【现货速发】并行程序设计 概念与实践
全新正版书籍，24小时发货，可开发票。
￥ 99.7 8.4折 ￥ 119 全新
库存7件
天津津南
认证卖家担保交易快速发货售后保障
作者[德]贝蒂尔·施密特（Bertil Schmidt） 乔治·冈萨雷斯-多明格
出版社机械工业出版社
ISBN9787111656661
出版时间2020-06
装帧平装
开本16开
定价119元
货号28978624
上书时间2025-01-09
商品详情
- 品相描述：全新
- 商品描述
-
前言
并行无处不在！如今，任意一款现代CPU都至少包含2个核心，一些CPU甚至配置了超过50个处理单元。对于有多个CPU的更大的系统，比如多个服务器节点、计算机集群、超级计算机等，它们甚至能够获得更高的并行度。因此，对于科学家、工程师、程序员来说，必须具备在这类系统上直接高效编写程序的能力。本书的主题是全面介绍并行编程领域的知识，以满足上述需求。本书针对共享内存和分布式内存体系结构讲解了实用的并行编程方法，包括C++11线程API、OpenMP、CUDA、MPI、UPC++，以及必不可少的理论背景。本书还提供大量的编程实例，它们基于C++编程语言针对多线程特性的扩展版本C++11和C++14。
本书以“并行编程”或者“高性能计算”两门课程的学生为目标读者。在计算机科学专业或计算机工程专业，很多大学都为高年级本科生或者研究生开设了这两门课程。此外，本书还适合用作其他学科学生在辅修计算机科学时的教材，或者用作相关领域专业人员的参考资料，譬如研究科学家、数据分析师或研发工程师等。理解本书内容需要有编写C/C++串行代码的经验，并具备基本的数学知识。
高性能计算和自然科学之间历来有良好的共生关系，我们将基于真实应用讲述并行概念。这些应用包括：基本线性代数例程、机器学习算法，以及物理模拟和计算机科学领域中的传统算法。编写正确而高效的代码是每一位程序员的关键技能，因此我们关注算法的真正实现和性能评估。尽管如此，我们还是深入讨论了算法的理论特性。每章都有一组附加的编程练习，可在本书配套的Web框架中完成这些练习。自动代码评估系统（System for Automated Code Evaluation，SAUCE）为提交解答方案和后续的课堂讲解提供了一个基于Web的测试环境。仅需的前提条件是一个与HTML5兼容的Web浏览器，以支持嵌入课堂教学的交互编程练习。SAUCE已经以docker镜像发布，可在下列网站下载：
https://parallelprogrammingbook.org
该网站汇集了本书相关的在线资源，比如安装指南、勘误表、附加材料（如课件、针对教师精选的部分练习答案）等。
如果你是一名学生或者专业人士，目标是学习编程技术，那么我们建议你首先阅读前3章，从并行编程基础、理论模型、硬件体系结构开始。然后，你就可以深入学习C++11多线程、OpenMP、CUDA或MPI中的任意一章。这些都是介绍性章节，内容几乎自成体系。关于高级C++11多线程、高级CUDA和UPC++的内容依赖前导章节中的技术，所以不能独立阅读。
如果你是一名教师，我们推荐一套包含14讲的授课体系，大体上覆盖了介绍性章节中提到的全部应用程序。你可以从第1章开始，第1讲讨论基础知识，包括利用超立方体并行求和的算法及其分析、基本度量标准（如加速比、并行效率、开销等）以及对排名指标的讨论等。第2讲应该包括PRAM、网络拓扑、强弱可扩展性等。如果将来想详细讨论CUDA，或者重点强调CPU的硬件体系结构，可以在PRAM上分配更多时间。可以用2～3讲的时间讲解C++11线程API、CUDA、MPI方面的基础知识。OpenMP相关内容可以分配1～2讲的时间。剩余时间可以选择讨论多线程、CUDA或者基于PGAS的UPC++语言等高级章节的相关内容。
另外一种可选的方法是，把本书内容分成两门课程，重点放在课堂上的“结对编程”。门课可以从基于CPU的并行编程技术开始，涵盖从前3章中选定的主题。这样，C++11多线程、OpenMP、MPI就能够讲解得足够细致。第二门课将侧重于高级并行方法，包括CUDA感知的MPI或基于PGAS的UPC++等技术相结合的扩展CUDA编程。
希望本书陪伴你度过快乐时光。充满活力，探索代码！后，我们将非常高兴能收到你的任何反馈，以便帮助我们尽可能完善本书相关内容。
导语摘要
本书由德国约翰内斯·古腾堡大学并行和分布式架构团队撰写，对并行编程的高级主题进行了深入讨论，除了涵盖基础概念外，还讲授了共享内存和分布式内存体系结构的实用编程技巧。作者提供了一套进行自动代码评估的开源系统，可方便地访问并行计算资源，这也使得本书特别适合于课堂教学。
目录
译者序
前言
致谢
第1章 绪论 1
1.1 一个有趣的例子及其分析 2
1.2 并行计算基础 10
1.2.1 分布式内存系统 10
1.2.2 共享内存系统 11
1.2.3 并行程序设计需考虑的因素 13
1.3 HPC动态和排名 15
1.4 附加练习 17
第2章 理论背景 19
2.1 PRAM 20
2.1.1 PRAM变体 21
2.1.2 PRAM上的并行前缀计算 22
2.1.3 PRAM上稀疏数组的压缩算法 24
2.2 网络拓扑 25
2.3 Amdahl定律和Gustafson定律 29
2.4 Foster的并行算法设计方法学 34
2.5 附加练习 37
参考文献 40
第3章 现代体系结构 41
3.1 存储层次 42
3.1.1 冯·诺依曼瓶颈 42
3.1.2 高速缓冲存储器 43
3.1.3 缓存算法 44
3.1.4 优化缓存访问 45
3.1.5 高速缓存一致性 48
3.1.6 虚假共享 50
3.1.7 并发多线程技术和预取技术 50
3.1.8 展望 51
3.2 并行性的层次 51
3.2.1 Flynn分类法 51
3.2.2 SIMD概念 53
3.2.3 通用微处理器上的向量化 54
3.2.4 结构体数组和数组结构体 57
3.2.5 展望 63
3.3 附加练习 63
参考文献 67
第4章 C++多线程编程 68
4.1 多线程编程简介 69
4.1.1 多线程编程和多进程编程的区别 69
4.1.2 派生和并入线程 69
4.1.3 我们的个多线程程序 71
4.2 处理返回值 73
4.2.1 传统方法 74
4.2.2 使用promise和future的现代方法 75
4.2.3 异步方式 80
4.3 基于静态分发的调度机制 82
4.3.1 串行程序 83
4.3.2 线程的区块分发 87
4.3.3 线程的循环分发 90
4.3.4 虚假共享 91
4.3.5 线程的块循环分发 93
4.4 处理负载不平衡 95
4.4.1 静态调度 99
4.4.2 动态块循环分发 101
4.5 用条件变量通知线程 104
4.5.1 为一个睡觉的学生建模 105
4.5.2 使用条件变量 107
4.5.3 使用future和promise单发同步 108
4.6 隐式可数集合上的并行化 110
4.6.1 隐式可数集合 111
4.6.2 线程池用例 112
4.6.3 一个简单线程池的实现 114
4.7 附加练习 119
参考文献 121
第5章 高级C++11多线程编程 122
5.1 无锁编程 122
5.1.1 原子计数 123
5.1.2 非基本原子数据类型 124
5.1.3 利用比较交换以原子方式并行化值归约 126
5.1.4 任意原子操作 129
5.1.5 ABA问题 132
5.2 工作共享线程池 133
5.2.1 工作共享线程池的用例 133
5.2.2 工作共享的实现 135
5.3 并行图搜索 137
5.3.1 二元背包问题 138
5.3.2 串行实现 139
5.3.3 并行实现 144
5.4 展望 146
5.5 附加练习 148
参考文献 149
第6章 OpenMP 150
6.1 OpenMP简介 151
6.1.1 OpenMP简史 151
6.1.2 基础 151
6.2 parallel for制导语句 153
6.2.1 向量加法 154
6.2.2 变量共享和私有化 157
6.2.3 矩阵向量乘法 160
6.3 基本的并行归约 162
6.3.1 近邻分类 162
6.3.2 手写数字数据集MNIST 163
6.3.3 完全配对距离计算的理论视角 164
6.3.4 完全配对计算的实现 165
6.3.5 并行标签预测 168
6.3.6 性能评测 169
6.4 不平衡循环调度 171
6.4.1 对称性引起的负载失衡 172
6.4.2 内积计算实现 173
6.4.3 性能评测 174
6.5 高级归约 175
6.5.1 MNIST数据集上的SOFTMAX回归分类器 175
6.5.2 定制归约操作符 183
6.5.3 OpenMP高级归约 187
6.6 任务并行 189
6.6.1 树遍历 190
6.6.2 循环中生成任务 193
6.7 SIMD向量化 193
6.7.1 数据依赖 195
6.7.2 向量化感知函数 196
6.8 展望 196
6.9 附加练习 197
参考文献 202
第7章 统一计算设备架构 203
7.1 CUDA简介 204
7.2 支持CUDA的GPU硬件架构 206
7.2.1 主机与设备之间的互连 206
7.2.2 显存和峰值宽度 207
7.2.3 计算资源的组织 207
7.3 内存访问模式 211
7.3.1 均值名人脸的计算 212
7.3.2 计算中心化的数据矩阵 218
7.3.3 计算协方差矩阵 221
7.3.4 计算特征脸 229
7.4 内存层次结构 232
7.4.1 问题简介 233
7.4.2 串行DTW的线性内存算法 237
7.4.3 线性内存DTW的一个初始CUDA移植 243
7.4.4 共享内存中的波前松弛 248
7.4.5 并发调度和bank冲突 253
7.4.6 纹理内存和常量内存 254
7.5 优化准则 257
7.6 附加练习 258
参考文献 259
第8章 高级CUDA编程 261
8.1 warp内联函数和原子操作 261
8.1.1 分段并行归约 262
8.1.2 全局并行归约 265
8.1.3 任意原子操作 267
8.1.4 展望 269
8.2 利用多块GPU和流 269
8.2.1 牛顿迭代 269
8.2.2 利用多块GPU 272
8.2.3 通信和计算交叉 274
8.2.4 多块GPU上的流式计算 278
8.3 展望 280
8.3.1 统一内存 280
8.3.2 动态并行性 281
8.3.3 协作组 281
8.3.4 张量核心 281
8.3.5 GPU集群上的分布式计算 282
8.4 附加练习 282
参考文献 284
第9章 MPI 286
9.1 MPI简介 286
9.2 基本概念 288
9.3 点到点通信 289
9.4 非阻塞通信 292
9
内容摘要
本书由德国约翰内斯·古腾堡大学并行和分布式架构团队撰写，对并行编程的高级主题进行了深入讨论，除了涵盖基础概念外，还讲授了共享内存和分布式内存体系结构的实用编程技巧。作者提供了一套进行自动代码评估的开源系统，可方便地访问并行计算资源，这也使得本书特别适合于课堂教学。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价