Logo da.boatexistence.com

Hvilket er massivt parallel behandling?

Indholdsfortegnelse:

Hvilket er massivt parallel behandling?
Hvilket er massivt parallel behandling?

Video: Hvilket er massivt parallel behandling?

Video: Hvilket er massivt parallel behandling?
Video: Parallel LANDINGS !!! PRM og SOIA nærmer sig! Forklaret af CAPTAIN JOE 2024, Kan
Anonim

Massively parallel processing (MPP) er en lagerstruktur designet til at håndtere den koordinerede behandling af programoperationer af flere processorer Denne koordinerede behandling kan fungere på forskellige dele af et program, med hver processor bruger sit eget operativsystem og hukommelse.

Hvilken er en massivt parallelt distribueret processor?

MPP (massivt parallel behandling) er den koordinerede behandling af et program af flere processorer, der arbejder på forskellige dele af programmet, hvor hver processor bruger sit eget operativsystem og hukommelse. … I nogle implementeringer kan op til 200 eller flere processorer arbejde på den samme applikation.

I hvilken computer parallel behandling er mulig?

Ethvert system, der har mere end én CPU, kan udføre parallel behandling, såvel som multi-core processorer, som almindeligvis findes på computere i dag. Multi-core processorer er IC-chips, der indeholder to eller flere processorer for bedre ydeevne, reduceret strømforbrug og mere effektiv behandling af flere opgaver.

Hvad er et eksempel på parallel behandling?

I parallel behandling tager vi flere forskellige former for information ind på samme tid. Dette er især vigtigt i synet. For eksempel, når du ser en bus komme mod dig, ser du dens farve, form, dybde og bevægelse på én gang Hvis du skulle vurdere disse ting én ad gangen, ville den tage alt for lang tid.

Hvad er parallel behandling i big data?

Parallel behandling er en teknik, der bruges af fagfolk og dataforskere til computerbehandling i flere processorer, dvs. CPU'er, der vil hjælpe med bedre håndtering af separate dele af et samlet projekt. Teknikker som disse anvendes af fagfolk til hurtigere og effektiv behandling af store datasæt.

Anbefalede: