Nama : M. Irfan Mauluddin
Kelas : 4IA21
Npm : 57414367
Mata kuliah : Pengantar Komputasi Modern
Parallel
computing adalah penggunakan lebih dari satu CPU untuk menjalankan
sebuah program secara simultan. Idealnya, parallel processing membuat
programberjalan lebih cepat karena semakin banyak CPU yang digunakan. Tetapi
dalam praktek,seringkali sulit membagi program sehingga dapat dieksekusi oleh
CPU yang berbea-beda tanpa berkaitan di antaranya, Maksudnya program dijalankan
dengan banyak CPU secara bersamaan dengan tujuan untuk membuat program yang
lebih baik dan dapat diproses dengan cepat. Dapat diambil kesimpulan bahwa pada
parallel processing berbeda dengan istilah multitasking, yaitu satu CPU
mengangani atau mengeksekusi beberapa program sekaligus, parallel processing
dapat disebut juga dengan istilah parallel computing.
Sejarah
mencatat Konferensi internasional tentang ParCo97 komputasi paralel (Parallel
Computing 97) diadakan di Bonn, Jerman 19-22 September 1997. Konferensi pertama
dalam seri ini dua tahunan diadakan pada tahun 1983 di Berlin. Selanjutnya
konferensi diadakan di Leiden (Belanda), London (Inggris), Grenoble (Prancis)
dan Gent (Belgia).
Sejak awal tujuan dengan (Komputasi Paralel) konferensi parco adalah untuk
mempromosikan penerapan komputer paralel untuk memecahkan masalah kehidupan
nyata. Dalam kasus ParCo97 tonggak baru dicapai dalam bahwa lebih dari setengah
dari makalah dan poster yang disajikan prihatin dengan aspek aplikasi. Fakta
ini mencerminkan kedatangan usia komputasi paralel.
Sekitar 200 makalah yang disampaikan kepada Komite Program oleh penulis dari
seluruh dunia. Program akhir terdiri dari empat makalah diundang, 71 kontribusi
ilmiah / industri kertas dan 45 poster. Selain diskusi panel tentang Komputasi
Paralel dan Evolusi Cyberspace diadakan.
Penekanan praktis konferensi ini ditekankan oleh pameran industri di mana
perusahaan menunjukkan perkembangan terbaru dalam peralatan pemrosesan paralel
dan perangkat lunak. Pembicara dari perusahaan yang berpartisipasi
mempresentasikan makalah dalam sesi industri di mana perkembangan baru dalam
komputasi paralel dilaporkan.
Komputer paralel secara
kasar dapat diklasifikasikan menurut tingkat di mana hardware mendukungparalelisme, dengan
komputer multi-core dan multi-prosesor yang memiliki elemen pemrosesan
gandadalam satu mesin, sedangkan cluster, MPP, dan
grid menggunakan beberapa komputer untuk bekerja pada hal
yang sama tugas. Khusus arsitektur komputer paralel kadang-kadang
digunakan bersamaprosesor tradisional, untuk mempercepat tugas-tugas
tertentu.
Komputasi paralel
membutuhkan:
- algoritma
- bahasa pemrograman
- compiler
Sumber
daya komputer (computer resource) dapat terdiri dari sebuah komputer dengan
beberapa processor, atau beberapa komputer yang terhubung oleh sebuah jaringan,
atau pun kombinasi antara keduanya. Processor mengakses data melalui shared
memory. Beberapa supercomputer parallel processing system memiliki ratusan
bahkan ribuan microprocessor.
Dengan
bantuan dari parallel processing, sejumlah komputasi dapat dijalankan dalam
satu waktu, memangkas waktu yang dibutuhkan untuk menyelesaikan sebuah project.
Parallel processing sangat berguna untuk project yang membutuhkan komputasi
komplek, seperti weather modelling dan efek digital spesial (special effect
digital). Untuk lebih memahami konsep dari parallel processing, Anda dapat
menyimak analoginya berikut ini.
Dengan
bantuan dari parallel processing, masalah yang sangat kompleks dapat
terselesaikan dengan efektif dan lebih efisien. Parallel computing dapat secara
efektif digunakan untuk tugas-tugas (task) yang melibatkan begitu banyak
komputasi, untuk dapat dibagi menjadi task-task yang lebih kecil.
Contoh sistem yang diterapkan pada
obyek 3D yang besar dan rinci, interpretasi geometrik yang melekat seri
membatasi kecepatan generasi gambar. Untuk mempercepat prosedur menafsirkan,
sebuah Graphic Processing Unit (GPU) metode berbasis memanfaatkan Compute
Arsitektur Unified Device (CUDA) yang diusulkan dalam tulisan ini. Pendekatan
terfokus melibatkan dua tahap: pertama adalah scan sekuensial pada string yang
dihasilkan negara dari derivasi dari L-sistem yang berjalan pada CPU, yang
kedua adalah komputasi paralel pada GPU dengan CUDA. Simbol dalam string negara
diinterpretasikan sebagai perintah penyu dan kura-kura primitif grafis yang
menyatakan tergantung pada operasi perkalian matriks di scan sekuensial.
Kemudian dengan posisi dan arah tercakup dalam penyu negara, garis (silinder)
yang dihasilkan dan primitif grafik diubah menjadi sistem koordinat penyu
menggunakan ribuan benang paralel dalam fase komputasi. Dibandingkan dengan
metode lain, metode yang diusulkan lebih efisien.
Jika Anda memiliki Perhitungan Toolbox Paralel (PCT) dari Matlab, Anda dapat
menggunakan kekuatandan kemudahan penggunaan untuk menjalankan analisis neuroimaging secara
paralel. Baca lebih lanjut di sini dan di sini untuk informasi
lebih lanjut tentang toolbox ini. Caranya adalah dengan
menggunakanbeberapa core CPU pada mesin Anda untuk menjalankan analisis secara
paralel. Sebagai contoh, ketika saya menjalankan beberapa
analisis pada setiap peserta, saya dapat menggunakan PCT untuk
memulaianalisis pada 6-8 peserta secara paralel, yang
menebang waktu lari ke sekitar 5 kali atau lebih.
- Perkembangan Komputasi Paralel Pada Masa Kini
Komputasi paralel pada masa kini dapat diimplementasikan pada komputer-komputer rumah (Home User). Karena saat ini komputer-komputer sudah memiliki lebih dari 1 core, sehingga dapat diimplementasikan dengan mudah. Akan tetapi penggunaan CPU pada komputasi paralel dirasa kurang memiliki performance yang optimal, sehingga para developer dari NVIDIA mengembangkan hardware yang diberi nama GPU (Graphical Processing Unit) pada tahun 1999, GPU memiliki performance yang jauh lebih baik daripada CPU karena memiliki Core (Inti) yang lebih banyak daripada CPU, 1 inti dapat memiliki banyak thread (Benang), sehingga program dapat berjalan dengan optimal.
NVIDIA juga mengembangkan sebuah software yang dapat digunakan bersamaan dengan GPU NVIDIA, software tersebut diberi nama CUDA (Compute Unified Device Architecture). CUDA digunakan untuk mengendalikan GPU sehingga dapat berjalan dengan optimal dan dikendalikan dengan mudah.
NVIDIA memiliki 3 arsitektur GPU yang dapat digunakan untuk komputasi paralel, arsitektur tersebut adalah :
NVIDIA Tesla Architecture
NVIDIA Fermi Architecture
NVIDIA Kepler Architecture
Arsitektur yang pertama kali diproduksi secara massal oleh NVIDIA adalah Tesla. Lalu selanjutnya dioptimalkan dengan Fermi, dan yang saat ini paling banyak digunakan adalah Kepler.
Source :