业调度方法及系统
Hao et al. The implementation of a deep recurrent neural network language model on a Xilinx FPGA
CN113434548B (zh) 一种基于Spark的大规模数据流分析方法及系统
CN112906865B (zh) 神经网络架构搜索方法、装置、电子设备及存储介质
US20230281516A1 (en) Intelligent Data Partitioning for Distributed Machine Learning Systems
Hien et al. Existence and global asymptotic stability of positive periodic solution of delayed Cohen–Grossberg neural networks
CN112734803A (zh) 基于文字描述的单目标跟踪方法、装置、设备及存储介质
CN103870563B (zh) 确定给定文本的主题分布的方法和装置
Konstantinidis et al. Automating dairy production lines with the yoghurt cups recognition and detection process in the Industry 4.0 era
Garcia-Martinez et al. A GPU implementation of a hybrid evolutionary algorithm: GPuEGO
RU71016U1 (ru) Электронная вычислительная машина с многими потоками команд и одним потоком данных
CN117009038B (zh) 一种基于云原生技术的图计算平台
Li et al. Alpha-SGANet: A multi-attention-scale feature pyramid network combined with lightweight network based on Alpha-IoU loss
CN113468288A (zh) 基于人工智能的文本课件的内容抽取方法及相关设备
CN103955443A (zh) 一种基于gpu加速的蚁群算法优化方法
Shashev Image processing in intelligent medical robotic systems
US20190325294A1 (en) Recurrent neural network model compaction
Challapalle et al. X-VS: Crossbar-based processing-in-memory architecture for video summarization

Legal Events

Date Code Title Description
MM1K Utility model has become invalid (non-payment of fees)

Effective date: 20150511