Parallele und Verteilte Algorithmen: Praktische Ansätze

Das Buch basiert auf zwei repräsentativen parallelen Modellen, nämlich: Single Program Multiple Data (SPMD) mit Fehlertoleranz und Multiple Program Multiple Data (MPMD) mit Fehlertoleranz, die zur Bewertung der Leistung paralleler und verteilter Algorithmen verwendet werden. Diese beiden Modelle wurden auf einen Cluster von Workstations abgebildet, wobei gleichzeitige Aufgaben berücksichtigt wurden, um eine bessere Leistung und Kosteneffizienz von parallelen und verteilten Anwendungen zu erreichen. Nach Abschluss jeder Aufgabe werden die Ergebnisse vom Hauptrechner gesammelt, um die Endergebnisse innerhalb der begrenzten Ausführungszeit zu erzeugen. Die Leistungsparameter wie serielle Zeit Sr(p), parallele Zeit T(p), prozentualer Anteil (%) der Ausführungszeitersparnis, Durchsatz Th(p), Beschleunigung S(p), Effizienz E(p), Redundanz R(p), Auslastung U(p) und Qualität Q(p) werden zur Bewertung der Leistung paralleler und verteilter Algorithmen unter Verwendung einer Anzahl von N Arbeitsstationen in einer Clusterumgebung verwendet. Die Workstations sind über ein Ethernet-LAN mit einer Datenrate von 10 mbps oder mehr miteinander verbunden.