Pararell Computation

A. Konsep Komputasi Parallel

Komputasi paralel adalah suatu bentuk komputasi dimana instruksi-instruksi dijalankan secara berkesinambungan. Masalah yang besar dapat dibagi menjadi beberapa masalah yang lebih kecil(submasalah), untuk kemudian diselesaikan secara serempak.

Penggunaan kapasitas data pada komputasi pararel sangat besar. Inti dari komputasi parallel terdiri dari hardware, software, dan aplikasi.

B. Pemrosesan Terdistribusi

Pada komputasi pararel terjadi pemrosesan yang terdistribusi. Maksud dari pemrosesan terdistribusi ini adalah kemampuan computer yang dijalankan untuk memecahkan masalah dengan proses yang cepat dan terdistribusi. Intinya adalah menyatukan kemampuan dari sumber daya  yang terpisah secara fisik, ke dalam suatu sistem gabungan yang terkoordinasi dengan kapasitas yang jauh melebihi dari kapasitas individual komponen-komponennya.

C. Arsitektur Komputer Paralel

Arsitektur Komputer Paralel terbagi menjadi 4 bagian, diantaranya adalah:

• SISD (Single Instruction Single Data Stream)
• SIMD (Single Instruction Multiple Data Stream)
• MISD (Multiple Instruction Single Data Stream)
• MIMD (Multiple Instruction Multiple Data Stream)

D. Pengantar Thread Programming

Thread adalah sebuah alur kontrol dari sebuah proses. Suatu proses yang multithreaded mengandung beberapa perbedaan alur kontrol dengan ruang alamat yang sama. Keuntungan dari multithreaded meliputi peningkatan respon dari user, pembagian sumber daya proses, ekonomis, dan kemampuan untuk mengambil keuntungan dari arsitektur multiprosesor.

E. Pengantar Message passing, Open MP

MPI ( Message Passing Interface )  yaitu suatu standard dan message passing interface partabel system yang didesain oleh grup penelitian  untuk mengembangkan fungsi dan macam-macam dari computer parallel.

F. Pengantar Pemrograman CUDA GPU

CUDA (Compute Unified Device Architecture) merupakan platform parallel computing dan model pemrograman yang telah dibuat oleh NVIDIDA dan diimplementasikan oleh GPU(Graphic Processing Unit). CUDA memberikan akses pengembangan untuk kumpulan visual instruction dan ingatan dari parallel computasional elemen CUDA GPU.

sumber:

1, 2, 3