parallel-computing

Lattice Boltzmann Method 模拟单相流体(LBM simulation for single phase flow)

说明：  并行计算实验，多线程计算pi源代码，附有说明。(Parallel computing experiment, multithreaded to calculate pi source code annotated.)

访问邻居 PC 零售商店提供了充足的证据，我们是在多核时代。厂商之间的关键区别今天是他们打包到单个芯片上的内核的数量。商品处理器的时钟频率已经达到了极限，然而，和很可能保持在以下 4 GHz 多年来。因此，加入内核是不增加计算能力的代名词。要充分利用提供的新的多核硬件的性能增强，相应地调整必须发生在软件基础设施 — — 转变为并行计算。

just compile the program in python and see the clock

说明：  利用罚函数计算min X1^2+X2^2 s.t. 2X1-X2≤7 X1^2+3X2^2=2(Penalty function calculation)

性能分析与优化 这篇文章，在一系列，第五描述的性能分析和优化的流体模拟，提出了一种在第三和第四条款中。第一篇文章总结了流体动力学 ；第二个调查流体仿真技术 ；和第三和第四次提出了一个旋涡粒子流体模拟与双向流体体之间的相互作用，它运行在真正的时间。这篇文章利用另一个功能的英特尔 ® 线程构建模块 （英特尔 ® TBB） 将更多的工作分散到多个线程。这篇文章描述 CPU 使用情况分析过程，并使用该信息来优化和进一步并行化的代码，使其运行得更快。 性能分析和优化本文中描述的过程中的许多镜子中所述的程序软件优化食谱。这一过程从开始创建基准 — — 一大块的代码用来量化正在优化算法的性能。其余的过程需要迭代上的三个步骤： 要找出所谓的"热点"，应用程序在哪里花费其大部分时间的配置文件。 探讨为什么热点会消耗很多时间的详细信息。 修改，试图让它更快的代码。 将这些步骤应用于流体模拟应用程序在前两篇文章中提出了这条记载。 相关的文章 流体模拟视频游戏 （第1部分） 流体模拟视频游戏 （第 2 部分） 流体模拟视频游戏 （第 3 部分） 流体模拟视频游戏 （第 4 部分） 流体模拟视频游戏  (第 5 部分) 流体

Hight Performance Computing Demos

1）  熟练掌握并行程序设计的基本方法; 2）  通过实验，了解并行程序设计的过程以及优越性; 3）  学会并行程序的算法分析; 4）  结合高等工程数学、分布式系统、云计算等相关课程知识解决简单的实际问题。

GPU实现的MapReduce framework,对于学习并行编程和cuda平台的编程方面有着极好的参考价值，里面附带论文。用户要求有NViDIA显卡，并且安装cuda编程环境。(We design and implement Mars, a MapReduce framework, on graphics processors (GPUs). MapReduce is a distributed programming framework originally proposed by Google for the ease of development of web search applications on a large number of commodity CPUs. Compared with CPUs, GPUs have an order of magnitude higher computation power and memory bandwidth, but are harder to program since their architectures are designed as a special-purpose co-processor and their programming interfaces are typically for graphics applications.)

应用背景并行计算是最近新兴的一门技术，但是关于并行计算的代码在现在还不是特别普遍。本文是关于折半插入排序的并行计算的应用，希望对您的学习有一定的帮助。关键技术并行计算，多线程，折半插入排序，加速比，并行，串行