স্থানীয় মেমরি / গণনা, নেটওয়ার্কের বিলম্বিতা এবং এইচপিসিতে ব্যান্ডউইথ জিটারের পরিসংখ্যানের মডেল

Question

সমান্তরাল গণনা প্রায়শই গণনা, ল্যাটেন্সি ওভারহেড এবং নেটওয়ার্ক ব্যান্ডউইদথের একটি নির্ধারিত স্থানীয় হার ব্যবহার করে মডেল করা হয়। বাস্তবে, এগুলি স্থানিকভাবে পরিবর্তনশীল এবং অ-সংজ্ঞাবহ are স্কিনার এবং ক্র্যামার (২০০৫) এর মতো অধ্যয়নগুলি বহু-মডেল বিতরণগুলি পর্যবেক্ষণ করে তবে পারফরম্যান্স বিশ্লেষণে সর্বদা নিয়ামকবাদী বা গাউসীয় বিতরণগুলি ব্যবহার করা হয় বলে মনে হয় (এটি কেবল সঠিক নয়, এটি নেতিবাচক বিলম্বের ইতিবাচক সম্ভাবনার কারণে অসঙ্গত)।

উচ্চ-বিশ্বস্ততার পরিসংখ্যানের মডেলগুলি তৈরি করা হয়েছে? স্থানীয় গণনা / মেমরি, বিলম্বিতা, এবং ব্যান্ডউইথের পরিবর্তনশীলতার ক্রস-সম্পর্ক সম্পর্কিত কোনও অ্যাকাউন্ট?

Comments

হাই জেড, আমি কেবল জানি যে লিটলের আইন প্রায়শই ব্যবহৃত হয়।

— ভ্যানকম্পিউট

Answer 1

কম্পিউটার বিজ্ঞানের দৃষ্টিকোণ থেকে আমি মনে করি না যে মেমরি অ্যাক্সেসের সময় (বিলম্ব) এবং মেমরির ব্যান্ডউইদথের জন্য একটি সাধারণ পরিসংখ্যান মডেল বানাতে বুদ্ধিমান হয়ে উঠুন।

এটি একটি অ্যালগরিদমের জন্য একটি পরিসংখ্যানের মডেল তৈরি করার কোনও অর্থ নেই । এটি কারণ যে প্রতিটি অ্যালগরিদমের একটি নির্দিষ্ট মেমরি অ্যাক্সেস প্যাটার্ন রয়েছে, মেমরি অ্যাক্সেস প্যাটার্নগুলি ক্যাশে স্তরক্রমের সাথে প্রাসঙ্গিক, উদাহরণস্বরূপ উচ্চ ডেটা লোকাল সহ একটি অ্যালগরিদম নিম্ন স্তরের ক্যাশে থেকে সত্যিকারের দ্রুত মেমরি অ্যাক্সেসের সময়গুলি উপকার করবে যখন অন্যান্য অ্যালগরিদমগুলি করতে হবে র‍্যামে সমস্ত পথে যান (বা এমনকি স্ব্যুপের স্মৃতি সবচেয়ে খারাপ) এবং অ্যাক্সেসের সময়টি খুব ধীরে থাকে।

সাধারণ কাজের মান দৃশ্য স্থাপত্য বিন্দু থেকে দেওয়া হয়, আপনি আপনার স্থাপত্য চেক করুন এবং একটি প্রদত্ত মেমরির অবস্থানে একটি প্রদত্ত কোর থেকে অনুসন্ধান এক্সেস সময় করতে পারেন (আসুন বলতে L3 ক্যাশে, চিহ্নিত)। সচেতন থাকুন যে সাম্প্রতিক আর্কিটেকচারগুলি অ ইউনিফর্ম মেমরি অ্যাক্সেস NUMA যা আপনার কাজটি কিছুটা শক্ত করে তুলবে।