复习提纲：

（2）MIMD 的进一步划分（重点，分布内容和共享内存，要求能画出图并详细说明）

答：共享内存：每个内存区域都能被每个处理器访问的到。分布式内存是内存独立，但是大家能通过网络访问。

共享内存：

（3）并行计算的度量，加速比（重点）

答： T p a r a l l l e l = T s e r i a l / P T_{paralllel} = T_{serial} / P Tparalllel/span>=Tserial/span>/P， S = T s / T p S = T_s/T_p S=Ts/span>/Tp/span>

3. 寻找并发性设计空间

（1）理解任务并行模式（重点，能举出例子或者分析例子）

答：把问题分解为一个能够并发执行的任务集合。

一块草坪，需要完成修剪和除杂草的任务，现在两个园丁分配到不同的任务去完成。当然这个过程需要协调的，因为两个人不可能说同时处理一块地方的。

（2）了解分治策略

（1）了解 SPMD 模式

在SPMD程序中，所有UE并行执行同一个程序（单程序），但每个UE都拥有自己的私有数据集（多数据）

（2）了解主从模式（重点）

答：主进程为从进程建立一个工作池和一个任务包。所有从进程并发执行，每个从进程迭代的从任务包中移除一个任务并处理它，指导所有任务都处理完毕或到达某些终止条件为止

核心思想是基于分而治之的思想,将一个原始任务分解为若干个语义等同的子任务,并由专门的工作者线程来并行执行这些任务,原始任务的结果是通过整合各个子任务的处理结果形成。

比如Master：RW，那么他的Slave是R和W，也就是我们常说的读写分离。

这个可以用线程池的思想去理解。

（3）理解派生聚合模式（重点，和主从模式之间的区别）

百度一下：Fork/Join 模式即可理解。

一个主UE里面Fork出多个子的UE，这些子UE并行完成任务，的一部分，等待这一步的全部子UE完成了这些任务之后，我们再继续分支。

（1）理解通信及相关技术实验相关（重点，以下内容都会出对应题目。会有简答题、程序填空题及案例分析题，实验会和上面的知识点结合一起出题）

消息传递，集合通信，其他通信构造。
消息是最基本的通信元素，包含信息标识。
广播：发送单条消息给所有UE
栅栏：程序中的同步点，所有UE都必须到达该点，然后才能继续向后执行
归约：获得一个对象集合，每个对象映射到一个UE，操作把它们组合为位于一个UE的单个对象，或组合它们并将结果广播到每个UE上

7. 实验思考：

三个实验例子：生命游戏，PAI计算，日志挖掘。

（1）任务分解和数据分解的具体应用（例子，生命游戏实验、计算π、车牌实验，怎么应用的

生命游戏的分解：如果从任务分解的角度去想的话，我们的对于每一个格子都需要判断多个条件，那么这些条件就是我们的任务步骤，也是我们可以对其进行分解的地方。如果从数据分解的角度去思考的话，我们把一个棋盘分为多块，那么我们就完成了数据分解。

计算π的分解：

在处理迭代生命游戏的时候，由于我们采用派生聚合的模式去完成任务，因此，我们在每迭代一次的时候同步一次再发起一次并行迭代，因此需要重复创建，销毁线程，需要消耗大量的资源，因此，更适合用线程池。

对于计算 π pi π问题，我们可以指定多个线程同时计算多个任务，只需要最后一次合并，无需多次创建消耗资源，因此，我们使用线程池效率不见得比直接手动使用多线程效率高。

但在实际开发当中，为了安全考虑，我们是不应该直接手动创建多线程去处理问题的。（原因参见阿里的编程规范）

（4）共享资源的访问（要求，能以简单程序说明两个线程之间安全访问共享资源的伪代码）

（5）日志挖掘中，怎么样对数据进行划分么样对数据进行预处理/h5>

我们需要考虑是读取数据部分和处理数据部分。比如说，我们可以根据等长数据进行划分，或者根据日期数据进行划分。

数据分块存储，分块读取。

（6）支持结构中主从模式和派生聚合模式的区别和选择（生命游戏和计算π的实验对比，有什么区别

• 生命游戏：派生聚合模式（按照数据更新迭代的次数进行任务分割）
• 计算PAI：主从模式（指定一个工作池，运算完之后合并在一起）

（7）能画出生产者-消费者模型，并对各部分进行详细说明。

附：线程的五种状态

文章知识点与官方知识档案匹配，可进一步学习相关知识云原生入门技能树首页概览8636 人正在系统学习中

来源：JintuZheng