Parellel Computing

     Parallel computation atau komputasi parallel adalah penggunaan beberapa sumber daya komputasi secara bersamaan untuk memecahkan masalah komputasi. Masalah komputasi harus mampu dipecah menjadi beberapa bagian pekerjaan yang dapat diselesaikan secara bersamaan, dijalankan beberapa intruksi program kapan saja, dan dipecahkan dalam waktu yang lebih singkat dengan beberapa sumber daya komputasi dibandingkan dengan sumber daya komputasi.

     Ada beberapa alasan mengapa harus menggunakan parallel computing, Di alam banyak peristiwa kompleks dan saling terkait terjadi pada waktu yang sama, namun dalam urutan temporal. Dibandingkan dengan komputasi serial, komputasi parallel jauh lebih cocok untuk permodelan, simulasi, dan pemahaman fenomena dunia nyata yang kompleks. Dengan parallel computing juga dapat memecah masalah yang lebih besar atau lebih kompleks. Contohnya “Masalah Tantangan Besar” yang membutuhkan sumber daya komputasi petaflops dan petabyte atau mesin pencari / database web yang memproses jutaan transaksi setiap detik.

     Parallel computing dapat digunakan dalam berbagai bidang. Dalam bidang sains dan Teknik, komputasi parallel telah dianggap sebagai “komputasi kelas atas”, dan telah digunakan untuk memodelkan masalah yang sulit di banyak bidang sains dan Teknik. Dalam bidang industry dan komersial, komputasi parallel, aplikasi komersial memberikan pendorong yang sama atau lebih besar dalam pengembangan komputer yang lebih cepat. Aplikasi ini membutuhkan pemrosesan data dalam jumlah besar dengan cara canggih.

 

Konsep dan Terminologi

Arsitektur Von Neumann

     Arsitektur diberi nama setelah matematikawan Hungaria John Von Neumann yang menulis persyaratan umum untuk komputer elektronik di tahun 1945. Arsitektur tersebut dikenal juga sebagai “komputer program tersimpan”.

 

Taksonomi Klasik Flynn

    Taksonomi Flynn merupakan salah satu klasifikasi yang banyak digunakan sejak tahun 1966. Taksonomi Flynn membedakan arsitektur komputer multi-prosesor yang dapat diklasifikasikan sepanjang dua dimensi independent Arus Instruksi dan Aliran Data. Flynn medefinisikan 4 kemungkinan yaitu SISD (Single Instruction stream Single Data stream), SIMD (Single Intstruction stream Multiple Data Stream), MISD (Multiple Instruction stream Single Data stream), MIMD (Multiple Instruction stream Multiple Data stream).

Arsitektur Komputasi Parallel   

Arsitektur dalam komputasi parallel ada beberapa jenis yaitu : Shared Memory, Distributed Memory, Hybrid Distributed – Shared Memory. Shared memory memiliki karakteristik seperti beberapa prosesor dapat beroperasi secara independent tetapi berbagi sumber daya memori yang sama. Distributed memory memiliki karakteristik umum prosesor memiliki memory lokalnya sendiri. Alamat memori dalam satu prosesor tidak dipetakan ke prosesor lain, jadi tidak ada konsep ruang alamat global di semua prosesor. Hybrid Distributed – Shared Memory, komponen memori terdistribusi adalah jaringan dari beberapa mesin memori / GPU Bersama, yang hanya mengetahui memori sendiri – bukan memori komputer lain. Oleh karena itu, komunikasi jaringan diperlukan untuk memindahkan data dari satu mesin ke mesin lainnya.