可预测并行性能的并行程序设计

研究具有可预测并行性能又独立于体系结构的可扩展并行软件的开发方法和工具当前并行计算领域的研究重点和执点。本文基于ＢＳＰ模型提出了两阶段ＢＳＰ并行程序设计方法。     

并行数据库的研究

本文回顾了并行数据库的发展史和研究现状，并以与分布式数据库（ＤＤＢ）对比的方式，着重介绍并行数据库（ＰＤＢ）的硬件结构、并行数据库管理系统（ＰＤＢＭＳ）的参考模型以及并行数据库中的ｊｏｉｎ运算。     

并行数据库PDBMS的设计与实现

文章介绍了并行数据库管理系统ＰＤＢＭＳ的设计与实现方法,探讨了并行数据库系统设计和实现中的一些关键技术。     

IBM通用并行文件系统的性能

我们测试了ＩＢＭ通用并行文件系统（ＧＰＦＳ）在各种条件下的性能和可扩展性。该测试基于允许改变程序块大小和存取模式等,并允许测试总吞吐率的基准测试程序。我们用这些数据为应用开发提供性能建议,并作为改进并行文件系统的指导原则。     

基于总线桥协议的异构机群并行虚拟机的构造

ＢＢＰ＿ＰＶＭ是为北京航空航天大学计算机系基于总线桥协议的异构可扩展并行计算机群系统ＢＢＰ＿ＳＰＣ（ｂｕｓｂｒｉｄｇｅｐｒｏｔｏｃｏｌ－ｓｃａｌａｂｌｅｐａｒａｌｅｌｃｏｍｐｕｔｅｒ）研制的ＰＶＭ版本．ＢＢＰ＿ＰＶＭ以总线桥多机互联协议的消息传递层子协议（ＢＢＰ＿ＭＰＬ）为虚拟机内各处理机间的通讯协议．ＢＢＰ＿ＭＰＬ是在ＢＢＰ可靠链路的基础上实现的精简和可靠的机间通讯协议，ＢＢＰ＿ＭＰＬ的采用有效地降低了通讯过程中报文应答、重发和动态缓冲区管理的开销．ＢＢＰ＿ＰＶＭ与ＰＶＭ３．３．４及其以上版本兼容．     

关系数据库系统并行化方法

提出一种新的并行数据库系统的实现模型，称为“半重写变换”模型。基于该模型提出了一种并行数据库系统的结构。这一结构由多个ＤＢＭＳ Ｉｎｓｔａｎｃｅｓ和并行查询服务器（ＰＱＳ）组成。文中首先描述了“半重写变换”模型，然后描述了基于这个模型实现的一个并行查询原型系统ＰａｒａＢａｓｅ，最后给出基于Ｗｉｓｏｎｓｉｎ Ｂｅｎｃｈｍａｒｋ的一组性能测试结果。     

在超立方体上并行仿真BP神经网

本文研究在超立方体上并行仿真ＢＰ神经网的方法，报告我们在Ｉｎｔｅｌ ｉＰＣＳ／８６０超立方上开发的一个ＢＰ神经仿真器。文章着重讨论如何把ＢＰ神经网均衡地分配到超立方体的结点以及如何在超立方体上并行实现ＢＰ算法等问题。     

BSP模型及其并行程序设计

当前并行计算领域的研究重点和热眯是研究“通用”并行计算的适用范围，而其中心议题是既具有可扩展并行性又同时具有体系结构独立必的可移植软件开发方法和工具的研究。解决体系结构独立的途径是通过引入的一个过渡模型使得软件和硬件得以较好的分离。ＢＳＰ（Ｂｕｌｋ Ｓｙｎｃｈｕｏｎｏｕｓ Ｐａｒａｌｌｅｌ）模型正是这样一个理论模型，它不但可提供既具有可扩展的并行性又独立于体系结构的并行软件开发方法，而且可为并行和     

在微机上扩展的并行知识库机

本文提出的并行知识库机ＰＫＢＭ９５的硬件结构是一台微机和四台ＴＲＡＮＳＰＵＴＥＲ组成的多机系统。这里重点讨论了ＰＫＢＭ的系统结构、操作规范和操作语言，并提出一订散式的并行推理模型有诟端机、前端机两次冲突归结策略。     

PBASE的并行查询处理策略

本文详述了独具特色的ＰＢＡＳＥ并行查询处理策略及实现方法。ＰＢＡＳＥ的并行查询处理策略吸取了原型系统ＸＰＲＳ和Ｖｏｌｃａｎｏ中的先进技术，并基于原来的国产数据库系统ＣＯＢＡＳＥ中查询的流水线策略，具有更高的并行度和更好的可行性。     

基于BSP的并行程序设计

BSP模型是独立于并行体系结构,即可作为并行计算模型又可作为并行程序设计模型。利用该模型进行并行程序设计简单、方便,而且可移植性强,可在多种并行系统上实现。     

MulticoreBSP for C: A High-Performance Library for Shared-Memory Parallel Programming

The bulk synchronous parallel (BSP) model, as well as parallel programming interfaces based on BSP, classically target distributed-memory parallel architectures. In earlier work, Yzelman and Bisseling designed a MulticoreBSP for Java library specifically for shared-memory architectures. In the present article, we further investigate this concept and introduce the new high-performance MulticoreBSP for C library. Among other features, this library supports nested BSP runs. We show that existing BSP software performs well regardless whether it runs on distributed-memory or shared-memory architectures, and show that applications in MulticoreBSP can attain high-performance results. The paper details implementing the Fast Fourier Transform and the sparse matrix–vector multiplication in BSP, both of which outperform state-of-the-art implementations written in other shared-memory parallel programming interfaces. We furthermore study the applicability of BSP when working on highly non-uniform memory access architectures.     

并行计算模型在集群环境下的适应性

分析了并行计算机模型和集群系统的特点，研究了BSP并行计算模型在集群环境下的适应性，指出通过合理地设计并行算法，某些算法在集群环境下可以获得近似线性的加速比，并用常用的线性规划标准形改进单纯型求最优解，在集群系统上的并行算法验证了该结论。     

Using B SP and Python to simplify parallel programming

Scientific computing is usually associated with compiled languages for maximum efficiency. However, in a typical application program, only a small part of the code is time-critical and requires the efficiency of a compiled language. It is often advantageous to use interpreted high-level languages for the remaining tasks, adopting a mixed-language approach. This will be demonstrated for Python, an interpreted object-oriented high-level language that is well suited for scientific computing. Particular attention is paid to high-level parallel programming using Python and the BSP model. We explain the basics of BSP and how it differs from other parallel programming tools like MPI. Thereafter we present an application of Python and BSP for solving a partial differential equation from computational science, utilizing high-level design of libraries and mixed-language (Python–C or Python–Fortran) programming.     

基于BSP模型的大规模线性规划并行算法研究

在许多实际工程问题中经常遇到一些大型线形规划问题，通常的计算过程需要占用大量的计算时间，效率低下。文中提出了一种基于BSP模型的大规模线性规划并行算法——修正单纯形并行算法，分析了其代价函数和加速比，在所研制的集群计算机上进行了实现和测试。结果表明：当问题规模比较大时，此并行算法能获得较好的加速比。     

Practical Considerations of Parallel Simulations and Architecture Independent Parallel Algorithm Design

We examine combinatorial properties of a class of hash functions and its application to the simulations of classical models of parallel computation on other models, such as theBSPand theS*PRAM, optimally in communication to within additive lower order terms. The BSP model can serve as a programming paradigm as well; we also examine the implications of architecture independent parallel algorithm design in the context of the BSP model and show how it can lead to portable and scalable implementations of algorithms that can work on a multiplicity of hardware platforms with only recompilation of the source program code. Toward this end, dense Cholesky factorization algorithms are presented and their performance on three parallel hardware platforms, an SGI Power Challenge, IBM SP2, and Cray T3D, is examined and analyzed.     

一个可预测并行程序效率的评价模型

并行程序的性能分析,特别是效率分析 往往需要程序在实际运行后,根据实验结果再对并行算法进行优化,或改变数据的分配策略, 甚至重新选择并行算法.结合通用并行计算模型BSP(bulk-synchronous parallel),提出一 种有效的并行程序效率评测模型,使得程序员在设计、分析阶段即可对程序效率进行分析和 评估,并据此进一步优化程序.实验结果表明,该模型的预测是精确的.     

一种异步BSP模型及其程序优化技术

基于BSP模型，该文提出了异步计算模型（CSA－BSP）。该模型更准确地描述了并行机的性能参数，引导用户编写高效率的并行程序，在CSA－BSP模型下，两个进程异步执行的位置至多相差p-1个超步；基于程序的执行时间，作者分析了BSP、A－BSP和CSA－BSP程序的效率，得出CSA－BSP程序的效率是最高的，在曙光并行机上，用“红黑格法”和“矩阵乘法”进行了验证，和BSP模型相比，这两个CSA－BSP程序的效率分别提高20％和37％；同时，其进程执行时间和最大可以降低8％，因此，按照CSA－BSP模型编程对于提高程序效率和改善系统的吞吐率，都有良好的效果。     

NestStep: Nested Parallelism and Virtual Shared Memory for the BSP Model

NestStep is a parallel programming language for the BSP (bulk–synchronous–parallel) model of parallel computation.Extending the classical BSP model, NestStep supports dynamically nested parallelism by nesting of supersteps and a hierarchical processor group concept. Furthermore, NestStep adds a virtual shared memory realization in software, where memory consistency is relaxed to superstep boundaries. Distribution of shared arrays is also supported.A prototype for a subset of NestStep has been implemented based on Java as sequential basis language. The prototype implementation is targeted to a set of Java Virtual Machines coupled by Java socket communication to a virtual parallel computer.