حواسيب SIMD شبكة اتصالات
يمكننا الحصول على نموذج مرن أكثر قوة من نموذج الذاكرة المشتركة , يكون فيه كل زوج من المعالجات متصل بخط ثنائي الاتجاه ، حيث يمكن لعدة أزوج أن تتصل بآن واحد (و لكن بشرط ألا يحاول أكثر من معالج إرسال البيانات إلى معالج آخر أو تلقي البيانات من معالج آخر).
و بالتالي فإنه من المحتمل أن تستطيع جميع المعالجات أن تكون مشغولة بالاتصال في كل الوقت, و هذا غير ممكن في ذاكرة مشتركة مقسمة إلى مقاطع memory shared R-block , عندما يكون عدد المعالجات N أكبر من عدد المقاطع R .
خصائص حواسيب SIMD شبكة اتصالات
1- الكلفة (السعر): إذا كان السؤال المطروح : ما هو السعر المدفوع من أجل شبكة اتصالات تامة ب N معالج ؟ هناك (1-N) خط مسموح لكل معالج , و منه لدينا بشكل كامل N(N-1)/2 خط. من الواضح أن مثل هذه الشبكة يكون سعرها غالي جداً و بشكل خاص من أجل قيمة كبيرة ل N.
و هذا صحيح , على الأخص إذا لاحظنا أنه مع N معالج فإن أفضل ما يمكن من أجل N ملف تخفيض عدد الخطوات المطلوبة في الخوارزمية التسلسلية.
2- الوثوقية Feasibility: حتى لو استطعنا تحمل هذا السعر العالي , فإن النموذج غير واقعي عملياً مرة ثانية من أجل قيمة كبيرة لـ N. بالإضافة إلى أنه هناك حد لعدد الخطوط التي يمكن وصلها للمعالج , وهذا الحد يفرضه الحجم الفيزيائي الحقيقي للمعالج نفسه.
3- العلاقة بالنموذج SIMD SM: من الملاحظ أن نموذج الاتصالات التام , أضعف من حاسب بذاكرة مشتركة من أجل نفس السبب . مثلاً في الذاكرة المشتركة المقسمة إلى R مقطع لا يستطيع أكثر من معالج واحد الوصول المحدد بآن واحد إلى مقطع الذاكرة بالمساعدة مع معالج آخر.
وهذا يؤدي إلى كلفة مماثلة تقريباً لكلفة حاسب SM SIMD ( و لكن دون أن نحسب الكلفة من الدرجة الثانية لطرق ثنائية الاتجاه). وهذا يحبط غرضنا الأصلي في الحصول على آلة عملية أكثر.
الشبكات البسيطة لحواسيب SIMD
من حسن الحظ أنه في معظم التطبيقات هناك مجموعة جزئية صغيرة من جميع الارتباطات (الاتصالات) المزدوجة تكفي غالباً للحصول على أداء جيد.
سنلخص بإيجاز الشبكات الأكثر شيوعا منها فيما يلي:
لنفترض أن لدينا معالجين يستطيعان الاتصال بعدد ثابت من الخطوات في حاسب SIMD SM ٠ إن أي حاسب SIMD بشبكة اتصالات يمكن أن يحاكى على نموذج سابق بدون أن يحتاج خطوات أكثر من الخطوات المطلوبة لإيجادها كما في السابق .
-نموذج الاتصالات التام , تتوزع في هذا النموذج مواقع الذاكرة المشتركة ل M بين N معالجا ، كل منها يتلقـى M/Nموقعا. إضافة إلى أن كل زوج من المعالجات تتصل فيما بينها بخط ثنائي الاتجاه .
1- مصفوفة خطية Array Linear:
يمكن تمثيل وصل N معالج بشكل مصفوفة وحيدة البعد كما يظهر في الشكل التالي من أجل N=6. هنا المعالج Pi مرتبط بمجاوريه PI-1 و 1+Pi من خلال خط اتصال ثنائي الاتجاه. كل من معالجات النهاية و المسماة PI و PN تملك فقط مجاور واحد.
2- مصفوفة ثنائية البعد Array Tow-Dimensional:
نحصل على شبكة ثنائية البعد بترتيب الـ N معالج في مصفوفة mXm حيث m=N 1/2كما يظهر الشكل التالي من أجل m=4 المعالج في السطر j والعمود k يرمز ب p (j,k) حيث: 0<=k<=m-1
هناك خط ثنائي الاتجاه يربط p (j,k) . بمجاوريه p (j-1,k) و p (j+1,k) و p (j,k+1) p (j,k_1)
تملك المعالجات في الحدود الفاصلة للأسطر و الأعمدة عدد أقل من أربع مجاورات و بالتالي اتصالات أقل.
تعرف هذه الشبكة أيضا ب mesh the.
نلاحظ أنه في كل من المصفوفتين أحادية البعد و ثنائية البعد تملك الشبكة خاصية مهمة: و هي أن جميع الخطوط في الشبكة تملك نفس الطول و هي غير موجودة في الاتصالات الأخرى التي سندرسها.
3- شجرة الاتصال Connection Tree
تكون المعالجات في هذه الشبكة بشكل شجرة ثنائية تامة, و مثل هذه الشجرة تملك d مستوى مرقمة من 0 إلى d-1
و 1d -2=N و ينتهي كل منها بمعالج كما يظهر الشكل التالي من أجل d=4 .
كل معالج في المستوى i يتصل بخط ثنائي الاتجاه بسلفه في المستوى i+1 ,ويتصل بخلفه في المستوى i-1 .المعالج الجذر في المستوى d-1 لا يملك سلفاً وكل من الأوراق في المستوى(0) لا يملك خلفاً أو أوراقاً.
الاتصالات المختلطة التامPerfect shuffle connection :
قم بتنزيل تطبيق eMufeed Android الآن
