并行计算的现状与发展
大规模并行计算的挑战与解决方案
大规模并行计算的挑战与解决方案随着科学技术的不断发展，大规模并行计算已经成为许多领域研究的重要手段。
然而，由于其规模庞大且复杂性高的特点，大规模并行计算也面临着许多挑战。
本文将探讨大规模并行计算中的挑战，并提出一些解决方案。
一、挑战一：通信与同步在大规模并行计算中，节点间的通信和同步是一个非常关键的问题。
由于节点数量庞大，节点之间的通信会产生大量的网络延迟，从而导致计算性能下降。
此外，当节点在执行计算任务时，往往需要互相进行同步，以确保计算的正确性和一致性。
为了解决这个问题，可以采取以下策略：一是优化网络拓扑结构，采用更高效的路由算法和传输协议，从而减少网络延迟；二是设计高效的通信和同步机制，如消息传递接口（MPI）和同步原语，以提高通信效率和同步性能。
二、挑战二：负载均衡在大规模并行计算中，节点间的负载均衡是一个非常重要的问题。
由于计算任务的不均衡分配，一些节点可能会负载过重，而其他节点则可能处于空闲状态。
这不仅会导致计算效率的下降，还会增加系统的能耗。
为了解决这个问题，可以采取以下策略：一是采用动态负载均衡算法，根据节点的负载情况动态地进行任务调度，以实现负载均衡；二是设计高效的任务划分和调度策略，使得计算任务能够均匀地分布在各个节点上，从而提高系统的整体性能。
三、挑战三：故障容忍在大规模并行计算中，由于节点数量庞大，节点之间的通信复杂性高，节点的故障率较高。
当节点发生故障时，会对整个系统的可靠性和性能产生重要影响。
为了解决这个问题，可以采取以下策略：一是采用冗余计算和检测机制，当节点发生故障时，能够自动检测并进行相应的处理，从而实现系统的自愈能力；二是设计高效的容错算法，如冗余数据和冗余计算，以提高系统的可靠性和容错性。
综上所述，大规模并行计算面临着通信与同步、负载均衡和故障容忍等挑战。
通过优化网络拓扑结构、设计高效的通信和同步机制、采用动态负载均衡算法、设计高效的任务划分和调度策略，以及采用冗余计算和检测机制，可以有效地解决这些挑战，提高大规模并行计算系统的性能和可靠性。
超级计算机的发展趋势和应用
超级计算机的发展趋势和应用超级计算机是当今世界计算科学和技术上的最高水平，是各种高科技领域中不可或缺的基础设施之一，其重要性不言而喻。
本文将对超级计算机的发展趋势和应用进行深入探讨。
一、超级计算机的发展趋势超级计算机的发展可以分为三个阶段：向量计算阶段、并行计算阶段和互联网计算阶段。
现在，超级计算机跃入了下一阶段，即高性能计算集群阶段，下面先分别解释一下这四个阶段的特点。
1.向量计算阶段向量计算是指对指令进行了优化，使得计算机可以在一个时钟周期内并行处理多个数据，从而提高计算效率的方法。
在向量计算阶段，计算机的核心是向量处理器。
这一阶段的代表机型有日立公司的CRAY-1、CRAY-2和NEC公司的SX-2等。
2.并行计算阶段并行计算是指将计算任务分为多个小任务，分别在多个处理器上进行处理，从而加快整个计算过程的方法。
在并行计算阶段，计算机的核心是多处理器、多核心和多线程技术。
这一阶段的代表机型有IBM公司的Blue Gene、中国的天河系列等。
3.互联网计算阶段互联网计算是指利用因特网等网络技术将多台计算机连接起来，形成一个通讯环境，实现分布式处理的方法。
在互联网计算阶段，计算机的核心是数据中心、云计算和物联网等技术。
这一阶段的代表机器有谷歌公司的MapReduce、Hadoop和Amazon公司的EC2等。
4.高性能计算集群阶段高性能计算集群是指将多个高性能计算节点通过高效的通信网络连接起来，形成一个计算集群，完成复杂任务的方法。
在高性能计算集群阶段，计算机的核心是网络和存储技术，如InfiniBand、Myrinet、10G以太网和Solid State Drive等。
这一阶段的代表机器有美国的Titan、中国的神威系列等。
二、超级计算机的应用1.模拟科学模拟科学是指以计算机模拟为基础的科学研究方法。
超级计算机在模拟科学领域的应用非常广泛，如气象、地震、海洋、生物、航空、航天等领域。
通过超级计算机的模拟，可以预测、分析和优化各种自然和人造系统的行为，具有非常重要的意义。
并行计算与分布式系统的优化
并行计算与分布式系统的优化随着云计算、大数据和人工智能等领域的不断发展，对计算效率和资源利用率的要求也越来越高。
为了提高计算速度和处理大规模数据的能力，人们开始关注并行计算和分布式系统的优化。
本文将探讨并行计算及分布式系统的优化方法，以及它们的应用领域和未来发展趋势。
一、并行计算的优化方法1.任务划分与调度在并行计算中，将任务分解为多个子任务，并将这些子任务分配给不同的处理单元同时执行，以提高计算效率。
任务的划分和调度需要考虑任务之间的依赖关系、负载均衡和通信开销等因素。
常用的任务划分方法包括静态划分、动态划分和自适应划分等。
2.数据分布与通信并行计算中，数据的分布方式和通信模式对任务的执行效率有着重要影响。
合理的数据分布可以减少通信开销和数据传输时间，提高并行计算的效率。
通信模式的选择也直接影响着任务之间的协作和数据交换效率。
3.并行算法与数据结构并行计算需要设计合适的算法和数据结构来实现任务的并行执行。
并行算法的设计需要考虑任务之间的依赖关系、数据重复计算和数据交互等。
而数据结构的选择则需要充分利用处理器的并行计算能力和缓存机制，减少数据访问冲突和数据传输开销。
二、分布式系统的优化方法1.负载均衡与任务调度在分布式系统中，负载均衡和任务调度是优化的重点。
通过合理的负载均衡策略，可以使各个节点的负载均衡，并提高整体性能。
任务调度算法的设计需要综合考虑任务的执行时间、执行位置、节点间的通信开销等因素，以最大程度地提升系统的执行效率。
2.容错与故障恢复分布式系统中，节点故障是无法避免的。
为了保证系统的可靠性和性能，需要采取相应的容错和故障恢复策略。
常见的容错方法包括冗余备份、错误检测和恢复等。
3.数据一致性与通信效率分布式系统中，数据一致性和通信效率是两个关键问题。
数据一致性的维护需要采用合适的一致性模型和算法，以保证数据的正确性和可靠性。
通信效率的提升则需要减少节点间的数据传输和通信开销。
三、并行计算与分布式系统的应用领域1.大规模数据处理在大数据领域，并行计算和分布式系统能够提供高效的数据处理能力，帮助用户快速分析、处理和挖掘海量的数据。
超级计算机技术的发展现状与未来趋势分析
超级计算机技术的发展现状与未来趋势分析随着科技的快速发展，超级计算机已经成为人们日常生活以及科研探索中不可或缺的一部分。
超级计算机技术以其卓越的计算能力和处理速度，为人类解决了许多重大难题。
本文将从技术发展现状和未来趋势两个方面进行分析。
一、技术发展现状超级计算机技术在过去几十年中取得了巨大的进步。
早期的超级计算机使用大规模集成电路来提供计算能力，但受制于硬件成本和功耗的限制，其应用领域受到了一定的限制。
然而，随着新一代计算技术的出现，如并行计算和量子计算，超级计算机的性能得到了飞跃式的提高。
同时，新的架构和算法也加速了超级计算机的发展。
目前，超级计算机技术的发展主要集中在提高计算速度和能效方面。
硬件升级和优化是实现这一目标的重要手段之一。
例如，采用更高效的处理器和内存体系结构，能够显著提升计算效率。
此外，新材料和新器件的应用也为超级计算机的能效提升提供了新的可能性。
软件方面的发展同样不可忽视。
新的算法和优化技术不仅可以提高超级计算机的性能，还可以提高应用程序的可移植性和可扩展性。
此外，人工智能和机器学习技术的应用也为超级计算机的性能提升和智能化应用提供了新的途径。
二、未来趋势分析未来几年，超级计算机技术将继续发展，呈现出以下几种重要趋势。
首先，超级计算机的规模和速度将进一步提升。
随着硬件技术的不断突破，超级计算机的计算能力将达到目前的数十倍甚至上百倍。
更高速的计算将为科学研究和工程领域提供更多的机会和挑战。
其次，超级计算机将更加偏向于解决复杂问题和大规模数据处理。
在人工智能和大数据时代，超级计算机将发挥重要作用。
例如，通过深度学习算法和强化学习技术，超级计算机可以更好地理解和处理海量的非结构化数据。
另外，云计算和边缘计算的发展将为超级计算机带来新的机遇和挑战。
云计算技术的普及使得超级计算机资源可以更好地共享和利用。
而边缘计算技术的应用将使超级计算机更加接近终端用户，提供更快速的计算和响应。
最后，超级计算机的能耗和环境影响也将成为关注的焦点。
并行计算的优势与挑战
并行计算的优势与挑战随着科技的进步和计算机硬件的迅猛发展，人们对计算性能的需求越来越高。
并行计算作为一种高效的解决方案，逐渐成为了科学计算、图像处理、人工智能等领域的关键技术。
本文将探讨并行计算的优势与挑战，并介绍其实现的步骤与相关技术。
一、并行计算的优势1. 提高计算性能：并行计算通过同时处理多个任务，充分利用多核处理器和分布式系统的计算能力，大大提高了计算性能。
相比于串行计算，具有更高的执行效率和更短的计算时间。
2. 处理大规模数据：在处理大规模数据时，并行计算可以将数据分割成多个子任务并行处理，大大加快了处理速度。
尤其对于需要对海量数据进行运算的应用，如大数据分析和人工智能训练，采用并行计算能够提供更好的解决方案。
3. 解决复杂问题：并行计算能够将复杂问题分解成多个简单的子问题，并通过并行执行这些子问题的方式，提高问题的求解速度和效果。
在科学计算领域，如天气预测、物理模拟等，采用并行计算可以加速模型运算并获得更准确的结果。
二、并行计算的挑战1. 数据竞争：并行计算中多个处理单元同时访问共享数据时，可能会出现数据竞争的问题，导致计算结果的不确定性。
为了解决数据竞争问题，需要采用同步机制，如互斥锁和信号量，来确保数据安全的同时保证计算效率。
2. 负载均衡：在分布式系统中，任务的分配和负载均衡是一个挑战。
如果任务分配不均衡，会导致一部分处理单元空闲，而另一部分处理单元负载过重，影响并行计算的性能。
因此，需要设计有效的任务调度算法，使得任务能够均匀地分布到各个处理单元上。
3. 通信开销：在并行计算中，不同处理单元之间需要频繁地进行通信，以传递数据和同步状态。
因此，通信开销成为了影响并行计算性能的一个重要因素。
为了减少通信开销，可以采用数据局部化和异步通信等技术手段，尽量减少处理单元之间的通信次数和数据传输量。
三、并行计算的实现步骤1. 任务分解：将待处理的任务分解成多个独立的子任务，每个子任务负责处理一部分数据或执行一部分计算操作。
数值模拟中的大规模并行计算技术研究
数值模拟中的大规模并行计算技术研究随着计算机技术的不断发展，数值模拟技术在科学研究、工程设计、生产制造等领域得到了广泛应用。
而在数值模拟中，大规模并行计算技术的应用已成为不可或缺的一部分。
本文将重点探讨大规模并行计算技术在数值模拟中的应用与研究进展。
一、大规模并行计算技术的概念与优势大规模并行计算技术指的是采用多台计算机进行协同计算，通过高效的通信和任务调度，对复杂任务进行并行计算，以提高计算速度和性能。
与单机计算相比，大规模并行计算具有如下优势：1、高效性：多台计算机通过并行计算可以实现任务的快速完成。
2、可靠性：大规模并行计算中各计算节点具有一定程度的独立性，一台计算机出现故障不会影响整个系统的正常运行。
3、灵活性：并行计算系统可以根据任务需求进行灵活配置，比如可以根据不同的任务选择不同的计算节点配置。
二、大规模并行计算技术在数值模拟中的应用数值模拟是指利用计算机技术对现实世界中的某些物理、化学、工程等过程进行数学模型描述，从而获得其在不同条件下的行为规律。
数值模拟在物理、地球科学、生物、金融等领域有着广泛的应用，在这些领域中，大规模并行计算技术也有着重要的作用。
1、气象数值模拟气象数值模拟是指针对大气的动力学、热力学、水文学等过程，建立数学模型，通过计算机模拟气候变化、天气预报等现象。
随着计算机技术和气象科学的发展，数值模拟逐渐取代了传统的经验式预测方法，成为气象学研究中不可或缺的一部分。
在气象数值模拟中，由于所涉及的物理过程是非常复杂的，需要运用大量的数值方法和模型进行计算。
因此，气象数值模拟需要强大的计算能力支持，大规模并行计算技术的应用也变得尤为重要。
2、地震模拟地震是一种重大的自然灾害，研究其机理和预测其发生较为困难。
在地震模拟中，通过计算机模拟地震波的传播过程，研究地震波对建筑物、桥梁等建筑结构的影响，以及深入研究地震波产生的机理和过程等。
由于地震模拟需要运用复杂的数值方法和模型进行计算，需要强大的计算能力支持。
计算机并行计算的基本问题及现状
计算机并行计算的基本问题及现状作者：张悦来源：《文存阅刊》2017年第12期（哈尔滨广厦学院黑龙江哈尔滨 150025）摘要：工作中，我们总是希望我们自己工作更有效率，用更少的时间解决更多的问题。
在计算机里，这就是并行计算的基本初衷。
全世界第一台计算机ENIAC中就己经出现了并行计算的概念。
它有20个累加器，可以并发执行多个加减运算，可谓开并行计算的先河。
在随后的20世纪五六十年代，由于晶体管和集成电器的发明，出现了更多更快的计算机。
20世纪70年代，随着微电子技术的发展，出现了微型处理器（CPU），接着，1974年，全世界第一台个人电脑—牛郎星顺利出炉。
紧随其后，看到市场前景的苹果和IBM推波助澜，计算机开始进入个人时代。
个人计算机同时又催生了软件业的高速发展，软件又带动CPU不断升级换代。
这为并行计算摆脱高端路线，进入平民化时代打下了基础。
关键词：并行计算、累加器、微电子技术、微型处理器一、并行计算的意义与功能1.1并行计算的功能在个人计算机诞生后的几十年里，程序员们编写了大量的应用软件，这些软件决大部分了采用串行计算方法。
所谓串行，是指软件在PC上执行，在进入CPU前被分解为一个个指令，指令在CPU中一条条顺序执行。
任一时间内，CPU只能够运行一条指令。
这种方式很符合我们对现实世界的思考习惯。
至于软件的运行速度，则依赖硬件的处理能力，尤其CPU的处理速度。
这种思维方式到了2005年遇到了挑战。
在那一年，受限于制造CPU的半导体材料限制，左右CPU发展的摩尔定律开始失效了。
但芯片业很快找到了一个变通的办法：在一块芯片中植入多个处理核心，通过多核的共同运算，提高运行速度。
1.2并行计算的意义并行计算目前还是一门发展中的学科。
并行计算是相对串行计算而言的，并行计算可以分为时间上的并行计算和空间上的并行计算。
时间上的并行计算就是流水线技术，即采用指令预取技术，将每个指令分成多步，各步间叠加操作，当前指令完成前，后一指令准备就绪，缩小指令执行的时钟周期。
基于图论的并行计算
基于图论的并行计算在当今信息时代，计算能力的需求日益增长。
为了满足对快速高效计算的需求，研究者们致力于发现更加优化的计算方法。
并行计算是一种能够同时进行多个计算任务的计算方法，被广泛应用于图论问题中。
本文将探讨基于图论的并行计算，并介绍其原理、应用以及未来的发展趋势。
一、并行计算原理并行计算是通过将计算任务分解为多个子任务，并在多个处理器或计算节点上同时执行这些子任务来实现加速的计算方法。
在基于图论的并行计算中，图论技术被用于建模和解决各种实际问题。
典型的图论问题包括最短路径、网络流优化以及图的遍历等。
通过将这些问题转化为图论模型，并应用并行计算方法，我们能够更快速、高效地解决这些问题。
二、并行计算的应用1. 社交网络分析社交网络中包含大量的节点和边，关系错综复杂。
通过构建社交网络的图模型，并应用并行计算技术，我们可以更好地理解社交网络中的信息传播、影响力分析以及社群发现等问题。
2. 路径规划在复杂的道路网络中，通过构建道路网络的图模型，并应用并行计算技术，我们可以快速计算出最短路径，从而实现高效的路径规划。
这在导航系统和物流领域有着广泛的应用。
3. 分布式计算并行计算被广泛应用于大规模数据处理和分布式计算任务中。
通过将计算任务分解为多个子任务，并在多个计算节点上并行执行，我们可以提高计算效率和处理速度。
三、并行计算的发展趋势1. 大规模集群的应用随着计算机技术的不断发展，大规模集群成为并行计算的重要基础设施。
通过建立大规模集群，我们可以利用集群中的多个计算节点来并行执行计算任务，从而提高计算效率。
2. 分布式图处理系统分布式图处理系统应运而生，为并行计算提供了更高效的解决方案。
这些系统通过将图的数据和计算任务进行划分和分配，将计算任务分发到不同的计算节点上并行处理，实现了大规模图计算的高效实现。
3. 基于GPU的并行计算图论问题通常具有高度计算密集性，对计算资源要求较高。
由于图形处理器（GPU）拥有并行计算的特点，因此可以应用在基于图论的并行计算中，提高计算效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2
2 1
并行计算的现状
对当前发展形势的基本估计 当前 , 并行计算发展的基本状况是 : ( 1) 并行软件的发展远远落后于并行计算体
收稿日期 : 2000 11 06 作者简介 : 刘赫男 ( 1972- ) , 女 , 河北唐山人 , 太原理工大学矿业学院助教 , 研究方向为监 控系统工程。
56
Coal 1/ 2001
4
结
语
超级计算机已走过了整整 20 年 , 这是一段可扩 展性与可编程性这一对矛盾相互作用直至统一的历 史。市场需求是发展的动力 , 技术进步是发展的条 件。有专家 估计 , 从 现在 起直 到 21 世纪 若干 年, DSM 结构将是超级计算机的主流 , 将稳固地占领超 级计算机的主要市场。 参考文献:
Present Status and Future Development of Parallel Computing
L IU He nan, L UO Xiao, GAO Xiao dong
( T aiy uan Univer sity of T echnology , T aiyuan 030024 , China)
[ 1] [ 2] [ 3] 陆鑫达 . 并行和 分布计算 技术 现状 及发展 策略 [ J] . 中 国计算机世界 , 1998. 王鼎兴 , 董春雷 . 可 扩展并行机群系统 [ J] . 中国计算 机 世界 , 1998. 陈 国良 . 并行 算法 # # # 排 序和 选择 [ M ] . 合肥 : 中国 科 技大学出版社 , 1990. [ 责任编辑 : 李巧英 ]
高计算机的运行速度, 并且已经取得非常显著的成 绩。然而这种努力不用多久就会因趋于物理器件的 极限而终止。人们在研制新一代计算机的努力中 , 一个共同的特点就是采用并行技术。增加同一时间 间隔内操作数量的技术即所谓并行处理技术; 为并 行处理所设计的计算机统称之为并行计算机; 在并 行计算机上求解问题称之为并行计算; 在并行计算 机上实现求解问题的算法可称之为并行算法。 并行处理, 是一门综合性的计算机学科, 它包括 硬件技术 , 也包括算法、 语言、 程序设计等软件方面 的问 题, 当然 , 还包括各种理论上的探讨。严格地 说, 并 行性 ( parallelism ) 有两 种 含义 : 一是 同 时 性 ( simutaneit y) , 亦即并行性, 指两个或多个事件在同 一时间发生; 二是并发性 ( concurrency) , 指两个或多 个事件在同一时间间隔内发生。 按照常用的分类方法, 可以把并行计算机的结 构分为: 单指令流单数据流 ( SISD) ; 单 指令流 多数据流 ( SIMD) ; ! 多指令 流单数据流 ( M ISD) ; ∀ 多指令流多数据流 ( M IMD) 。
( 4) 系统扩展性好。机群系统大多使用通用 网络, 系统扩展容易。 ( 5) 节约系统资源。由于机群系统的结构比 较灵活 , 可以将不同体系结构, 不同性能的工作站连 在一起 , 这样就可以充分利用现有设备。 ( 6) 用户编程方便。机群系统中, 程序的并行 化还是在用户熟悉的编程环境 C 、 C + + 或 Fort ran 下实现的。 总之, 随着网络技术的发展和对机群系统研究 的深入 , 特别是高效通信机制的开发 , 机群系统的通 信性能将会接近专用的互联网络, 并行编程环境和 工具更加完善 , 有望在机群系统上解决粒度更细的 应用问题, 使并行处理系统的应用领域更加广泛。
Abstract: Based on t he realit y of current parallel comput ing , this paper generalizes and analyses the present sta t us of parallel comput ing, and give prospect to its fut ure developm ent . At the same t ine, this paper makes objec t ive analysis to the st at us of parallel com put ing in China and the gap bet ween China and other developed coun t ries t o make us see clearly t he situat ion and develop st eadily. Key words: parallel comput ing; distribut ed computing ; clust er 煤 第 10 卷第 1 期 57
1
并行计算概述
从计算机诞生之日起, 人们就不断努力加倍提
系结构的发展。 ( 2) 并行计算的应用远远落后于并行计算技 术的发展。 ( 3) 领域。 ( 4) 由高速网联成的各种类型的、 规模可伸缩 计算机群 , 将进一步促使并行计算应用有较大的发 展。 ( 5) 计算系统的规模可伸缩性和可编程性已 成为并行计算系统进一步发展的一对主要矛盾。 2 2 国外重点研究领域 ( 1) 并行算法的设计、 分析和实现。 ( 2) 各种类型的规模可伸缩计算机机群间通 信方法的研究, 包括同构和异构计算机机群, 以及减 小机群。 ( 3) 并行优化编译: 其中包括粗、 中、 细精度三 个层次上的并行优化编译。 ( 4) 用 NU MA( Non- U niform Memory Ac cess) , 特别是 CC- NU MA 方法构成的并行机体系 结构及各种实现方法的研究。 ( 5) 高性能 I/ O、 周边设备和通信技术研究。 ( 6) 高性能微处理器的设计。 2 3 我国的主要差距及薄弱环节 我国的并行和分布计算技术研究 , 自 60 年代末 开始至今, 按照国防科大周兴铭院士的观点, 已经历 了三个阶段。第一阶段 , 自 60 年代末至 70 年代末, 主要从事大型机中的并行处理技术研究; 第二阶段, 大规模并行处理系统已不再是主要研究
自 70 年代末至 90 年代初, 主要从事向量机和并行 多处理器系统研究; 第三阶段 , 自 80 年代末至今, 主 要从事 M PP ( M assively P arallel Prosessor) 系统及工 作站机群系统研究。每个阶段都研制成一些样机, 但由于缺乏竞争能力, 均无法形成批量生产规模。 此外 , 我国在并行应用方面所开展的研究还较 少, 尽管很多部门和单位已有不少联网的计算资源 , 如工作站、 PC 机、 服务器和各种并行机等 , 但通常这 些用户单位都不知道如何从事并行计算及刘赫男, 罗
摘
霄, 高晓东
030024)
( 太原理工大学 , 山 西 太原
要 : 从当前并行计算的实际出发 , 总结 和分析了 并行计 算发展 的现状 , 并对 并行计 算今后 的发展 做出
了展望。与此同时 , 客观分析了目前我国并行计算发展的状况和与国外 发达国家 的差距 , 使我们能 够认清 形势 , 更好地发展。 关键词 : 并行计算 ; 分布计算 ; 机群 中图分类号 : T P3 文献标识码 : B 文章编号 : 1005 2798( 2001) 01 0056 02
3
并行计算的发展 # # # 机群系统
机群系统是利用高速通用网络将一组高性能工
作站或高档 PC 机 , 按某种结构连接起来 , 在并行程 序设计以及可视化人机交互集成开发环境支持下 , 统一调度 , 协调处理 , 实现高效并行处理的系统。从 结构和结点间的通信方式来看 , 它属于分布存储系 统。机群系统中的主机和网络可以是同构的, 也可 以是异构的。 机群系统之所以能够从技术可能发展到实际应 用, 主要原因是它与传统的并行处理系统相比有以 下几个明显的特点: ( 1) 系统开发周期短。由于机群系统大多采 用商用工作站和通用 LAN 网络 , 节省了大量 的研 制时间。 ( 2) 系统价格低。构成机群的工作站或高档 PC 机是批量生产的, 因而售价较低。 ( 3) 用户投资风险小。机群系统不仅是一个 并行处理系统, 它的每个结点同时也是一台独立的 工作站 , 即使整个系统对某些应用问题并行效率不 高, 它的结点仍然可以作为单个工作站使用。