ВВЕДЕНИЕ
Универсальные приборы,эквивалентные по значению транзистору,которые создаются на тонких кремниевых пластинках СБИС,в настоящее время так миниатюрны и дешевы,что чрезвычайно большое число процессоров может быть объединено в единую сеть.В 1978г. 100.000 элементов было успешно интегрировано в ЗУ объемом 64Кбит.В 1981г. фирма Hewlett-Packard объявила о создании микропроцессорного кристалла,содержащего 450.000 элементов. Следовательно,многопроцессорные компьютеры "среднего класса" с числом кристаллов от нескольких тысяч и до нескольких миллионов скоро станут рельностью. Т.е.
отдельный
компьютер может содержать 10
х 10
=10
элементов.
Такие микропроцессорные системы могут быть очень успешно использованы для решения проблем,примером которых является моделирование в трех измерениях атмосферных масс для прогноза погоды,моделирование трехмерных зон земной коры,моделирование обширных сетей нейронов,составляющих мозг человека,и очень большой набор преобразований,необходимых для восприятия сложного поведения пространственных объектов.
Для таких компьютеров обработка изображений и восприятие образов станут основными областями применения,т.к. они выдвигают прроблемы обработки информации,решение которых требует очень больших и быстродействующих компьютеров с высоким паралелизмом.
Действительно,как показывают исследования,основные вычислительные процедуры при решении большинства задач обработки сигналов в реальном масштабе времени могут быть сведены к набору операций над матрицами.Широкие исследования в области вычислительных методов линейной алгебры привели к созданию устойчивых пакетов программ для выполнения этих операций с помощью однопроцессорных компьютеров последовательного действия.Для обеспечения выполнения большинства алгоритмов в реальном масштабе времени требуется на порядок увеличить скорость вычислений.Несмотря на достижения в технологии цифровых интегральных схем(ИС),нельзя просто рассчитывать на дальнейшие успехи в производстве быстродействующих элементов вычислительных устройств, и увеличение на несколько порядков производительности процессора для обработки в реальном масштабе времени должно осуществляться эффективным использованием параллелизма при вычислениях.
Самым непосредственным способом реализации параллельной обработки сигналов является простое присоединение ряда процессоров к общей шине.
Действительно,большинство современных серийных микропроцессорных комплектов отличается такой мультипроцессорностью.К этой мысли пришли не сразу.На идею о целесообразности использования структуры из повторяющихся модулей навела высокая стоимость разработки проекта высокопараллельного СБИС-процессора.
В духе этих тенденций развитие архитектуры микропроцессорных систем сводится к построению многопроцессорных систем различных типов и разрешению попутно появляющихся задач.
Мы остановимся на основных направлениях развития многопроцессорных систем и на проблеме взаимодействия процессоров с магистралями(затронем историю развития модульных систем из магистрально-модульных).
Традиционные однопроцессорные последовательные ЭВМ и многопроцессорные сети.
Обычная "последовательная универсальная ЭВМ" строится,как правило,посредством подключения быстродействующей памяти к единственному центральному процессору(ЦП),который выбирает команды из памяти,декодирует каждую из них,выбирает данные(в соответствии с предписанием в команде),хранящиеся в указанных ячейках памяти,выполняет указанные операции и запоминает результаты в предписанных ячейках .Кроме того,к системе должны быть подключены устройства ввода и вывода.
ЦП рис.1. Вариант представления такой системы: ВВОД->R->ВЫВОД ЗУ подключено к ЦП(содержащему и
ПАМЯТЬ процессор,и контроллер);они,в свою
очередь,связаны с устройствами ввода и вывода
(часто через регистры R).
Конвейерные системы компьютеров(или процессоров).
Каждый процессор в такой системе многократно выполняет одну и ту же команду над последовательностью данных,проходящих через систему.Это значит,что если одна и та же последовательность команд должна выполняться над большим числом различных блоков данных,может быть построена конвейерная система длиной во всю последовательность команд и данные могут быть пропущены через процессоры системы П1-ПN
рис.2. Конвейер из N процессоров,через которые проходят данные.
Устройство->П1->П2->П3->...->ПN-> Устройство
ввода вывода
В такте 1 процессор П1 будет выполнять первую команду над первым блоком
данных.В такте 2 процессор П2 будет выполнять вторую команду над первым блоком данных,а П1-первую команду над вторым блоком данных,и т.д.
Если в конвйере имеется N процессоров,программа будет выполняться приблизительно в d*N раз быстрее,чем в однопроцессорной ЭВМ(d-коэффициент,учитывающий,что нет необходимости в выборке и декодировании следующей команды,поскольку каждый процессор осуществляет выборку один раз,а затем многократно повторяет выполнение одной и той же команды).
Наиболее высокопроизводительные из современных "супер-ЭВМ",например,Cray-1 и CDC-255 фирмы Seymour Cray содержат подобные конвейеры из примерно десятка очень мощных и дорогостоящих процессоров для выполнения векторных операций над массивами данных.
Наиболее мощный из построенных к концу 90х г.г. конвейеров-конвейер многопроцессорной системы CytoComputer,специализированный на выполнение операций обработки изображений.Каждый из процессоров машины CytoComputer гораздо проще и меньше,чем в ЭВМ Cray-1,но
их общее число-113.
Используя новые кристаллы СБИС(один процессор в кристалле),проектируемые на будущее системы планируется построить из еще большего числа процессоров,которые могут быть объединены в конвейеры(теоретически произвольной длины).
Матричные структуры из очень большого числа простых процессоров.
В 80е г.г. были построены 3 очень большие двумерные системы.В их число входят:
-распределенный матричный процессор DAP(distributed array processor) размером 64Х64,спроектированный
фирмой ICL.
-сотовый логический процессор изображений
CLIP-4(cellular logic image processor)размером96Х96,
разработанный в лондонском университетском колледже,
-и большой параллельный процессор MPP(massively parallel processor)размером 128Х128,спроектированный фирмами
GoodYear-Aerospace и NASA Goddard.
В этих системах каждый из тысяч процессоров выполняет одну и ту же команду над различными потоками данных.Данные,которые необходимо обработать,и объем которых в идеале соответствует размерам матрицы