جستجوی عبارت parallel plesk



کد زدن بدون آکولاد و سمی کالن مز ف است.

پایتون زبان خوبیه و کلی طرفدار داره این درست. اما بلوک هایی بدون آکولاد و عباراتی بدون سمی کالن که فقط با کاراکتر فاصله و خط جدید از هم تفکیک میشوند بسیار آزار دهنده است. مخصوصا اگر هدف خواندن و دنبال یک الگوریتم با حلقه های تو در تو در حالی که شامل عبارات شرطی تو در تو هم باشه.(حتی اگر شاخ ترین های دنیا اونو نوشته باشند از نظر من تفاوتی با اسپاگتی ندارد)

بخشی از برنامه morinus...

def calcaspmatrix(self): self.calcspeeds() self.aspmatrix = [[asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()]] for i in range(self.planets.planets_num-1): for j in range(self.planets.planets_num-1): if i != j: k = i l = j if j > i: k = j l = i #check parallel-cont arallel self.aspmatrix[k][l].parallel = chart.none decl1 = self.planets.planets[i].dataequ[1] decl2 = self.planets.planets[j].dataequ[1] if (decl1 > 0.0 and decl2 > 0.0) or (decl1 < 0.0 and decl2 < 0.0): if ((decl1 > 0.0 and (decl1+self.options.orbisplanetspar[i][0]+self.options.orbisplanetspar[j][0] > decl2) and (decl1-(self.options.orbisplanetspar[i][0]+self.options.orbisplanetspar[j][0]) < decl2)) or (decl1 < 0.0 and (decl1+self.options.orbisplanetspar[i][0]+self.options.orbisplanetspar[j][0] > decl2) and (decl1-(self.options.orbisplanetspar[i][0]+self.options.orbisplanetspar[j][0]) < decl2))): self.aspmatrix[k][l].parallel = chart.parallel else: if decl1 < 0.0: decl1 *= -1.0 if decl2 < 0.0: decl2 *= -1.0 if (decl1+self.options.orbisplanetspar[i][1]+self.options.orbisplanetspar[j][1] > decl2) and (decl1-(self.options.orbisplanetspar[i][1]+self.options.orbisplanetspar[j][1]) < decl2): self.aspmatrix[k][l].parallel = chart.cont arallel for a in range(chart.aspect_num): #check aspects val1 = self.planets.planets[j].data[0]+self.options.orbis[j][a]+self.options.orbis[i][a] val2 = self.planets.planets[j].data[0]-(self.options.orbis[j][a]+self.options.orbis[i][a]) if (self.inorbsinister(val1, val2, self.planets.planets[i].data[0], a)): tmp = util.normalize(self.planets.planets[i].data[0]+chart.aspects[a]) dif = math.fabs(tmp-self.planets.planets[j].data[0]) if self.aspmatrix[k][l].typ == chart.none or (self.aspmatrix[k][l].typ != chart.none and self.aspmatrix[k][l].dif > dif): self.aspmatrix[k][l].typ = a self.aspmatrix[k][l].aspdif = dif self.aspmatrix[k][l].appl = self.isapplplanets(tmp, i, j) #check exact val1 = self.planets.planets[j].data[0]+self.options.exact val2 = self.planets.planets[j].data[0]-self.options.exact if (self.inorbsinister(val1, val2, self.planets.planets[i].data[0], a)): self.aspmatrix[k][l].exact = true else: self.aspmatrix[k][l].exact = false dif = self.planets.planets[i].data[0]-self.planets.planets[j].data[0] if self.planets.planets[j].data[0] > self.planets.planets[i].data[0]: dif = self.planets.planets[j].data[0]-self.planets.planets[i].data[0] if dif > 180.0: dif = 360.0-dif self.aspmatrix[k][l].dif = dif nodes = 2 # ascmc self.aspmatrixascmc = [[asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()]] ascmc = [self.houses.ascmc2[houses.houses.asc][houses.houses.decl], self.houses.ascmc2[houses.houses.mc][houses.houses.decl]] for i in range(self.planets.planets_num-1): for j in range(2): #check parallel-cont arallel self.aspmatrixascmc[j][i].parallel = chart.none decl1 = self.planets.planets[i].dataequ[1] decl2 = ascmc[j] if (decl1 > 0.0 and decl2 > 0.0) or (decl1 < 0.0 and decl2 < 0.0): if ((decl1 > 0.0 and (decl1+self.options.orbisparascmc[0]+self.options.orbisplanetspar[i][0] > decl2) and (decl1-(self.options.orbisparascmc[0]+self.options.orbisplanetspar[i][0]) < decl2)) or (decl1 < 0.0 and (decl1+self.options.orbisparascmc[0]+self.options.orbisplanetspar[i][0] > decl2) and (decl1-(self.options.orbisparascmc[0]+self.options.orbisplanetspar[i][0]) < decl2))): self.aspmatrixascmc[j][i].parallel = chart.parallel else: if decl1 < 0.0: decl1 *= -1.0 if decl2 < 0.0: decl2 *= -1.0 if (decl1+self.options.orbisparascmc[1]+self.options.orbisplanetspar[i][1] > decl2) and (decl1-(self.options.orbisparascmc[1]+self.options.orbisplanetspar[i][1]) < decl2): self.aspmatrixascmc[j][i].parallel = chart.cont arallel for a in range(chart.aspect_num): if i == self.planets.planets_num-nodes and a > 0:#exclude the aspects of the nodes break #check aspects val1 = self.houses.ascmc[j]+self.options.orbisascmc[a]+self.options.orbis[i][a] val2 = self.houses.ascmc[j]-(self.options.orbisascmc[a]+self.options.orbis[i][a]) if (self.inorbsinister(val1, val2, self.planets.planets[i].data[0], a)): tmp = util.normalize(self.planets.planets[i].data[0]+chart.aspects[a]) dif = math.fabs(tmp-self.houses.ascmc[j]) if self.aspmatrixascmc[j][i].typ == chart.none or (self.aspmatrixascmc[j][i].typ != chart.none and self.aspmatrixascmc[j][i].dif > dif): self.aspmatrixascmc[j][i].typ = a self.aspmatrixascmc[j][i].aspdif = dif self.aspmatrixascmc[j][i].appl = tmp > self.houses.ascmc[j] #exact val1 = self.houses.ascmc[j]+self.options.exact val2 = self.houses.ascmc[j]-self.options.exact if (self.inorbsinister(val1, val2, self.planets.planets[i].data[0], a)): self.aspmatrixascmc[j][i].exact = true else: self.aspmatrixascmc[j][i].exact = false else:#negativ if (self.inorbdexter(val1, val2, self.planets.planets[i].data[0], a)): tmp = util.normalize(self.planets.planets[i].data[0]-chart.aspects[a]) dif = math.fabs(tmp-self.houses.ascmc[j]) if self.aspmatrixascmc[j][i].typ == chart.none or (self.aspmatrixascmc[j][i].typ != chart.none and self.aspmatrixascmc[j][i].dif > dif): self.aspmatrixascmc[j][i].typ = a self.aspmatrixascmc[j][i].aspdif = dif self.aspmatrixascmc[j][i].appl = tmp > self.houses.ascmc[j] #exact val1 = self.houses.ascmc[j]+self.options.exact val2 = self.houses.ascmc[j]-self.options.exact if (self.inorbdexter(val1, val2, self.planets.planets[i].data[0], a)): self.aspmatrixascmc[j][i].exact = true else: self.aspmatrixascmc[j][i].exact = false dif = self.planets.planets[i].data[0]-self.houses.ascmc[j] if self.houses.ascmc[j] > self.planets.planets[i].data[0]: dif = self.houses.ascmc[j]-self.planets.planets[i].data[0] if dif > 180.0: dif = 360.0-dif self.aspmatrixascmc[j][i].dif = dif # houses hidx = (1, 2, 3, 10, 11, 12) self.aspmatrixh = [[asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()]] for i in range(self.planets.planets_num-1): for j in range(len(hidx)): #check parallel-cont arallel self.aspmatrixh[j][i].parallel = chart.none decl1 = self.planets.planets[i].dataequ[1] decl2 = self.houses.cusps2[hidx[j]-1][1] if (decl1 > 0.0 and decl2 > 0.0) or (decl1 < 0.0 and decl2 < 0.0): if ((decl1 > 0.0 and (decl1+self.options.orbisparh[0]+self.options.orbisplanetspar[i][0] > decl2) and (decl1-(self.options.orbisparh[0]+self.options.orbisplanetspar[i][0]) < decl2)) or (decl1 < 0.0 and (decl1+self.options.orbisparh[0]+self.options.orbisplanetspar[i][0] > decl2) and (decl1-(self.options.orbisparh[0]+self.options.orbisplanetspar[i][0]) < decl2))): self.aspmatrixh[j][i].parallel = chart.parallel else: if decl1 < 0.0: decl1 *= -1.0 if decl2 < 0.0: decl2 *= -1.0 if (decl1+self.options.orbisparh[1]+self.options.orbisplanetspar[i][1] > decl2) and (decl1-(self.options.orbisparh[1]+self.options.orbisplanetspar[i][1]) < decl2): self.aspmatrixh[j][i].parallel = chart.cont arallel for a in range(chart.aspect_num): if i == self.planets.planets_num-nodes and a > 0:#exclude the aspects of the nodes break #check aspects orbh = self.options.orbish[a] val1 = self.houses.cusps[hidx[j]]+orbh+self.options.orbis[i][a] val2 = self.houses.cusps[hidx[j]]-(orbh+self.options.orbis[i][a]) if (j == 0 or j == 3) and (self.houses.hsys == 'p' or self.houses.hsys == 'k' or self.houses.hsys == 'o' or self.houses.hsys == 'r' or self.houses.hsys == 'c' or self.houses.hsys == 'e' or self.houses.hsys == 't' or self.houses.hsys == 'b'): orbh = self.options.orbisascmc[a] pllon = self.planets.planets[i].data[0] if self.options.ayanamsha != 0 and self.houses.hsys == 'w': pllon = util.normalize(pllon-self.ayanamsha) if (self.inorbsinister(val1, val2, pllon, a)): tmp = util.normalize(pllon+chart.aspects[a]) dif = math.fabs(tmp-self.houses.cusps[hidx[j]]) if self.aspmatrixh[j][i].typ == chart.none or (self.aspmatrixh[j][i].typ != chart.none and self.aspmatrixh[j][i].dif > dif): self.aspmatrixh[j][i].typ = a self.aspmatrixh[j][i].aspdif = dif self.aspmatrixh[j][i].appl = tmp > self.houses.cusps[hidx[j]] #exact val1 = self.houses.cusps[hidx[j]]+self.options.exact val2 = self.houses.cusps[hidx[j]]-self.options.exact if (self.inorbsinister(val1, val2, pllon, a)): self.aspmatrixh[j][i].exact = true else: self.aspmatrixh[j][i].exact = false else:#negativ if (j == 0 or j == 3) and (self.houses.hsys == 'p' or self.houses.hsys == 'k' or self.houses.hsys == 'o' or self.houses.hsys == 'r' or self.houses.hsys == 'c' or self.houses.hsys == 'e' or self.houses.hsys == 't' or self.houses.hsys == 'b'): orbh = self.options.orbisascmc[a] if (self.inorbdexter(val1, val2, pllon, a)): tmp = util.normalize(pllon-chart.aspects[a]) dif = math.fabs(tmp-self.houses.cusps[hidx[j]]) if self.aspmatrixh[j][i].typ == chart.none or (self.aspmatrixh[j][i].typ != chart.none and self.aspmatrixh[j][i].dif > dif): self.aspmatrixh[j][i].typ = a self.aspmatrixh[j][i].aspdif = dif self.aspmatrixh[j][i].appl = tmp > self.houses.cusps[hidx[j]] #exact val1 = self.houses.cusps[hidx[j]]+self.options.exact val2 = self.houses.cusps[hidx[j]]-self.options.exact if (self.inorbdexter(val1, val2, pllon, a)): self.aspmatrixh[j][i].exact = true else: self.aspmatrixh[j][i].exact = false dif = pllon-self.houses.cusps[hidx[j]] if self.houses.cusps[hidx[j]] > pllon: dif = self.houses.cusps[hidx[j]]-pllon if dif > 180.0: dif = 360.0-dif self.aspmatrixh[j][i].dif = dif self.calclofaspmatrix() 


اختصاصی از فایل هلپ ترجمه مقاله parallel algorithm for finding modules of large-scale coherent fault trees با و پر سرعت .

عنوان انگلیسی :

            parallel algorithm for finding modules of large-scale coherent fault trees

سال چاپ : 2015

تعداد صفحه : 4

عنوان فارسی :    

قابلیت اطمینان میکروالکترونیکی-الگوریتم های موازی برای پیدا نمونه های بزرگ درختان خطای منسجم

چکیده :

the computation of the probability of the top event or minimal cut sets of fault trees is known as intractable np-hard problems.modularization can be used to reduce the computational cost of basic operations on fault trees efficiently. the idea of the linear time algorithm, as a very efficient and compact modules detecting algorithm, is visiting the nodes one by one with top-down depth-first left-most traversal of the tree. so the efficiency of the linear time algorithm is limited by nodes visiting time successively and serially, especially when confronting large-scale fault trees. aiming at improving the efficiency of modularizing largescale fault trees, this paper proposes a new parallel method to find all possible modules. firstly, we transform the fault tree into a directed acyclic g h (dag) and treat the terminal basic nodes as entries of the algorithm. and then, according to the proposed rules in this paper, we traverse the g h bottom-up from the terminal nodes and mark the internal nodes in a parallel way. therefore, we can compare all internal nodes and decidewhich nodes aremodules. eventually, an experiment is carried out to compare the linear and parallel algorithm, and the result shows that the proposed parallel algorithm is efficient on handling large-scale fault trees.

عنوان فارسی :    

قابلیت اطمینان میکروالکترونیکی-الگوریتم های موازی برای پیدا نمونه های بزرگ درختان خطای منسجم

تعداد صفحه : 10 صفحه

چکیده : 

محاسبه احتمال اتفاقات مهم یا حداقل مجموعه برشهای درختان خطا (گسل) به عنوان np مقاوم و رام نشدنی- مشکلات سخت، شناخته می شود. پیمانه بندی (ماژول سازی) میتواند برای کم شدن هزینه های محاسبات عملیات اولیه درختان خطای کار آمد، استفاده شود. ایده الگوریتم خطی زمانی، به عنوان یک الگوریتم خیلی کارآمد و شناساگر ماژول های فشرده، گره هارا یک به یک از بالا به پایین، اول عمق، بیشترین پیمایش به سمت چپ درخت را، بررسی می کند، بنابراین کارآمدی الگوریتم زمانی خطی به وسیله دیدن گره ها به صورت پی در پی و ردیفی محدود می باشد، مخصوصا زمانی که با یک درخت خطای بزرگ روبه رو هستیم. با هدف بهبود کارآیی پیمانه بندی درختان خطای منسجم بزرگ، این مقاله یک روش موازی را برا پیدا تمامی نمونه های احتمالی (ماژول) ارائه می دهد. در گام نخست، ما درختان خطای منسجم بزرگ را به یک گراف جهت دار غیر مدور تغییر میدهیم (dag) و با گره های اصلی ترمینال مانند ورودی الگوریتم برخورد می کنیم. و سپس، با توجه به قوانین ارائه شده در این مقاله، ما از گره ترمینال در گراف از پایین به بالا حرکت می کنیم و گره های داخلی در راه های موازی را، علامت می زنیم. بنابراین، ما می توانیم تمام گره های داخلی را باهم مقایسه کنیم و تصمیم بگیریم که کدام یک از گره ها ماژول هستند. در نهایت، پژوهشی برای مقایسه الگوریتم های موازی و خطی انجام شد، و نتایج نشان می دهد که الگریتم موازی برای بررسی و رسیدگی به درختان خطای بزرگ، کارآمد است.


با


ترجمه مقاله parallel algorithm for finding modules of large-scale coherent fault trees

شرکت گروه شبکه آوا سرور در آدرس avaserver.com دارای 8 سال سابقه حرفه ای در عرضه میزبانی وب ،‌ ارائه دهنده سرویس های وب هاستینگ ،‌نمایندگی هاست ، ثبت دامنه ، سرور مجازی ، سرور اختصاصی می باشد .
وب هاستینگ لینو آوا سرور : با بالاترین سطح امنیت و کیفیت، مخصوص انی که حرفه ای می شند ، مناسب برای میزبانی سایت ها و پرتال های php / mysql / html با به روزترین نسخه ها و دارای مجهزترین کنترل پنل cpanel/whm می باشد .
وب هاستینگ ویندوز آوا سرور : با بالاترین سطح امنیت و کیفیت، مناسب برای میزبانی سایتهای asp.net 4.5 & 3.5 & 2.0 html و بانک اطلاعاتی sql server 2014 و iis 8,7.5دارای url rewrite و external cacheودارای به روزترین نرم افزار های سرور های ویندوز دارای معتبرترین کنترل پنل ویندوزی جهان parallel plesk (odin) می باشد .
نمایندگی هاست های ویندوز و لینو با کنترل پنل های parallel plesk (odin) و cpanel/whm با سطح دسترسی بالا برای نمایندگان و قابلیت ایجاد dns اختصاصی برای هر هم می باشد .
سرویس ثبت دامنه : در آوا سرور در بهترین و معتبرترین ثبت کننده دامنه resello (publicregisterydomains) در جهان صورت می گیرد و همچنین آوا سرور دامنه های ایران در nic.ir می باشد و به محض پرداخت به صورت آنی فعال می شود و پنل اختصاصی به شما ارائه می شود .
سرور های مجازی آوا سرور : با به روز ترین و حرفه ای ترین تکنولوژی های مجازی سازی ارائه می شوند و در کشور های ، امارات ، ایران ، هلند ، آلمان قابل ارائه می باشند سرویس سرور های مجازی آوا سرور از برترین تکنولوژی های مجازی ساز بهره می برد ، که esxi/esx 6.0 با قدرت vmware می باشد.
سرور اختصاصی آوا سرور : ارائه سرور اختصاصی در بهترین مراکز داده جهان در کشور های ،‌‌امارات ، هلند ، فرانسه ، آلمان با رفع تمامی مشکلات تحریمی …
برای سفارش و اطلاعات بیشتر از سرویس های آوا سرور به سایت avaserver.com مراجعه فرمایید.


parallel structure

parallel structure is when you balance the grammatical structures of

words, clauses, sentences, or phrases in your writing.

they are important for any kind of writing and speaking in order to maintain

coherency.

in this particular lesson we'll look at parallel words and phrases.

we make words or phrases parallel when we are writing things in a list or

series, and each word must have the same grammatical form.

for words, nouns are balanced with nouns, adjectives with adjectives, verbs

with verbs, gerunds with gerunds, and so on.

for phrases, prepositional phrases are balanced with prepositional phrases,

infinitive phrases with infinitive phrases, and gerund phrases with gerund

phrases.

the coordinating conjunctionand’ is usually used to connect the parallel

items, but other coordinating conjunctions such as ‘or’ and ‘nor’ may be

used.

correlative conjunctions such as 'both/and', 'neither/nor' and 'whether/or'

are also used as connectors.


نرم افزار parallel space-multi accounts یک اپ مفید برای آن دسته از افرادی است که می خواهند چند اکانت متفاوت در شبکه های اجتماعی به صورت هم زمان داشته باشند، می باشد. شاید شما هم نیاز داشته باشید که چند اکانت از یک نرم افزار خاص را بر روی گوشی خود نصب کنید. نرم افزار هایی مثل پلاس مسنجر و واتس اَپ پلاس که به شما امکان نصب دو نسخه از مسنجر های محبوب تلگرام و واتس اَپ را می دهد  اما شما باید به تعداد نسخه هایی که نیاز دارین نرم افزار بر روی دستگاه اندرویدی خود نصب کنید.


parallel space-multi accounts


http://yazdapk.com/parallel-space-multi-accounts/


 intel parallel studio xe 2017 update 2 cluster edition x64 - کامپایل برنامه های فرترن و سی پلاس پلاس و ارائه بهترین عملکرد از آن ها

برنامه نویسی موازی (parallel programming) برای استفاده هر چه بهتر از منابع سیستم و افزایش سرعت و کارایی برنامه روی پردازنده ها به وجود آمد. در این نوع برنامه نویسی، قسمت هایی از برنامه اصلی که قابلیت اجرای همزمان را دارند به چند زیربرنامه ...
intel parallel studio xe 2017 update 2 cluster edition x64 - کامپایل برنامه های فرترن و سی پلاس پلاس و ارائه بهترین عملکرد از آن ها ...

مطالب مرتبط:




سیستمهای موازی و معماریهای پایگاه داده موازی parallel systems & parallel database architecturs

 

 

parallel systems :


سیستم های موازی ، پردازش و سرعت i/o را با استفاده از چندین cpu و دیسکهای موازی افزایش می دهند.ماشین های موازی به طور فزاینده ای عمومی شده اند و در نتیجه , مطالعه سیستم های پایگاه داده موازی را با اهمیت تر ساخته اند.برنامه های کاربردی(application) که با پایگاه داده های بزرگ سروکار دارند و یا برنامه هایی که بایستی تعداد بسیار زیادی تراکنش را در واحد زمان (ثانیه) پردازش نمایند , بیشتر متقاضی سیستم های پایگاه داده موازی هستند.


  • سیستم های client_ serverو متمرکز ، توانایی کافی برای اداره این چنین برنامه های کاربردی را ندارند .
  • در پردازش موازی،عملیات زیادی به طور همزمان اجرا می گردند برخلاف پردازش سری ، که گامهای محاسباتی به طور ترتیبی اجرا می شوند.


 


ماشینهای موازی را در دسته های coarse_garin(درشت) و fine_garin(ریز) تقسیم بندی می کنند.


  • یک ماشین موازی coarse_grain شامل یک تعدادی پردازنده قوی است.
  • یک ماشین m ively parallel یا fine_grain parallel , هزاران پردازنده کوچک را استفاده می کند.


 


database performance :


دو معیار سنجش کارآیی پایگاه داده ها عبارتند از :


  • through-put (توان عملیاتی) : تعداد وظایفی (تراکنشهایی) که می توانند در یک واحد زمانی کامل گردند.
  • response time (زمان پاسخ) : مقدار زمانی که یک وظیفه (تراکنش) از زمان آغاز تا پایان صرف می کند ، در ح میانگین یا بدترین ح .


یک سیستمی که تعداد زیادی ترکنشهای کوچک را پردازش می کند ، می تواند توان عملیاتی را با پردازش این تراکنشها بصورت موازی ، افزایش دهد.


یک سیستمی که تراکنشهای بزرگ را پردازش می کند ، می تواند زمان پاسخ را مانند توان عملیاتی ، با اجرای وظایف کوچک هر تراکنش (tasks) در ح موازی ، افزایش دهد.


 


speedup and scaleup (تسریع و توسعه) :


دو موضوع مهم در مطالعه موازی سازی ، تسریع و توسعه می باشد .


  • اجرای یک وظیفه task)) داده شده در زمان کمتر با افزایش درجه موازی سازی را تسریع speedup)) گویند.
  • اداره وظایف بزرگتر را با افزایش درجه موازی سازی ، توسعه (scaleup) گویند.


 


در سیستمهای پایگاه داده موازی بسته به اینکه چگونه سایز وظیفه (task) اندازه گیری شود ،دو نوع scaleup  وجود دارد :


 


  • ·          batch scaleup :

در batch scaleup سایز پایگاه داده افزایش می یابد و وظایفtask))، کارهای (jobs) بزرگی هستند که زمان اجرای آنها وابسته به اندازه پایگاه داده است. یک مثال می تواند پیمایش یک ج که سایز آن متناسب با سایز پایگاه داده باشد. درنتیجه اندازه پایگاه داده ، اندازه مسئله است.batch scaleup بیشتر در برنامه های کاربردی علمی بکار می رود .


 


  • ·          transaction scaleup :

در transaction scaleup نرخ تراکنشها ، به عنوان معیار افزایش سایز پایگاه داده به کار می رود.


 


معیار scaleup  معمولا معیار مهمتری برای اندازه گیری کارایی سیستم های پایگاه داده موازی است . هدف از موازی سازی در سیستم های پایگاه داده ، معمولا ایجاد این اطمینان است که سیستم پایگاه داده ، می تواند به اجرای خود با یک سرعت قابل قبول ادامه دهد . حتی اگر سایز پایگاه داده و تعداد تراکنشها افزایش یابند . افزایش ظرفیت سیستم با افزایش موازی سازی ، یک مسیر هموار کننده را برای رشد یک سازمان با جایگزینی یک سیستم متمرکز با ماشین سریع تر ارائه می کند.


 


عواملی که باعث کاهش speedup و scaleup می شوند:


     


  • هزینه start_up : هزینه start_up با آغاز یک پردازش واحد مرتبط است. در یک اجرای موازی شامل هزاران پردازش ، زمان start_up ممکن است زمان پردازش واقعی را تحت شعاع قرار دهد.(تاثیر منفی بر speedup).
  • تداخل interfrence)): از آنجایی که اجرای پردازش ها در یک سیستم موازی با دسترسی فراوان به منابع مشترک صورت می گیرد ، کاهش سرعت ممکن است نتیجه تداخل هر پردازش جدیدی باشد که نیازمند منابع مشترکی است که در اختیار پردازش های دیگر باشد.مانند systembus ، دیسک مشترک و یا حتی قفل(lock).(speedup و scaleup هر دو متأثر می شوند)
  • انحراف (skew) : با ش تن یک task به تعدادی گامهای موازی ، ما میانگین سایز هر مرحله را کاهش می دهیم . با وجود این ، زمان سرویس برای کم سرعت ترین مرحله ، زمان سرویس را برای وظیفه (task)در کل تعیین می کند.همچنین تقسیم وظیفه (task) به بخشهای کاملا مساوی کار مشکلی است و ما به آن انحرافskew) ) می گوییم .



 


معماریهای پایگاه داده موازی: (parallel database architectures)


چندین مدل معماری برای سیستم های پایگاه داده موازی وجود دارد که برجسته ترین آنها در شکل نشان داده شده است.








حافظه  = m


پردازنده = p


دیسک   = سیلندر

                                                                                                                                                                     


 


                                                                                                                                                                     


 


 


  • ·          حافظه مشترک:( shared memory )

               همه پردازنده ها یک حافظه را به طور مشترک استفاده می کنند.


  • ·          دیسک مشترک : (shared disk)

                پردازنده ها یک مجموعه از دیسک ها را به طور مشترک استفاده می کنند که گاهی به آنها cluster  گفته می شود.


 


  • بدون منابع مشترک : (shared nothing)

                هیچ چیزی در بین پردازنده مشترک نیست.


  • ·          سلسله مراتبی : hierarchical))

               این مدل ترکیبی از سه مدل قبل است.


  


 


حافظه مشترک : ( shared memory )


در این معماری ، پردازنده ها و دیسک ها دسترسی به یک حافظه مشترک دارند ، که به طور معمول از طریق یک bus یا ارتباط داخلی شبکه صورت می گیرد.مزیت حافظه مشترک ، ارتباط موثر بین پردازنده ها است. داده در حافظه مشترک می تواند بوسیله هر پردازنده ای در دسترس باشد بدون اینکه با نرم افزار انتقال یابد.


یک پردازنده می تواند پیامی را بسیار سریع به پردازنده های دیگر ارسال نماید. با استفاده از نوشتن بر حافظه (معمولا کمتر از یک میکرو ثانیه) و سپس بوسیله ارسال پیام از طریق مکانیزم ارتباطی .


  • ضعف ماشین های با حافظه مشترک این است که این معماری قابلیت توسعه بیشتر از 32 یا 64 پردازنده را ندارد زیرا bus یا ارتباط داخلی شبکه به گلوگاه تبدیل می شوند (از آنجا که بوسیله همه پردازنده ها ، مشترک استفاده می شوند) .

پردازنده در این معماری دارای حافظه پنهان ((cache بزرگی است بطوریکه هر وقت که ممکن است از ارجاع به حافظه بپرهیزد. اما اگر داده ای در حافظه پنهان(cache) نباشد به حافظه مراجعه می شود.


 


دیسک مشترک : ( shared disk )


در این مدل همه پردازنده ها می توانند از طریق ارتباط داخلی شبکه ، به همه دیسکها مستقیماً دسترسی داشته باشند. اما هر پردازنده حافظه ای خاص خود دارد.


دو مزیت این معماری نسبت به معماری حافظه مشترک عبارتند از:


1)      از آنجا که هر پردازنده ای حافظه خود را دارد ، در نتیجه bus حافظه ، گلوگاه نخواهد بود .


2)       یک راه ارزان برای ارائه درجه ای از تولرانس خطا را پیشنهاد می کند.  


اگر پردازنده ای با خطا مواجه شود ، دیگر پردازنده ها می توانند انجام وظایف (tasks) آنرا پوشش دهند.بدینسان ، پایگاه داده بر روی دیسکها قراردارد و توسط تمامی پردازنده ها قابل دسترسی است.البته می توان تولرانس خطا را با معماری raid افزایش داد.


3)    مسئله اصلی در این مدل باز هم ، مسئله توسعه پذیری است.اگر bus حافظه یک گلوگاه نیست ، ارتباط با زیر سیستم دیسکها اکنون یک گلوگاه است.مخصوصاً در ح ی که پایگاه داده دسترسیهای زیادی را به دیسک اعمال می نماید.در مقایسه با مدل حافظه مشترک ، مدل دیسک مشترک می تواند از نظر تعداد پردازنده ها ، توسعه پذیرتر باشد اما مسئله ارتباط داخلی شبکه ، باعث کاهش سرعت می گردد.


     


بدون منابع مشترک : (shared nothing)


در این مدل هر گره (node) در ماشین شامل یک پردازنده ، حافظه و یک یا چند دیسک خواهد بود.پردازنده ها در یک گره (node) ممکن است با پردازنده گره (node) دیگری ، از طریق ارتباط داخلی شبکه پرسرعت ارتباط داشته باشد.هر گره (node) برروی داده های دیسک خود ، به عنوان سرور عمل می کند.از آنجا که ارجاع به دیسکها ، در هر پردازنده بصورت محلی انجام می شود این مدل بر مشکل نیاز همه پردازنده ها برای یک خط ارتباطی داخلی جهت انجام i/o فائق آمده است.و تنها از این کانال ارتباطی جهت انجام پرس و جوها (query) و دسترسی به دیسکهای غیر محلی و انتقال نتایج حاصل از آنها ، استفاده می کند.این معماری قابلیت توسعه بیشتر را داراست و قادر است تعداد زیادی پردازنده را به سادگی پشتیبانی نماید.


4)      عیب اصلی معماری بدون منابع مشترک ، هزینه ، ارتباط و دسترسی به دیسکهای غیر محلی است.


 


مدل سلسله مراتبی : (hierarchical)


این معماری ترکیب سه مدل قبل است.در بالاترین سطح ، سیستم شامل گره هایی است که بوسیله یک ارتباط داخلی شبکه ، به یکدیگر متصل هستند و دیسکها و حافظه مستقلی دارند.در نتیجه در بالاترین سطح ، معماری بدون منابع مشترک را شاهد هستیم.هر گره (node) سیستم ، می تواند یک سیستم با حافظه مشترک بهمراه تعدادی پردازنده باشد و یا یک سیستم با دیسکهای مشترک.وهریک از سیستمها با اشتراک یک مجموعه از دیسکها ، می تواند یک سیستم با حافظه مشترک باشد.بدین ترتیب یک سیستم می تواند یک مدل سلسله مراتبی را ایجاد کند با معماری حافظه مشترک با تعدادی پردازنده در سطح پایه (base) و یک معماری بدون منابع مشترک در سطح بالا ، با امکان یک معماری دیسک مشترک در سطح میانی. 


حتما تا کنون بار ها و بار ها به این فکر افتاده اید تا بتوانید از یک برنامه دو اکانت داشته باشید و بتوانید هر دو آن ها را در یک دیوایس مشترک مدیریت کنید. در تمامی سیستم عامل های موجود، محدودیت هایی وجود دارد که به وسیله آن ها نمی توانید یک نرم افزار را دو بار بر روی دستگاه هوشمند خود نصب کنید. اپلیکیشن parallel space به شما کاربران گوشی های اندرویدی کمک می کند تا بتوانید چندین اکانت از یک برنامه یا بازی را بر روی دستگاه هوشمند اندرویدیتان داشته باشید. برنامه پارالل اسپیس تا کنون بیش از 50 میلیون بار توسط کاربران از پلی استور دریافت شده است که خود نشان دهنده کارایی بالای آن می باشد. اگر بخواهیم نحوه کار فضای موازی ( پارالل اسپیس) را شرح دهیم می توان گفت که در محیط خود برنامه ها را شبیه سازی کرده و دسترسی کاربران را برای ورود به محیط اصلی برنامه ها فراهم می کند. یکی از برترین ویژگی های این نرم افزار شبیه سازی برنامه های نصب شده به صورت نامرئی می باشد که ی به غیر شما به آن دسترسی نداشته و به صورت ویژه ای از حریم خصوصیتان محافظت می نماید.

برخی از امکانات و قابلیت های برنامه parallel space-multi accounts اندروید:

  • ایجاد نسخه ای شبیه سازی شده از برنامه های شما در محیط این اپلیکیشن
  • توانایی مدیریت همزمان دو اکانت بدون هیچ گونه ایجاد مشکلی
  • حفظ حریم خصوصی کاربران و محافظت از اطلاعات شخصی وارد شده
  • وجود تم های مختلف برای تغییر تم محیط شبیه سازی شده
  • پشتیبانی از 24 زبان مختلف برای پوشش تمامی اپلیکیشن ها
  • ایجاد تجربه بازی های آنلاین با دو اکانت مختلف به صورت همزمان
  • به وجود نیامدن هیچ گونه تداخل در هنگام استفاده از تو اکانت

اپلیکیشن parallel space-multi accounts با قابلیت و ویژگی های منحصر به فرد خود توانسته است با ب اعتماد بیش از 50 میلیون کاربر امتیاز 4.6 از 5.0 را به دست آورد که هم اکنون می توانید جدید ترین نسخه مود شده آن را از سایت فارسروید دریافت نمایید.

تغییرات نسخه ی v3.1.7141 :

* اضافه شدن ح افزایش و یا کاهش سرعت نسخه شبیه سازی شده برای صرفه جویی در مصرف باتری
* ح هوشمند قفل و نمایش ندادن اعلان های دریافتی
* برطرف شدن مشکلات برنامه

جعبه


اختصاصی از یاری فایل پکیج نرم افزار های حرفه ای الکترونیک و ی برق و مخابرات با و پر سرعت .

پکیج نرم افزار های حرفه ای الکترونیک و ی برق و مخابرات


پکیج نرم افزار های حرفه ای الکترونیک و ی برق و مخابرات

پکیج حرفه ای نرم افزار های رشته الکترونیک، برق و مخابرات

تمامی نرم افزار ها نسخه فول اکتیو و کامل هستند.

ارزش این پکیج نرم افزاری در فروشگاه  google play حدود 48.4 دلار است!!!

و بنابر نرخ دلار ارزش این پکیج به پول ایران 180,000 تومان می شود

اما شما می توانید این پکیج را تنها با 9000 تومان تهیه کنید!!!

 

 

 

معرفی قابلیت های نرم افزارهای موجود در پکیج:

این پیکج حاوی 8 نرم افزار فوق العاده و ویژه می باشد که در زیر به معرفی تک تک آنها می پردازیم:

 

نرم افزار شماره 1

بسیار کاربردی و مناسب دانشجویان و ان رشته برق و الکترونیک 

نرم افزار شماره (1)  یک نرم افزار ماشین حساب الکترونیک مربوط به رشته برق و الکترونیک برای ان و دانشجویان این رشته پرطرفدار است . این اپلیکیشن نرم افزاری متشکل از انواع جداول و اطلاعات الکترونیکی مرجع و قابلیت تبدیل واحد ها و قابلیت انجام محاسبات الکترونیکی پیشرفته و به طور کلی یک ماشین حساب اساسی جیبی است

ویژگی های این نرم افزار به صورت تخصصی رشته برق و الکترونیک است . در ادامه به ارائه ویژگی های کامل این اپلیکیشن به زبان انگلیسی می پردازیم:

calculators:

dc circuits:

  • ohm`s law
    • voltage divider – resistive
    • led resistor
    • rl transient circuits
    • rc transient circuits

ac circuits:

  • reactance
    • impedance
    • star delta transformation
    • ac power

power supply:

  • transformer ratios
    • rectifiers
    • capacitor filter

amplification:

  • slew rate
    • gain | ratio
    • non inverting op amp
    • inverting op amp
    • differential op amp
    • inverting summing op amp

filters:

  • rc filter – p ive
    • lc filter – p ive
    • rl filter – p ive

semiconductors:

  • series circuits
    • parallel circuits
    • capacitors
    • inductors
    • diodes
    • 555 timer

identification:

  • resistor – color bands
    • inductor – color bands
    • capacitor – printed
    • fuse, gl – color bands
    • diodes
    • 7-segment display

physics:

  • coulomb`s law
    • magnetism

converters:
• area
• angle
• temperature
• power
• distance/length
• number base

reference:
• si unit prefixes
• logic gates
• 74xx ic
• ascii
• abbreviations
• schematic symbols
• ingress protection
• decibel suffixes
•rf spectrum

 

 

نرم افزار شماره 2

 

طراحی مدار و انجام محاسبات پیشرفته برق و الکترونیک

نرم افزار شماره (2) یک برنامه بسیار فوق العاده آموزشی، محاسباتی و طراحی مدارهای الکترونیکی می باشد که برای اسمارت فون های اندرویدی منتشر شده است. این برنامه بسیار عالی، با طراحی بسیار مناسب مخصوص دانش آموزان و دانشجویان رشته های برق می باشد که به آنها در شناخت هر چه بهتر مدارها و اطلاعات لازم برای این رشته یاری می دهد و بسیار کاربردی است.

 

ویژگی ها :

  • رابط کاربری بسیار ساده و روان
  • دارا بودن یک ماشین حساب با قابلیت هایی همچون قانون اهم و جریانات مستقیم و متناوب
  • انجام محاسبات پیچیده مقاومتی نظیر سری های موازی و تقسیم ولتاژ
  • انجام محاسبات پیچیده مربوط به خازن ها و مغنطیسی بودن آن
  • مسائل مربوط به تقسیم کننده ولتاژ
  • امکاناتی همچون تبدیل درجات حرارتی به یکدیگر
  • انجام محاسباتی همچون طول موج و مقدار مقاومت led
  • بهینه سازی شده برای دستگاه های اندرویدی

 بررسی برنامه

یک برنامه بسیار جامع و کاربردی برای رشته برق و علاقه مندان به این رشته تحصیلی می باشد که در بالا فقط به برخی از امکانت این برنامه در قسمت ویژگی ها اشاره شده است. در حقیقت این یک برنامه کامل می باشد که مسائل و مباحث بسیار زیادی را در خود جای داده است. مسائلی که در برنامه وجود دارد مثل محاسبات بسیار پیچیده قدرت خازن ها، سری و مسائل مربوط به آن، انجام محاسبات وقت گیر مقاومتی نیز می باشد.

قابل توجه است که در کنار تمامی این امکانات عالی و آموزشی، امکانات ساده تر و جانبی نیز از قلم انداخته نشده است همچون وجود یک ماشین حساب آن هم با قابلیت های بالا و حتی تبدیل واحد های حرارتی به یکدیگر که همگی دست به دست هم داده اند تا شما دارای یک برنامه جامع شوید. در ضمن قابل ذکر است ان برنامه دارای امتیاز بسیار بالای 4.9 از گوگل پلی می باشد.

برخی از قابلیت های برنامه به شرح زیر است:

calculator:
# ohm’s law
-direct current
-alternating current

# resistors:
-colour code
-series & parallel
-voltage divider

# inductors:
-colour code
-std values
-series & parallel
-reactance (xl)
-resonance

# capacitors:
-std values
-series & parallel
-reactance (xc)
-resonance

# rlc impedance:
-series / parallel : rl, rc, lc, rlc

# voltage regulator:
-78xx & 79xx
-lm317 & lm337

# operational amplifier
-inverting
-non inverting
-summing inverting
-differential

# ic-555
-astable
-monostable

# delta-star equivalent

# battery average lifetime

# converters
-number converter (dec, bin, hex, oct)
-temperature converter (celsius, kelvin, fahrenheit)
-scientific notation converter
-voltage converter (peak, peak to peak, rms)
-power converter (db to watts)
-degree – radians

# wavelength

# pcb trace resistance

# stepper motor

# antenna power density

# led resistor value

cables:
pinout cables and connectors:

lists:
#resistivity (materials)
#circuit symbols
#radiowave frequency
#abbreviations
#db values
#ascii table
#logic gates
#international system of units

theory:
#basic theory and formulas

 

نرم افزار شماره 3

 

نرم افزار شماره (3) نرم افزاری شامل ابزار های الکترونیک و منابع است. این نرم افزار مخصوص ین الکترونیک، دانشجویان، تعمیرکاران لوازم الکترونیک و علاقه مندان طراحی شده است.

 

 

ویژگی ها:

  • نمایش کد رنگ های مقاومت
  • دارا بودن کد مقاومت های smd
  • ماشین حساب قانون اهم
  • محاسبه عمر باتری
  • محاسبه راکتانس و رزونانس
  • محسابه مقاومت های led
  • ابزار های طراحی سلف
  • ماشین حساب ne555
  • محاسبه افت ولتاژ
  • مبدل
  • نسبت مقاومت ، ارزش / سری / موازی
  • مبدل موج های آنالوگ به دیچیتال
  • مبدل دسیبل
  • محاسبه المان های سر و موازی
  • نمایش کد رنگ های فیبر های نوری
  • دارا بودن ج pt100
  • نمایش ج تقسیم بندی موج های رادیویی

 

نرم افزار شماره 4

 

برنامه طراحی و محاسبه مدارهای الکتریکی

نرم افزار شماره (4) نرم افزاری قدرتمند و کامل برای ین برق و انی که قصد طراحی مدارهای الکتریکی دارند، می باشد.

ویژگی ها:

  • شامل قانون اهم برای جریان dc
  • شامل قانون اهم برای جریان ac
  • قابلیت محاسبه شدت l-c
  • محاسبه انرژی الکتریکی
  • چگالی جریان
  • محاسبه transformer پایه
  • محاسبه و نحوه اتصال خازن ها
  • تقسیم ولتاژ

 این نرم افزار قابلیت محاسبات ساده مدارهای ریکی را در اختیار کاربران قرار می دهد. این نرم افزار یک اپلیکیشن مناسب برای ین و همچنین انی که در رشته برق در حال تحصیل هستند، می باشد.

با استفاده از این نرم افزار، کاربران قادر خواهند بود تا مدارهای الکتریکی مختلف را طراحی کنند. برای این کار ابزارهای کاملی قرار داده شده است تا تمام نیازهای کاربران را رفع نماید. از طرفی با استفاده از این برنامه قادر به محاسبه مدارهای الکتریکی نظیر شدت جریان، مقاومت، خازن معادل و می باشید.

 

نرم افزار شماره 5

برنامه محاسبه مدارهای الکتریکی

 

 این برنامه به شما این امکان را می دهد تا بتوانید محاسبات خود را در زمینه الکترونیک انجام دهید. این نرم افزار به شما این امکان را می دهد تا محاسبات مربوط به مدارها را بسیار ساده تر انجام دهید. در این برنامه همچنین می توانید به منبعی از آموزش ها در زمینه الکترونیک دسترسی داشته باشید.

 

نرم افزار شماره 6

 

اگر شما هم در رشته برق تحصیل می کنید و یا بسته به موقعیت اجتماعی و شغلی روزانه با انواع و اقسام مدارها و کیت های الکترونیکی و طراحی انواع و اقسام مدارها ، سر و کار دارید ، این نرم افزار مطمئنا برایتان پر کاربرد خواهد بود.

 

 

 

ویژگی ها

** کنترل آنالوگ تنظیم پارامترهای مدار
**
سیستمم خ ر مسیری
**
اسیلوسکوپ
**
محاسبه مقاومت ها ، خازن ها و سلف ها
**
محدود رله های تقویت کننده های عملیانی

 

نرم افزار شماره 7

برنامه قدرتمند شبیه ساز مدارهای الکترونیکی

نرم افزاری بسیار ویژه و عالی که مختص دانشجویان و ین رشته برق می باشد و قابلیت شبیه سازی مدارهای الکتریکی مختلف را در اختیارشان قرار می دهد.

برای انی که در زمینه طراحی مدارهای رونیکی و مدارهای مقاومتی فعالیت دارند، این برنامه می تواند بهترین گزینه باشد؛ چرا که این نرم افزار با نصب بر روی گوشی یا تبلت همیشه در دسترس خواهد بود و این امکان را فراهم خواهد کرد تا کاربران بتوانند با استفاده از آن در هر موقعیتی کارهایشان را با ابزارهای مختلف و کامل انجام دهند. این نرم افزار دارای ابزارهای کاملی می باشد که تمام امکانات را برای کاربران فراهم خواهد آورد.

این نرم افزار در حال حاضر قابلیت شبیه ساز موارد زیر را دارد:

-resistor
-capacitor
-inductor
-potentiometer
-light bulb
-ideal operational amplifier
-bipolar junction transistor (npn pnp)
-mosfet n-channel depletion
-mosfet n-channel enhancement
-mosfet p-channel depletion
-mosfet p-channel enhancement
-jfet n and p
-pn diode
-pn led diode
-pn zener diode
-ac current source
-dc current source
-ac voltage source
-dc voltage(battery) source
-ccvs – current controlled voltage source
-cccs – current controlled current source
-vcvs – voltage controlled voltage source
-vccs – voltage controlled current source
-square wave voltage source
-triangle wave voltage source
-ac ampermeter
-dc ampermeter
-ac voltmeter
-dc voltmeter
-two channe oscilloscope
-spst switch
-spdt switch
-voltage controlled switch
-current controlled switch
-and
-nand
-or
-nor
-not
-xor
-xnor
-jk flip-flop
-7 segment display
-d flip-flop
-relay
-ic 555
-transformer
-graetz circuit

 

 

نرم افزار شماره 8

برنامه انجام محاسبات برق

 

 

این  نرم افزار برای محاسبات رشته تخصصی برق می باشد. با نصب این نرم افزار در گوشی همراهتان، می توانید هر زمان که لازم داشتید با استفاده از گوشی، محاسبات را به سادگی انجام دهید. نکته جالب در مورد این برنامه، پشتیبانی از زبان فارسی می باشد. به این صورت که شما می توانید محیط برنامه را فارسی کنید!

به صورت کلی نرم افزار از زبان های ایتالیایی، انگلیسی، فرانسوی، اسپانیایی، پرتغالی، پرتغالی،  عربی، لهستانی، دویچ، یونانی، لتونی، رومانیایی، ترکی، روسیه ای، هلندی، مجارستانی، کرواتی، مالایی، لیتوانی، فارسی، چینی ساد شده، صربی، زبان کشور چک، ویتنامی، کاتالان، نروژی، بلغاری، سوئدی و دیگر زبان های مرسوم پشتیبانی می کند.

محاسبه مقطع
افت ولتاژ
شدت جریان
ولتاژ
نیروهای فعال
قدرت ظاهری
توان راکتیو
مقاومت
خازن برای موتور تک فاز
محاسبه دور موتور در دقیقه
بازده موتور
حداکثر گشتاور
نمودار موتور سه فاز
مقاومت کد با 4 رنگ
مقاومت کد با 6 رنگ
کد سلف
نمایش ارزش مقاومت بر اساس رنگ آن
کد مقاومت smd
فیوز
مجموع مقاومت
مجموع خازن
مقاومت در برابر کاهش ولتاژ
مقاومت برای led
دیود زنر به عنوان تثبیت کننده ولتاژ
مقاومت القایی یا خازنی
سیم پیچ اولیه و ثانویه ترانسفورماتور
اصلاح ضریب قدرت
جریان اتصال کوتاه
ظرفیت حمل جریان از کابل
ج مقاومت
مقاومت هادی
پیشوند si
unit of measurement
battery life
power factor correction of transformer mv/lv
electrical symbols
fault current of strings
ip protection cl es
antenna length
electricity around the world
joule effect
wiring color codes
table awg/mm
conversion hp/kw
conversion section
conversion δ-y
conversion cm/inch
conversion length
conversion voltage
conversion energy
conversion temperature
conversion pressure
conversion φ/senφ/cosφ/tgφ
conversion rpm – rad/s – m/s
conversion ah / kwh
conversion gauss / tesla
ethernet wiring (rj-45)
pinout rj-11,14,25,48
pinout scart
pinout usb
pinout hdmi
pinout vga
pinout dvi
pinout rs-232
pinout a
pinout molex
pinout gpio raspberry
pinout iso 10487 (car audio)
pinout xlr

 


با


پکیج نرم افزار های حرفه ای الکترونیک و ی برق و مخابرات

خدمات میزبانی باید مدیریت سیستم شامل از آن است که توسط بسیاری از کاربران به اشتراک گذاشته. این یک مزیت برای کاربرانی که نمی خواهند برای مقابله با آن، اما مانعی برای کاربران قدرت که می خواهند کنترل بیشتری است. در سرور میزبانی مشترک کلی برای کاربران که نیاز به توسعه نرم افزار گسترده خارج از آنچه که ارائه دهنده هاست پشتیبانی نامناسب خواهد بود. تقریبا تمام برنامه های در نظر گرفته شده به روی یک وب سرور خوب کار استاندارد با یک سرویس میزبانی وب به اشتراک گذاشته می شود.

اما از سوی دیگر، سرور میزبانی مشترک ارزان تر از انواع دیگر میزبانی مانند میزبانی سرور اختصاصی است. میزبانی مشترک معمولا محدودیت های استفاده و ارائه دهندگان خدمات میزبانی باید ویژگی های گسترده قابلیت اطمینان در مکان داشته باشد. خدمات میزبانی وب به اشتراک گذاشته شده به طور معمول ارائه پشتیبانی آمار وب، ایمیل و پست الکترونیکی وب خدمات اساسی، نصب و راه اندازی اسکریپت خ ر، پی اچ پی به روز رسانی و وجی، پس از فروش پشتیبانی فنی پایه است که با اشتراک ماهانه گنجانده شده است.

همچنین به طور معمول با استفاده از یک سیستم کنترل پانل مبتنی بر وب، مانند پنل، دایرکت، پلسک (plesk)، interworx، h-کره و یا یکی از بسیاری دیگر از محصولات کنترل پنل. بسیاری از شرکت های میزبانی وب بزرگ استفاده سفارشی خود کنترل توسعه یافته پنل خود. پانل های کنترل و رابط وب می توانید جنجال حال می شود، از شرکت های میزبانی وب گاه حق استفاده از سیستم کنترل پانل خود را به دیگران به فروش برساند. تلاش برای از نو خلق از قابلیت های یک کنترل پنل خاص است، که منجر به بسیاری از پرونده های حقوقی بیش از نقض حق ثبت اختراع.

در سرور میزبانی مشترک، ارائه دهنده به طور کلی مسئول برای مدیریت سرور، نصب نرم افزار سرور، به روز رسانی های امنیتی، پشتیبانی فنی، و دیگر جنبه های این سرویس است. ترین سرورها بر روی سیستم عامل لینو و lamp (نرم افزار بسته نرم افزاری)، است که توسط قابلیت اطمینان و امنیت نرم افزار منبع باز مانند لینو و آپاچی (از 'l' و 'a' از lamp) رانده است. برخی از ارائه دهندگان ارائه راه حل های مایکروسافت ویندوز مبتنی بر یا مبتنی بر freebsd. به عنوان مثال، کنترل پنل plesk برای دو سیستم عامل، لینو و ویندوز در دسترس است. امکانات سمت سرور برای هر دو سیستم عامل دارای قابلیت هایی مشابه (برای مثال: وجی زیر (پایگاه داده) و بسیاری از زبان های برنامه نویسی سمت سرور (مانند زبان پی اچ پی برنامه نویسی وب به طور گسترده ای استفاده می شود) تحت لینو ، یا sql سرور اختصاصی (پایگاه داده) و asp. زبان برنامه نویسی net تحت ویندوز). [نیازمند منبع]


وجود دارد هزاران نفر از ارائه دهندگان خدمات میزبانی مشترک در ایالات متحده به تنهایی. [نیازمند منبع] از مغازه ها مادر و پاپ و شرکت های کوچک طراحی به ارائه دهندگان چند میلیون دلاری در محدوده آنها با صدها نفر از هزاران نفر از مشتریان. بخش بزرگی از به اشتراک گذاشته میزبانی وب بازار از طریق پرداخت هر کلیک رانده (ppc) تبلیغاتی و یا وابسته به برنامه در حالی که برخی از آنها صرفا غیر انتفاعی.


برای ید هاست و سفارش هاست نامحدود به لینک پردیس هاستینگ مراجعه کنید.





درباره هاست لینو ایران


هاست لینو ایران ، هاست کد بر روی سرورهای اختصاصی ما در دیتاسنتر زیرساخت میزبانی می شود. هاست میزبانی شده در ایران به دلیل استفاده از بستر داخلی و فواصل کم بین کاربران و سرور باعث پینگ بسیار پایینتر و سرعت بارگزاری بالاتر نسبت به سرویس های خارج کشور هستند . هاست لینو ایران ارائه شده در هاست کد دارای مزایای متعددی است که از مهمترین آنها می توان به استفاده از بهترین سخت افزارها از جمله درایوهای اس اس دی (ssd) و همچنین حافظه (ram) بالا و پردازنده (cpu) قدرتمند اشاره نمود. هاست داخل ایران ما بر روی قویترین سرورهای لینو در یکی از مجهز ترین دیتا سنترهای ایران واقع شده اند .











هاست لینو ایران


تمامی پلان های هاست لیو ایران بر روی هاردهای پر سرعت ssd ارائه می گردد که سرعت باز شدن سایت شما را به صورت چشمگیری افزایش می دهد. ما از آ ین نسخه پنل مدیریت میزبانی وب ، هاست لینو ، plesk به عنوان کنترل پنل میزبانی وب ، هاست لینو استفاده میکنیم. ارائه کنترل پنل کامل میزبانی وب ، هاست plesk ، با امکانات فوق العاده ، کاربری آسان و رابط گرافیکی زیبا ، بهره وری و کارایی سرویس وب سایت شما را بالا برده تا با کمترین کوشش ، بهترین نتیجه را از امکانات میزبانی وب ، هاست لینو داخل ایران دریافت نمایید. این سرویس ها داری تضمین پایداری اطلاعات می باشند، یک نسخه بکاپ هفتگی در هارد دوم یا سوم همین سرور و یک نسخه دیگر در سرور بکاپ میزبان آنلاین واقع در دیتاسنتر ovh کانادا نگه داری می شود. در صورت هر گونه مشکل اعم از سوختن هارد سرور یا آسیب به اطلاعات سایت، آ ین بکاپ سایت را restore خواهیم کرد. هاست کد تمام تلاش خود را از مرحله ی انتخاب دیتاسنتر و سخت افزار و نرمافزار تا تحویل سرویس به مشتری به کار گرفته است تا با توجه به بسترها و امکانات موجود بهترین ها در کنار یکدیگر قرار دهد تا به سرویسی با کیفیت مناسب دست پیدا کند و بدین منظور با وجود قیمت های کاملا رقابتی هرگز کیفیت را فدای قیمت نکرده است و می تواند به مشتریان خود این اطمینان را دهد که سرویس های میزبانی این مجموعه در ایران جزء با کیفیت ترین سرویسهای قابل ارائه در داخل کشور می باشد.





کتاب مقدمه ای بر محاسبات موازی - به همراه مثال های عملی در زبان c

introduction to parallel computing

نویسندگان: w. p. petersen, p. arbenz

مشخصات کتاب

فرمت pdf
تعداد صفحات 274
حجم فایل زیپ شده 17 مگابایت


جهت فوری کلیک کنید

قیمت: 2900 تومان


لازم به ذکر است که جهت ماندگاری دائمی فایل های وبلاگ، فضای میزبانی قدرتمندی یداری شده است و درآمد ناچیز وبلاگ صرف تامین هزینه های سنگین "هاست" می شود.


جهت مشاهده لیست کتاب های موجود در سایت کلیک کنید


computer resources


fdtd is a computationally intensive method and most reasonable calculations will need a fast computerand at least a few gigabytes of computer memory. for most applications it is fairly simple to estimate the amount of computer memory required for a calculation. the most important factor for the memory usage, and in large part the run time, is the number of fdtd cells used to represent the structure under test. each fdtd cell has six field values ociated with it: three electric fields and three magnetic fields. additionally each cell has six flags ociated with it to indicate the material type present at each of the six field locations. the field values are real numbers, each four bytes in length, while the flags may each be one byte. this gives a memory usage per fdtd cell of 24 bytes for fields and 6 bytes for flags for a total of 30 bytes. to estimate the total memory required, in bytes, simply multiply the number of fdtd cells by the 30 bytes per cell value. there is some overhead in the calculation, but it is generally quite small. one notable exception is the broadband far-zone angles that allocate six one dimensional real value arrays per direction.

estimating the execution time of an fdtd calculation is more complicated since performance of computer processors varies. one method of estimating is to compute the total number of operations to be performed. there are about 80 operations per cell, per time step during the fdtd calculations. the total number of operations is found from the product of the number of cells, the number of time steps, and the factor of 80 operations per cell, per time step. if a value of the floating-point performance of the processor is known, a value for execution time can be computed. in general though, a better estimating method is to determine the execution time of a simple problem on a given computer and then scale the time by the ratio of the number of operations between the desired calculation and the simple one.

there are many ways to increase computation speed of fdtd, though some will require considerable effort to program. some of the most effective are to use multiple cpus of a computer in parallel, use multiple computers in parallel, optimize computation loops for cache, or take a ntage of parallel methods on cpus such as sse and avx. fdtd software is especially well suited to computation on gpu processors as the notion of many cells performing a relatively small number of update algorithms in parallel fits well with the methods developed for updating video displays.


ترجمه مقاله صف بندی موازی برنامه نویسی dna
بازدید: 1 بار
فرمت فایل: doc 
حجم فایل: 1796 کیلوبایت 
تعداد صفحات فایل: 13 

ترجمه مقاله صف بندی موازی برنامه نویسی dna




ترجمه طلایی مقاله صف بندی موازی برنامه نویسی dna

صف بندی موازی برنامه نویسی dna

چکیده-در این مقاله ما یک الگوریتم موازی جدید پیشنهاد می کنیم که صف بندی بهینه رشته برنامه نویسی dna مبتنی بر مدل dna/protein که توسط hein پیشنهاد شده است را بمنظور تعیین فاصله بین دو رشته برنامه نویسی dna محاسبه کند. اثبات خواهیم کرد که این الگوریتم نسبت به الگوریتم ترتیبی، از نظر هزینه بهینه بوده و تطبیقی می باشد. الگوریتم موازی اجرا شده و نتایج آزمایشی، کارایی این الگوریتم را نشان خواهد داد. 

کلیدواژگان: بیوانفورماتیک، الگوریتم های موازی، تنظیمات رشته.

parallel alignment of coding dna
s.h. alavi-soltani, h. ahrabian1, a. nowzari-dalini
center of excellence in biomathematics,
school of mathematics, statistics, and computer science,
university of tehran, tehran, iran.
email: {alavi,ahrabian,nowzari}@ut.ac.ir.


abstract
we present a new parallel algorithm that computes an optimal alignment of the coding dna sequences based on dna/protein model proposed by hein for the evaluating distance between two coding dna sequence. the algorithm is proved to be adaptive and cost optimal with respect to the sequential algorithm. the parallel algorithm is implemented and experimental results show the efficiency of algorithm.
keywords: bioinformatics, parallel algorithms, sequence alignments.
introduction

1.    مقدمه
 [jones و همکارانش، 2004]. صف بندی رشته در رشته های زیستی، تحت عنوان صف بندی شناخته شده اند. برنامه نویسی دینامیکی روش انتخاب نواحی هم جهت شده رشته های dna و پروتئینی می باشد. برای تعدادی از طرح های امتیازدهی صف بندی، این روش برای تولید یک صف بندی از دو رشته داده شده، با بیشترین احتمال امتیاز تضمین شده می باشد. امتیاز بندی با در نظر گرفتن فواصل بین دو رشته تغییر می یابد. مکانیزم امتیاز دهی برای دو رشته را می توان با سه مدل مختلف طراحی کرد: 
مدل dna، مدل پروتئین، مدل پروتئین/dna. در این مقاله، با مدل پروتئین/dna سر و کار خواهیم داشت. حال توضیح مختصری در مورد این سه مدل می دهیم.
یک روش سرراست، فاصله تکاملی بین دو رشته برنامه نویسی dna این است که از برنامه نویسی پروتیئن چشم پوشی کرده و فاصله را با استفاده از چند مدل تکاملی dna محاسبه کند. فاصله تکاملی بین دو رشته در یک مدل سطح dna را می توان اغلب بصورت مساله صف بندی کلاسیک فرمول نویسی کرده و بصورت کارایی با برنامه نویسی دینامیکی محاسبه کرد [jones و همکارانش2004؛ needlman 1970و همکارانش؛ 1980waterman].
معمولا توصیف فاصله تکاملی بر اساس یک صف بندی از پروتئین های رمزگذاری شده نسبت به یک صف بندی تنها بر اساس برنامه نویسی dna بیشتر قابل اتکا می باشد [pearson, 1996].

.


 ید


برچسب ها : ترجمه مقاله صف بندی موازی برنامه نویسی dna , ترجمه مقاله صف بندی موازی برنامه نویسی dna



این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است
دسته بندی کامپیوتر و it
بازدید ها 0
فرمت فایل doc
حجم فایل 705 کیلو بایت
تعداد صفحات فایل 30
مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

فروشنده فایل

کد کاربری 25253
کاربر

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است.

فهرست
چکیده
مقدمه
2.یک مدل برای اجرای یک برنامه به صورت موازی
2.1 حذف وابستگی کنترل و وابستگی صحیح مدیریت پشته
2.2 انشعاب نظری و غیر نظری.
3-چارچوب آزمایشی.
3.1 شبیه ساز perpi.
3.2مجموعه معیارهای cbenchو مجموعه داده انتخ .
3.3شبیه سازی مدلهای مختلف.
3.4 شبیه سازی مدل انشع .
3.5 نتایج شبیه سازی
3.6 ipl مدل انشع بر روی کدهای اصلاح شده
3.7 تفاوت بین مدل انشعاب نظری با غیر نظری چیست؟
4.کارهای مرتبط بر روی مسیر موازی سازی خ ر
5. نتیجه گیری
مراجع.

چکیده

ما ظرفیت مدل های مختلف در حال اجرا را برای بهره مندی از موازی سازی سطح دستور (ipl) تحلیل کردیم.ابتدا، نشان می دهیم که قفل های ضبط فاصله ipl ن (مقیم) هستند. ما این موارد را نشان می دهیم: 1)دریافت(واکشی)به صورت موازی2)تغییر نام منابع حافظه 3)از بین بردن وابستگی صحیح پارازیتی بر روی مدیریت پشته کلیدهای ضبط فاصله ipl.دوم پتانسیل یک مدل اجرایی جدید به نام انشعاب نظری را اندازه گیری می کنیم،که در آن یک اجرا به صورت پویا توسط انشعاب در هر تابع و حلقه مرزی ورودی چند نخی است و نخها برای پیوند مشتریان تغییر نام داده به دیگر تولید کنندگان ارتباط برقرار می کنند.ما نشان می دهیم که یک اجرا می تواند به طور خ ر توسط انشعاب نظری و تغییر نام قابل تعمیم موازی سازی شود.بسیاری از iplدور، با افزایش اندازه داده ،می تواند به درستی برنامه های کامپایل شده براساس الگوریتم های موازی را ضبط کند.

کلمات کلیدی:
موازی سازی خ ر، موازی سازی ضبط سطح دستور iplدور،انشعاب نظری ، تغییر نام حافظه

limits of instruction-level parallelism capture.

abstract
we analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,
we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renaming
memory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capture
distant ilp. second, we measure the potential of a new running model, named speculative forking, in which a run
is dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to link
renamed consumers to their producers. we show that a run can be automatically parallelized by speculative forking
and extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiled
programs based on parallel algorithms.
keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,
memory renaming

abstractwe analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renamingmemory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capturedistant ilp. second, we measure the potential of a new running model, named speculative forking, in which a runis dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to linkrenamed consumers to their producers. we show that a run can be automatically parallelized by speculative forkingand extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiledprograms based on parallel algorithms.keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,memory renaming



مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

 مقاله محدودیت ضبط موازی سازی سطح دستور
دسته بندی کامپیوتر و it
فرمت فایل doc
حجم فایل 705 کیلو بایت
تعداد صفحات فایل 30

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است.

فهرست
چکیده
مقدمه
2.یک مدل برای اجرای یک برنامه به صورت موازی
2.1 حذف وابستگی کنترل و وابستگی صحیح مدیریت پشته
2.2 انشعاب نظری و غیر نظری.
3-چارچوب آزمایشی.
3.1 شبیه ساز perpi.
3.2مجموعه معیارهای cbenchو مجموعه داده انتخ .
3.3شبیه سازی مدلهای مختلف.
3.4 شبیه سازی مدل انشع .
3.5 نتایج شبیه سازی
3.6 ipl مدل انشع بر روی کدهای اصلاح شده
3.7 تفاوت بین مدل انشعاب نظری با غیر نظری چیست؟
4.کارهای مرتبط بر روی مسیر موازی سازی خ ر
5. نتیجه گیری
مراجع.

چکیده

ما ظرفیت مدل های مختلف در حال اجرا را برای بهره مندی از موازی سازی سطح دستور (ipl) تحلیل کردیم.ابتدا، نشان می دهیم که قفل های ضبط فاصله ipl ن (مقیم) هستند. ما این موارد را نشان می دهیم: 1)دریافت(واکشی)به صورت موازی2)تغییر نام منابع حافظه 3)از بین بردن وابستگی صحیح پارازیتی بر روی مدیریت پشته کلیدهای ضبط فاصله ipl.دوم پتانسیل یک مدل اجرایی جدید به نام انشعاب نظری را اندازه گیری می کنیم،که در آن یک اجرا به صورت پویا توسط انشعاب در هر تابع و حلقه مرزی ورودی چند نخی است و نخها برای پیوند مشتریان تغییر نام داده به دیگر تولید کنندگان ارتباط برقرار می کنند.ما نشان می دهیم که یک اجرا می تواند به طور خ ر توسط انشعاب نظری و تغییر نام قابل تعمیم موازی سازی شود.بسیاری از iplدور، با افزایش اندازه داده ،می تواند به درستی  برنامه های کامپایل شده براساس الگوریتم های موازی را ضبط کند.

کلمات کلیدی:
موازی سازی خ ر، موازی سازی ضبط سطح دستور iplدور،انشعاب نظری ، تغییر نام حافظه

limits of instruction-level parallelism capture.

abstract
we analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,
we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renaming
memory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capture
distant ilp. second, we measure the potential of a new running model, named speculative forking, in which a run
is dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to link
renamed consumers to their producers. we show that a run can be automatically parallelized by speculative forking
and extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiled
programs based on parallel algorithms.
keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,
memory renaming

abstractwe analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renamingmemory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capturedistant ilp. second, we measure the potential of a new running model, named speculative forking, in which a runis dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to linkrenamed consumers to their producers. we show that a run can be automatically parallelized by speculative forkingand extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiledprograms based on parallel algorithms.keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,memory renaming

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین


مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

 مقاله محدودیت ضبط موازی سازی سطح دستور
دسته بندی کامپیوتر و it
فرمت فایل doc
حجم فایل 705 کیلو بایت
تعداد صفحات فایل 30

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است.

فهرست
چکیده
مقدمه
2.یک مدل برای اجرای یک برنامه به صورت موازی
2.1 حذف وابستگی کنترل و وابستگی صحیح مدیریت پشته
2.2 انشعاب نظری و غیر نظری.
3-چارچوب آزمایشی.
3.1 شبیه ساز perpi.
3.2مجموعه معیارهای cbenchو مجموعه داده انتخ .
3.3شبیه سازی مدلهای مختلف.
3.4 شبیه سازی مدل انشع .
3.5 نتایج شبیه سازی
3.6 ipl مدل انشع بر روی کدهای اصلاح شده
3.7 تفاوت بین مدل انشعاب نظری با غیر نظری چیست؟
4.کارهای مرتبط بر روی مسیر موازی سازی خ ر
5. نتیجه گیری
مراجع.

چکیده

ما ظرفیت مدل های مختلف در حال اجرا را برای بهره مندی از موازی سازی سطح دستور (ipl) تحلیل کردیم.ابتدا، نشان می دهیم که قفل های ضبط فاصله ipl ن (مقیم) هستند. ما این موارد را نشان می دهیم: 1)دریافت(واکشی)به صورت موازی2)تغییر نام منابع حافظه 3)از بین بردن وابستگی صحیح پارازیتی بر روی مدیریت پشته کلیدهای ضبط فاصله ipl.دوم پتانسیل یک مدل اجرایی جدید به نام انشعاب نظری را اندازه گیری می کنیم،که در آن یک اجرا به صورت پویا توسط انشعاب در هر تابع و حلقه مرزی ورودی چند نخی است و نخها برای پیوند مشتریان تغییر نام داده به دیگر تولید کنندگان ارتباط برقرار می کنند.ما نشان می دهیم که یک اجرا می تواند به طور خ ر توسط انشعاب نظری و تغییر نام قابل تعمیم موازی سازی شود.بسیاری از iplدور، با افزایش اندازه داده ،می تواند به درستی  برنامه های کامپایل شده براساس الگوریتم های موازی را ضبط کند.

کلمات کلیدی:
موازی سازی خ ر، موازی سازی ضبط سطح دستور iplدور،انشعاب نظری ، تغییر نام حافظه

limits of instruction-level parallelism capture.

abstract
we analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,
we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renaming
memory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capture
distant ilp. second, we measure the potential of a new running model, named speculative forking, in which a run
is dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to link
renamed consumers to their producers. we show that a run can be automatically parallelized by speculative forking
and extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiled
programs based on parallel algorithms.
keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,
memory renaming

abstractwe analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renamingmemory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capturedistant ilp. second, we measure the potential of a new running model, named speculative forking, in which a runis dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to linkrenamed consumers to their producers. we show that a run can be automatically parallelized by speculative forkingand extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiledprograms based on parallel algorithms.keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,memory renaming

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین


آخرین مطالب

آخرین جستجو ها