Parallel and distributed computing
การทำงานตามลำดับ
- โปรแกรมส่วนใหญ่ที่เป็นพื้นฐานเป็น sequential (แบบลำดับ): ทำขั้นตอนหนึ่ง แล้วตามด้วยขั้นตอนถัดไป
- คอมพิวเตอร์จะเสร็จสิ้นขั้นตอนที่ 1 ก่อนจึงจะเริ่มขั้นตอนที่ 2
- สิ่งนี้เข้าใจง่าย แต่อาจ slow (ช้า) สำหรับงานขนาดใหญ่
Sequential (one worker):
task A -> task B -> task C -> task D
|-------|--------|--------|--------|
total time = A + B + C + D
การคำนวณแบบขนาน
- Parallel computing (การคำนวณแบบขนาน) แบ่งงานออกเพื่อให้หลายส่วนทำงาน at the same time (พร้อมกัน)
- คอมพิวเตอร์สมัยใหม่มี processors (โปรเซสเซอร์) หลายตัว (หรือที่เรียกว่า cores) ที่สามารถทำงานได้อย่างละตัว
- หากคนงานสี่คนรับงานละหนึ่งอย่าง งานสี่งานจะเสร็จภายในเวลาเท่ากับการทำงานหนึ่งงาน
Parallel (four workers at once):
worker 1: task A
worker 2: task B
worker 3: task C
worker 4: task D
|--------|
total time ≈ the longest single task
Speedup (ความเร็วเพิ่มขึ้น)
- Speedup ถามว่า: เวอร์ชันแบบขนานเร็วขึ้นกี่เท่า?
- speedup = (เวลาแบบลำดับ) / (เวลาแบบขนาน)
- ตัวอย่าง: งานหนึ่งใช้ 8 วินาทีเมื่อทำเป็นลำดับ แต่ใช้ 2 วินาทีเมื่อแบ่งแยก ความเร็วเพิ่มขึ้น = 8 / 2 = 4 เท่า.
ไม่จำเป็นต้องเร็วขึ้น N เท่าเสมอไป
- การเพิ่มจำนวนโปรเซสเซอร์ not (ไม่) ได้หมายความว่าเร็วขึ้น N เท่าเสมอไป
- บางส่วนของงาน cannot (ไม่สามารถ) แบ่งแยกได้—they must happen in order (ต้องทำตามลำดับ)
- นอกจากนี้ การแบ่งงานและการรวมผลลัพธ์กลับเข้าด้วยกันต้องใช้เวลารวมเพิ่มเล็กน้อย
Job = setup (must be in order) + main work (can split)
setup main work (split over 4)
|-----| |--------------------------------|
|--------| <- this part gets 4x
The setup part stays the same length.
การคำนวณแบบกระจาย
- Distributed computing (การคำนวณแบบกระจาย) ใช้ many separate computers (คอมพิวเตอร์แยกอิสระจำนวนมาก) ที่ร่วมมือกันผ่านเครือข่าย
- พวกเขาอาจอยู่ในห้อง เมือง หรือประเทศต่างกัน
- ตัวอย่าง: The web (เวิลด์ไวยาฯ) (เซิร์ฟเวอร์จำนวนมาก), งาน big data (บิ๊กดาต้า) ที่แบ่งย่อยบนเครื่องนับพัน, และโครงการวิทยาศาสตร์ขนาดใหญ่
Distributed (computers cooperate over a network):
[computer 1] [computer 2] [computer 3]
\ | /
\ | /
shared network / job
Each computer does part of the work.
Trade-offs (ข้อดีข้อเสีย)
- Good (ข้อดี): ระบบแบบขนานและแบบกระจายสามารถเร็วขึ้นมาก และสามารถจัดการงานมหาศาลได้
- Harder (ยากขึ้น): โค้ดซับซ้อนกว่า; ส่วนต่างๆ ต้องประสานงาน; ผลลัพธ์ต้องถูกรวมเข้าด้วยกัน
- Limits (ข้อจำกัด): ความเร็วเพิ่มขึ้นถูกจำกัดโดยส่วนที่ไม่สามารถแบ่งแยกได้ และความล่าช้าของเครือข่ายระหว่างคอมพิวเตอร์
คำศัพท์สำคัญ
- Sequential (แบบลำดับ): ขั้นตอนทำงานทีละขั้นตอนตามลำดับ
- Parallel (แบบขนาน): ส่วนต่างๆ ทำงานพร้อมกันบนโปรเซสเซอร์หลายตัว
- Speedup (ความเร็วเพิ่มขึ้น): เวลาแบบลำดับหารด้วยเวลาแบบขนาน
- Distributed (แบบกระจาย): คอมพิวเตอร์แยกอิสระจำนวนมากร่วมมือกันผ่านเครือข่าย
ข้อผิดพลาดที่พบบ่อย
- ความเร็วเพิ่มขึ้นแบบขนานจะช่วยเฉพาะงานที่สามารถแบ่งเป็นส่วนอิสระได้เท่านั้น
- โปรเซสเซอร์เพิ่มเติมแต่ละตัวจะให้ความเร็วเพิ่มขึ้นน้อยลงเรื่อยๆ
ลองดูเลย
- นำสูตรความเร็วไปใช้งานเป็นฟังก์ชันเล็กๆ
- จำลองงานที่มีทั้งส่วนการตั้งค่าคงที่และส่วนงานที่แบ่งแยกได้ กด Check answer (ตรวจสอบคำตอบ)
ความยาก 3/5 · 200 เหรียญ + บอนัสน้อยๆ เมื่อทำสำเร็จครั้งแรกในวันนี้
A job has a setup part that must run in order, and a splittable part that workers can share at the same time. Write parallel_time(setup, splittable, workers) that returns the total time: the setup, บวก the splittable part divided among the workers. Example: parallel_time(2, 8, 4) → 4.0 (2 + 8/4).
คลิก Run เพื่อดูผลลัพธ์ที่นี่
ความยาก 3/5 · 200 เหรียญ + บอนัสน้อยๆ เมื่อทำสำเร็จครั้งแรกในวันนี้
Write speedup(sequential, parallel) that returns how many times faster the parallel version is: the sequential time divided by the parallel time. Example: speedup(8, 2) → 4.0.
คลิก Run เพื่อดูผลลัพธ์ที่นี่
ความยาก 3/5 · 200 เหรียญ + บอนัสน้อยๆ เมื่อทำสำเร็จครั้งแรกในวันนี้
Even with unlimited workers, the setup part still cannot be split. Write max_speedup(setup, splittable) for the best possible speedup: the whole job time divided by the setup time (endless workers shrink the splittable part to almost nothing, leaving only the setup). Example: max_speedup(2, 6) → 4.0 ((2+6)/2).
คลิก Run เพื่อดูผลลัพธ์ที่นี่