并行计算技术(总结与扩充)
并行计算技术
并行计算技术随着科学技术的发展，计算机在各个领域的应用日益广泛，对计算机性能的需求也越来越高。
然而，传统的串行计算方式已经难以满足大规模计算和高效率计算的要求。
为了提高计算机处理速度和性能，人们开始研究并行计算技术。
并行计算技术旨在有效利用计算机系统中的多个计算资源，同时进行多个任务的计算。
相对于串行计算，它能够在较短的时间内处理更多的数据，加快计算速度，提高计算机的整体性能。
一种常见的并行计算技术是并行算法。
并行算法将一个大问题分解成许多小问题，每个小问题由不同的处理器同时计算。
通过将计算任务分配给不同的处理器，可以减少计算时间，提高计算效率。
并行算法在许多领域都有广泛的应用，如图像处理、数据挖掘和科学模拟等。
除了并行算法，还有一些其他的并行计算技术。
其中一种常见的技术是并行计算框架。
并行计算框架是一种分布式计算系统，它利用多台计算机进行计算任务的分发和处理。
每个计算机都承担一部分计算任务，并通过网络互相通信，共同完成整个计算过程。
这种并行计算技术可以将计算任务分散到不同的计算机上，提高计算效率，同时还具有高可扩展性和容错性。
另一种常见的并行计算技术是GPU并行计算。
GPU并行计算利用计算机的图形处理器（GPU）进行并行计算任务。
相比于传统的中央处理器（CPU），GPU具有更多的核心和更高的并行计算能力。
它可以同时运行大量的线程，并在每个线程中进行独立的计算操作。
这种并行计算技术在科学计算、深度学习和图形渲染等领域有着广泛的应用。
并行计算技术的发展离不开相关硬件和软件的支持。
为了实现并行计算，需要使用具有多处理器和并行计算能力的计算机系统。
此外，还需要针对并行计算进行优化的编程模型和工具。
常见的编程模型包括MPI（Message Passing Interface）和OpenMP（Open Multi-Processing），它们提供了一些并行计算的接口和函数库，方便开发者进行并行程序设计和实现。
计算科学中的并行计算技术分析
计算科学中的并行计算技术分析计算科学发展至今已经越来越依赖于计算机技术，尤其是并行计算技术。
并行计算是指通过让多个处理器同时工作来完成任务的计算方式，这种技术可以使得计算机处理速度比串行计算快得多。
本文将对计算科学中的并行计算技术进行分析。
一、并行计算的优势并行计算具有很多优势，首先是处理速度上的优势。
计算机通常配有多个CPU，这使得并行计算在数据处理上能够更快速地完成任务。
其次，并行计算可以提高计算机的可靠性和可用性。
当出现某个处理器故障时，其他处理器可以继续完成任务，从而保证了系统的稳定性。
此外，并行计算还可以显著降低计算成本，提高系统的可扩展性。
二、并行计算技术的分类并行计算技术可以分为共享内存和分布式内存两类。
共享内存是指多个CPU可以共享一块物理内存，并通过操作系统提供的共享内存机制进行通信和同步。
分布式内存则是指不同的CPU拥有自己的内存，并通过网络或其他通信方式进行相互通信。
此外，还有一种比较新的并行计算技术，即通用计算图形处理器（GPU）并行计算。
GPU并行计算使用了GPU上的大量核心和高速内存来进行大规模并行计算。
三、并行计算技术的应用并行计算技术的应用非常广泛，比如在科学计算领域，超算是一个很好的例子。
超算使用了大量的并行计算节点来完成极其复杂的计算任务。
另外，在数据科学领域，图像和语音识别、机器学习和深度学习、搜索引擎等都使用了并行计算技术。
四、并行计算技术的挑战并行计算技术在实际应用过程中也存在很多挑战，首先是编程难度。
并行编程需要开发人员具备更高的技术水平和更丰富的经验，因此编写高效的并行程序是一项具有挑战性的任务。
其次，性能并不总是线性提高。
尽管使用更多的处理器可以加速计算过程，但在某些情况下，增加处理器的数量并不一定能够获得更快的计算速度。
此外，处理器之间的通信也会成为性能瓶颈。
综上所述，计算科学中的并行计算技术具有很多优势，可以加速数据处理过程，提高计算机的可靠性和可用性。
高性能计算中的并行计算技术介绍(三)
高性能计算中的并行计算技术介绍在当今信息时代的浪潮中，高性能计算成为各行各业不可或缺的一部分。
高性能计算的迅猛发展，离不开并行计算技术的支持。
并行计算技术通过多个处理器同时执行不同的计算任务，大幅度提高了计算效率和速度。
本文将介绍高性能计算中的并行计算技术，包括并行计算的基本概念、共享内存和分布式内存，并分析两者的优缺点。
一、并行计算的基本概念并行计算是指多个处理器同时执行不同的计算任务，通过分配不同的计算任务给多个处理单元同时执行，从而提高计算速度和效率。
并行计算由于其强大的计算能力，广泛应用于科学研究、天气预报、金融建模等领域。
为了支持并行计算，需要使用并行计算模型。
常见的并行计算模型包括共享内存和分布式内存。
二、共享内存共享内存是一种共享数据通信的方式，多个处理单元可以通过访问共享的内存空间来传递数据。
共享内存可以支持多个处理器之间的并行计算，并且具有简单、高效的特点。
共享内存系统中的处理器可以直接访问同一块物理内存地址。
在共享内存系统中，所有的处理器共享同一个地址空间和全局变量。
因此，多个处理器可以通过读写共享内存来实现数据的交互和共享。
当其中一个处理器对共享内存进行写操作时，其他处理器可以立即读取到更新后的数据。
虽然共享内存可以方便地共享数据，但它也存在一些问题。
首先，多个处理器同时读写共享内存时需要进行同步操作，以防止数据竞争和不一致性。
其次，共享内存系统中数据的一致性维护需要付出较高的开销。
因此，在大规模高性能计算中，共享内存系统的可扩展性有限。
三、分布式内存分布式内存是一种将多个处理器连接在一起，通过消息传递来进行通信的计算方式。
每个处理器拥有自己的私有内存，通过发送和接收消息来进行数据的交互。
分布式内存系统中，每个处理器拥有单独的物理内存，并且通过消息传递来共享数据。
当一个处理器需要访问另一个处理器的数据时，它需要通过发送消息来请求数据，并等待对方处理器的响应。
这种方式可以有效避免数据竞争和一致性问题。
理解计算机科学中的并行计算技术
理解计算机科学中的并行计算技术在这个数字化时代，计算机科学的发展如火如荼，其中的一个重要领域是并行计算技术。
并行计算技术指的是同时进行多个计算任务的能力，通过利用多个处理器或多个计算机节点，将计算任务分解成更小的任务同时进行，从而提高计算效率和速度。
本文将会对并行计算技术进行深入解析和分析。
一、并行计算技术的基本原理和分类并行计算技术的基本原理是将计算任务拆分成多个子任务，并利用多个处理器或计算机节点同时执行这些子任务，最后将结果进行合并。
这样做的好处是可以加快计算速度，提高计算效率。
根据任务的拆分和执行方式，可以将并行计算技术分为如下几个主要的分类：1. 任务并行：将大型任务划分成多个独立的子任务，并分配给多个处理器或计算机节点同时执行；2. 数据并行：将大型数据集划分成多个子数据集，并分配给多个处理器或计算机节点同时处理；3. 流水线并行：将计算任务划分为若干个阶段，每个阶段由不同的处理器或计算机节点执行，形成流水线式的计算过程；4. 对等并行：所有的处理器或计算机节点都具有相同的功能和重要性，彼此之间没有明确的主从关系。
二、并行计算技术的应用领域并行计算技术在各个领域都有广泛的应用，下面将介绍其中几个重要的应用领域：1. 科学计算领域：在科学研究中，需要进行大规模的数值计算和模拟实验，如天气预报、地震模拟等。
并行计算技术可以充分利用多个处理器或计算机节点，加速这些复杂计算任务的完成。
2. 数据挖掘和机器学习领域：在大数据时代，数据挖掘和机器学习是非常热门的领域。
通过并行计算技术，可以快速处理海量的数据，挖掘数据中的隐藏规律，进行模式识别和预测分析。
3. 图像和视频处理领域：图像和视频处理通常需要对大量的像素进行计算，如图像压缩、目标识别、视频编码等。
并行计算技术可以充分利用多个处理器并行计算，提高图像和视频处理的效率和速度。
4. 云计算和分布式系统领域：云计算和分布式系统中经常需要处理大规模的数据和服务请求。
计算机的并行计算技术有哪些详解并行计算的架构与应用
计算机的并行计算技术有哪些详解并行计算的架构与应用在现代科技领域，计算机的并行计算技术被广泛应用于许多领域，提供了强大的计算能力和效率。
本文将详细解释并行计算的概念、架构和应用，以及介绍几种常见的并行计算技术。
一、并行计算的概念并行计算是指同时执行多个计算任务的过程，以提高计算机系统的速度和性能。
与传统的串行计算相比，通过并行计算，多个处理器可以同时处理不同的计算任务，从而大大缩短了计算时间。
二、并行计算的架构1. 对称多处理器（SMP）对称多处理器是一种常见的并行计算架构，它包含多个处理器核心（CPU），每个处理器核心都可以访问共享内存。
因此，每个处理器核心都具有相同的权限和能力，并且可以相互通信和协作。
2. 分布式内存计算机（DMC）分布式内存计算机是一种将多个计算机连接在一起，并通过网络进行通信的并行计算架构。
在分布式内存计算机中，每个计算机都有自己的本地内存，并且计算任务被划分为子任务，在多台计算机之间进行并行计算。
3. 向量处理器向量处理器是一种特殊的并行计算架构，其核心思想是通过同时执行多个数据元素来提高计算性能。
向量处理器具有广泛的数据并行能力，并且可以在单个指令中处理多个数据。
三、并行计算的应用1. 科学计算在科学研究领域，许多复杂的计算任务需要大量的计算资源和时间。
通过并行计算技术，科学家可以利用多个处理器来加速大规模的数值模拟、数据分析和计算实验，从而加快科学研究的进程。
2. 数据挖掘与机器学习数据挖掘和机器学习是分析和理解大规模数据集的重要领域。
并行计算技术可以加速数据挖掘算法和机器学习模型的训练和推断过程，减少模型训练时间，提高预测和分类准确性。
3. 图像和视频处理在图像和视频处理领域，许多算法需要处理大量的像素和帧。
通过并行计算技术，可以将图像和视频处理任务分成多个子任务，并在多个处理器上同时处理这些子任务，从而提高图像和视频处理的效率和实时性。
4. 数据库管理和并行查询在大规模数据库管理和查询中，通过并行计算技术可以将查询任务划分为多个子任务，并由多个处理器同时执行这些子任务。
并行计算：使用并行计算提高计算效率的技巧和方法
并行计算：使用并行计算提高计算效率的技巧和方法并行计算是一种通过同时处理多个任务或部分任务来提高计算效率的方法。
在计算机科学领域中，随着数据量不断增大和计算需求不断增加，传统的串行计算方式已经无法满足要求。
因此，并行计算技术成为了一种重要的解决方案。
并行计算的主要优点包括：提高计算效率、减少计算时间、增加计算容量、降低成本等。
利用多核处理器、集群、云计算等技术，可以实现并行计算。
以下是一些提高并行计算效率的技巧和方法：1.任务分解：将大任务分解成多个子任务，然后同时执行这些子任务，提高整体计算效率。
在任务分解过程中，要考虑到任务之间的依赖关系和数据之间的传输延迟，避免出现资源竞争和数据不一致的情况。
2.负载均衡：合理分配任务给不同的处理单元，避免出现某一处理单元负载过重而导致整体性能下降的情况。
负载均衡可以通过动态调整任务分配策略来实现，根据任务的执行情况进行监控和调整。
3.数据传输优化：在并行计算过程中，数据传输往往是影响计算效率的关键因素之一。
通过减少数据传输量、优化数据传输路径、减少数据传输延迟等方法，可以提高计算效率。
4.并行编程模型：选择合适的并行编程模型对于提高计算效率至关重要。
常见的并行编程模型包括MPI、OpenMP、CUDA等，根据具体的应用场景和硬件平台选择合适的并行编程模型可以提高计算效率。
5.并行算法设计：设计并行算法时，需要考虑到并行计算的特点，合理利用并行计算资源，减少通信开销和数据冗余，提高算法并行度和并行效率。
6.硬件优化：在进行并行计算时，选择合适的硬件设备也非常重要。
优化硬件配置、选择性能强劲的处理器和内存、使用高速网络连接等方法可以提高并行计算效率。
7.并行计算框架：利用现有的并行计算框架如Hadoop、Spark等，可以简化并行计算的开发流程，提高开发效率，同时也能够提高计算效率。
8.任务调度策略：合理的任务调度策略能够有效地利用计算资源，避免资源浪费和资源竞争，提高整体计算效率。
并行计算技术
并行计算技术一、引言随着科技的发展，计算机的计算能力逐渐成为瓶颈。
为了提高计算机的性能，人们不断寻求新的计算技术。
并行计算技术应运而生，成为提升计算机性能的重要手段之一。
本文将介绍并行计算技术的基本概念、分类、应用领域以及优势和挑战。
二、基本概念并行计算是指同时使用多个计算资源进行计算的技术。
它可以将一个大问题划分为多个小问题，通过并行执行这些小问题的计算任务，从而提高整体的计算速度。
并行计算技术可以应用于各种计算任务，包括科学计算、数据处理、图像处理等。
三、分类并行计算技术按照计算资源的数量和连接方式可以分为多种类型，主要包括共享内存并行计算、分布式并行计算和混合并行计算。
1. 共享内存并行计算共享内存并行计算是指多个计算资源共享同一片物理内存进行计算。
它的特点是计算资源之间可以直接访问共享内存，因此数据共享方便，通信成本较低。
常见的共享内存并行计算技术包括OpenMP 和CUDA。
2. 分布式并行计算分布式并行计算是指将计算任务分发到多个计算节点上进行计算，并通过网络进行通信和数据传输。
每个计算节点有自己的独立内存和计算资源。
分布式并行计算可以充分利用大规模计算资源，适用于大规模、复杂的计算任务。
常见的分布式并行计算技术包括MPI 和MapReduce。
3. 混合并行计算混合并行计算是指将共享内存并行计算和分布式并行计算相结合的计算方式。
它可以充分利用多种计算资源，提高计算效率。
常见的混合并行计算技术包括MPI+OpenMP和MPI+CUDA。
四、应用领域并行计算技术在各个领域都有广泛的应用。
以科学计算为例，天气预报、气候模拟、物理模拟等都需要大量的计算资源进行计算。
并行计算技术可以加速这些计算任务，提高计算效率。
在数据处理方面，大规模数据的分析和挖掘也需要并行计算技术来提供高效的计算能力。
此外，图像处理、人工智能、金融风险分析等领域也都在使用并行计算技术。
五、优势和挑战并行计算技术具有以下优势：1. 提高计算效率：并行计算技术可以将大问题划分为小问题并行计算，大大缩短了计算时间。
现代计算机技术中的并行运算技术
现代计算机技术中的并行运算技术随着科技的不断发展，计算机技术也在不断向前推进。
在这个过程中，我们接触到了许多新技术，其中并行计算技术就是比较火热的一种。
一、并行计算技术的概念首先，我们要了解什么是并行计算技术。
顾名思义，它是指在某些计算操作中，同时利用多个处理器或者计算节点进行计算的技术。
在并行计算中，操作被分成多个部分，每个部分由不同的处理器或者计算节点来完成。
这样，就可以将任务分配给多个处理器来共同完成，从而达到提高计算效率的目的。
二、为什么需要并行计算技术接下来，我们来看看为什么需要并行计算技术。
1. 计算效率首先，计算机的计算能力在不断提高，但是单个处理器的计算能力也有其限制。
而通过并行计算技术，可以将任务分配给多个处理器来同时完成，从而大大提高计算效率。
2. 大规模计算另外，一些计算任务可能需要处理的数据量非常大，但是单个处理器可能无法承担这样的计算任务。
而通过并行计算技术，可以将数据分为多个部分来计算，从而满足大规模计算的需求。
3. 复杂计算操作最后，一些特别复杂的计算任务是需要花费大量时间和空间来完成的。
但是通过并行计算技术，可以将计算任务分成多个部分，并分配给不同的处理器来完成，从而大大缩短了计算时间。
三、并行计算技术的分类了解了为什么需要并行计算技术，接下来我们来看看并行计算技术的分类。
1. 数据并行数据并行是指将数据分为多个部分，并分配给不同的处理器来计算。
在这种情况下，每个处理器都会独立地计算自己所分配的数据，最终将它们汇总起来得出结果。
2. 任务并行任务并行是指将任务分为多个部分，并分配给不同的处理器来计算。
在这种情况下，每个处理器会独立地完成自己所分配的任务，并将结果进行汇总。
3. 混合并行混合并行是将数据和任务同时进行分割，然后分别分配给不同的处理器来计算。
在这种情况下，不同的处理器可以独立地计算自己所分配的数据和任务，并将结果进行汇总。
四、并行计算技术的应用最后，让我们来看看并行计算技术的应用。
- 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)。
进行并行程序开发所需要的软件条 件
必备条件： Linux操作系统 MPICH GCC（GNU Compiler Collection） 工具： putty MKL(数学核心库) SSH Secure 机群监控系统
Application area
Installation Year
Not Specified
2008
Operating System Interconnect Processor
Linux Infiniband PowerXCell 8i 3200 MHz (12.8 GFlops)
学习并行计算所需要的知识准备
并行机的网络通讯技术
一个并行程序示例
• • • • • • • • • • • • • •
• •
#include "mpi.h" #include <stdio.h> void main(argc,argv) int argc; char *argv[]; { int myid, numprocs;/*变量是分布存储的*/ int namelen; /*变量是分布存储的*/ char processor_name[MPI_MAX_PROCESSOR_NAME]; /*变量是分布存储的*/ MPI_Init(&argc,&argv); MPI_Comm_rank(MPI_COMM_WORLD,&myid); MPI_Comm_size(MPI_COMM_WORLD,&numprocs); MPI_Get_processor_name(processor_name,&namelen); fprintf(stderr,"Hello World! Process %d of %d on %s\n",myid, numprocs, processor_name); MPI_Finalize(); }
并行技术近期发展---网格技术
• 网格作为一个集成的计算与资源环境，能
够吸收各种计算资源，将它们转化成一种 随处可得的、可靠的、标准的且相对经济 的计算能力，其吸收的计算资源包括各种 类型的计算机、网络通信能力、数据资料、 仪器设备甚至有操作能力的人等各种相关 资源。
并行技术近期发展---云计算，SAAS
串行程序的并行化问题
（1）数据不存在相关关系的计算可并行执行，也可 串行执行。如下面的语句和，他们的数据这间无 任何相关性，我们可以同时执行这两条计算语句。 A=C+B E=D*F （2）存在流相关或输出相关的计算不可并行执行。 （3）存在反相关的计算，只要保证D=B*E中的B值 先读和B=A+C中计算所得到的B值后写，则允许 其并行执行。
网络并行计算
我们为什么要研究并行计算技术
• 单机计算机速度的发展无法赶上人们对技
术能力需求的发展 • 并行计算是实现高性能计算最朴素的实现 方法 • 并行机的计算能力是衡量一个国家科技水 平的重要指标 • 并行计算技术是未来计算机技术的一个重 要发展方向
快速发展的高性能计算
什么是并行计算
• 利用多台计算机计算能力的迭加达到提高
•
云计算的演进
本方向的就业情况
英特尔中国研究中心招聘并行计算和体系结构相关研究员 招聘并行计算研究员北京联想利泰软件有限公司 北京招聘并行计算算法研究员及C++高级程序员 维展科技高薪诚聘并行计算软件高级工程师 （并行计算）软件工程师|上海超级计算中心 杭州奥利金并行计算技术有限公司招聘信息 海归招聘信息：并行计算系统高级研发人员 并行计算项目工程师|无锡超级计算技术服务有限公司 哈工大高性能计算中心招聘 北京中电华大电子设计有限责任公司招聘软件开发工程师-并行计算开发 澳汰尔工程软件（上海）有限公司招聘高性能计算工程师 中国科学院数学院高性能计算研究中心招聘 IBM CDL高性能计算(HPC)组招聘实习生_校园招聘网 曙光招聘职位：高性能计算领域（石油、生物、气象、计算物理和化学、 CAE ... 上海北极巍高性能计算机发展有限公司招聘信息 国家高性能计算机工程技术研究中心招聘信息 上海大学高性能计算中心招聘启事
系统计算能力的目的。（人多力量大） • 并行计算是实现高性能计算的重要途径。 • 并行计算技术是现代计算机技术研究的一 个重要方向。
并行计算技术的应用领域
• 气象 • 生物 • 石油 • 游戏 • 科研 • 。。。。。。
行业分布
2007我国Top10的用户
气象领域
• 气象数值预报
数值天气预报提高准确度的两种方式： 1.提高分辨率 2.采用更逼近真实大气复杂物理过程的模式 两种方式都将带来计算量的猛增
MPI（Message-Passing Interface ）
• MPI本身不是一个具体的函数实现，它是根
据应用程序对消息传递功能的需求，全球 工业、应用和研究部门联合推出标准的消 息传递界面函数标准，从而保证并行应用 程序的可移植性。MPI标准的制定需要在较 高的通信性能，较好的程序可移植性，强 大的功能之间得到平衡。
基于消息传递的并行计算基本函数
• MPI_Init(); • MPI_Comm_size(); • MPI_Comm_rank(); • MPI_Send(); • MPI_Recv(); • MPI_Finalize();
串行程序的并行化问题
通常的编程实践中循环程序是程序中出现最多，计算时间消耗最大的 部分，往往程序运行时大部分时间是花在执行循环程序上了 。 （1）数据流相关 • 如某计算问题有以下两个基本语句： • B=A+C • D=B*E （2）数据反相关 • 如某计算问题有以下两个基本语句： • D=B*E • B=A+C （3）输出相关 • 如某计算问题有以下两个基本语句： • B=A+B • B=A*E
加速比
• 在给定的并行计算系统上给定的应用，并
行算法（并行程序）的执行速度相对于串 行算法（串行程序）加快的倍数，就是该 并行算法（并行程序）的加速比。
如何衡量一台并行机的性能
• Linpack 测试
由Jack Dongarra教授编写的Linpack是在高性能计 算领域最出名和使用最广泛的基准测试。Linpack 使用线性代数方程组，利用选主元高斯消去法在 分布式内存计算机上按双精度(64 bits)算法，测 量解线性方程的稠密系统所需的时间。Linpack的 结果按每秒浮点运算次数（flops）表示。第一个 Linpack测试报告出现在1979年的Linpack用户手 册上。很多人把用Linpack基准测试出的最高性能 指标作为衡量机器性能的标准之一。
服务器分类（塔式，机架式，刀片 式）
System Name Site System Family System Model Computer Vendor
Roadrunner DOE/NNSA/LANL IBM Cluster BladeCenter QS22 Cluster BladeCenter QS22/LS21 Cluster, PowerXCell 8i 3.2 Ghz / Opteron DC 1.8 GHz , Voltaire Infiniband IBM
并行计算的生产研发中心
• • • • • • • • • •
IBM HP SGI 联想公司 曙光公司 中国科学院网络中心 上海超算中心 清华大学 中国科技大学 江南000（中国目前最快的计算机）
我国著名的并行计算研究学者 陈国良（龙芯2F）
我国著名的并行计算研究学者 李三立 院士
• 云计算的基本原理是，通过使计算分布在大量的
分布式计算机上，而非本地计算机或远程服务器 中，企业数据中心的运行将更与互联网相似。这 使得企业能够将资源切换到需要的应用上，根据 需求访问计算机和存储系统。 包括Google、微软、IBM、Amazon、EMC和惠普 在内的许多IT业巨头都宣布要在云计算上进行重 点研究。
高精度天气预报
并行计算机的发展
Beowulf系统
世界上目前最快的计算
• IBM的最新军用超级计算机“Roadrunner”已经完
成，每秒计算能力终于超过了一千万亿次，达到 了1.026PetaFlops，是目前最强的IBM BlueGene/L的两倍还多，Roadrunner一共拥有 116640颗计算核心，由三种不同的处理器组成， 包括12960颗改进版的IBM Cell，以及少量的AMD Opteron，Roadrunner超级计算机的布线总长达 到了57公里，功率为3.9兆瓦，占地约6000平方英 尺 ， 总 重 超 过 5 0 0 0 0 0 磅 。