TURBO汇编和高级语言接口技术

当高级语言和汇编语言混合编程时，其接口参数一般通过栈传递。此时在汇编程序中通过ＢＰ取出栈中参数是很麻烦的一件事情。而ＴＵＲＢＯ汇编和高级语言接口时对所传递的参数可以通过名字存取，亦即可为栈中传递的参数指定一名字。这样可避免在计算栈中参数相对ＢＰ变址器偏移量时出现的错误，可有效地提高混合语言编程效率，降低混合语言编程难度。     

TPL与C语言的混合编程方法研究

TPL是IEEE Std 1641 标准提出的新一代面向信号测试语言。与ATLAS不同,TPL是一种嵌入式语言,需要与载语言混合编程使用;文章首先分析了TPL语言的特点和实现难点;接下来,提出了TPL与C语言的混合编程实现方法,设计并实现了一个TPL-C翻译器;最后,文章开发了一个预编译组件,将TPL-C翻译器集成到商业的测试软件开发环境——LabWindows/CVI中;实际应用结果表明,文章设计的TPL-C翻译器和预编译组件实现了TPL与C语言的混合编程,为面向信号测试程序开发提供了一个友好的混合编程环境。     

基于Python的混合语言编程及其实现

Python是一种被广泛使用的脚本语言，它特别适用于混合语言编程的软件开发。本文介绍了Python语言的特点，给出了混合运用Python语言和系统编程语言开发的软件结构，并在此基础上开发了一个类似Logo语言的交互式绘图应用。     

汇编语言与C语言的混合程序设计技术研究

C语言和汇编语言是应用在计算机程序设计中两类具有不同特征的编程语言.在实际的软件开发中,C语言固然有汇编语言所不具备的优越性能,但是当具有对硬件直接的操作或提高软件稳定性等需求时,往往采用这两类语言的混合编程的方式.基于对汇编语言与C语言设计方法的介绍,阐述了3种汇编语言与C语言混合编程的方式,并对这两种编程语言混合编程所存在的关键性问题进行了分析.     

汇编语言与C语言的混合程序设计技术研究

C语言和汇编语言是应用在计算机程序设计中,两类具有不同特征的编程语言.在实际的软件开发中,C语言固然有汇编语言所不具备的优越性能,但是当具有对硬件直接的操作或提高软件稳定性等需求时,往往采用这两类语言的混合编程的方式.基于对汇编语言与C语言设计方法的介绍,阐述了3种汇编语言与C语言混合编程的方式,并对这两种编程语言混合编程所存在的关键性问题进行了分析.     

单片机中C语言与汇编语言的混合编程

汇编语言和C语言是单片机编程中的两种基本语言,两种语言优点各异,要想充分发挥出两种语言的优势,就需要采用对这两种语言的混合编程方法.本为针对这一问题,介绍了以C51系列单片机为例的混合编程的几种基本方式,并且详细阐述了其实现方法和要解决的关键问题.     

WEB开发中的多语言混合编程分析

多语言混合编程是互联网开发中经常运用到的一种技术手段。多语言本身具有简单易掌握、开发成本低、效率高等多种特点,它在web开发中的应用非常普遍。多语言混合编程在web开发应用中的代表是AJAX。本文就主要围绕多语言混合编程在web开发中的相关应用进行分析。     

C与FORTRAN语言混合编程实例程序

众所周知，FORTRAN语言具有强大的科学数字计算功能，但绘图功能不强；而C语言计算功能不强，但它具有良好的移植性和较强的图形功能。在既要大量计算，又要图形处理的场合，将C与FORTRAN两种语言混合编程，优势互补是理想的选择。三混合语言编程的环境混合语言编程（MixedLanguageProgramming），即利用两种以上计算4Jltis言构造原程序，经编译、连接生成可执行程序的过程。这个过程必须在一定的环境中才能进行。1．命名约定和使用的不同。命令约定指编译程序把例行程序的名字放入目标文件之前改变名字的方法。FORTRAN程序被编…     

TMS320C24x的C语言与汇编语言的接口技术

对于TMS320C24x的控制程序的开发，采用C语言和汇编语言混合编辑具有较高的效率。本文阐述了两种语言的接口方式和接口协议，并给出了采用这种接口技术实现混合编程的几种典型应用实例。     

汇编语言与C语言的混合程序设计技术

讨论汇编语言与C语言的混合程序设计技术。在大规模的程序设计中，汇编语言程序与高级语言程序相结合，充分发挥各自的优点，实现两种语言之间的混合编程，是解决实际问题的有效方法。在实际的程序设计中，C语言主程序可以调用汇编语言子程序，汇编语言主程序可以调用C语言子程序，也可以在C语言程序中嵌入汇编语言语句。在汇编语言与C语言的混合编程中，参数的传递、模块的连接以及调用关系的确定是值得注意的关键问题。     

MPI for Python: Performance improvements and MPI-2 extensions

MPI for Python provides bindings of the message passing interface (MPI) standard for the Python programming language and allows any Python program to exploit multiple processors.     

Ubuntu系统中Python 无缝调用C程序的实现

在实际的项目开发中,我们经常需要将Python 和C两者结合起来编程,从而达到高效率的开发与运行的双赢 局面。这就要求我们学会如何在python 程序中调用C程序。本文的目标就是介绍在Ubuntu 系统中,实现python 调用C程序 的具体方法与步骤。     

Scalable hybrid implementation of the Schur complement method for multi-GPU systems

This paper presents a new hybrid solver based on the Schur complement method, in which computations are distributed between multiple CPUs and GPUs. In this solver, the Schur complement is formed either on CPUs (for small problems) or on GPUs (for large problems). The interface system is solved by a new multi-GPU algorithm implementing the conjugate gradient method with explicit preconditioning. Numerical simulations performed on a hybrid multi-core multi-GPU cluster demonstrate scalability and efficiency of the proposed algorithms.     

MPI for Python

MPI for Python provides bindings of the Message Passing Interface (MPI) standard for the Python programming language and allows any Python program to exploit multiple processors. This package is constructed on top of the MPI-1 specification and defines an object-oriented interface which closely follows MPI-2 C++ bindings. It supports point-to-point (sends, receives) and collective (broadcasts, scatters, gathers) communications of general Python objects. Efficiency has been tested in a Beowulf class cluster and satisfying results were obtained. MPI for Python is open source and available for download on the web (http://www.cimec.org.ar/python).     

基于Python语言环境的轻量AOP工具的设计实现

作为众多成功开源软件产品之一的Python程序设计语言,其自身最具鲜明性的是“动态语言”特性与独特的“面向对象模型”系统。而AOP(面向方面编程)技术,作为OOP(面向对象编程)中解决代码耦合度问题的新技术思路,经历了若干年的研究探索后,已经在C 以及Java语言环境中被实现为实用工具。本文将尝试基于Python语言环境,利用其“动态语言”特性与的“面向对象模型”,设计实现一个轻量工具。     

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Python的大规模高性能LBM多相流模拟

Python由于具有丰富的第三方库、开发高效等优点,已成为数据科学、智能科学等应用领域最流行的编程语言之一。Python强调了对科学与工程计算的支持,目前已积累了丰富的科学与工程计算库和工具。例如,SciPy和NumPy等数学库提供了高效的多维数组操作及丰富的数值计算功能。以往,Python主要作为脚本语言,起到连接数值模拟前处理、求解器和后处理的“胶水”功能,以提升数值模拟的自动化处理水平。近年来,国外已有学者尝试采用Python代码实现求解计算功能,并在高性能计算机上开展了超大规模并行计算研究,取得了不错的效果。由于自身特点,高效大规模Python数值模拟的实现和性能优化与传统基于C/C++和Fortran的数值模拟等具有很大的不同。文中实现了国际上首个完全基于Python的大规模并行三维格子玻尔兹曼多相流模拟代码PyLBMFlow,探索了Python大规模高性能计算和性能优化方法。首先,利用NumPy多维数组和通用函数设计实现了LBM流场数据结构和典型计算内核,通过一系列性能优化并对LBM边界处理算法进行重构,大幅提升了Python的计算效率,相对于基准实现,优化后的串行性能提升了两个量级。在此基础上,采用三维流场区域分解方法,基于mpi4py和Cython实现了MPI+OpenMP混合并行;在天河二号超级计算机上成功模拟了基于D3Q19离散方法和Shan-Chen BGK碰撞模型的气液两相流,算例规模达百亿网格,并行规模达1024个结点,并行效率超过90%。     

A Parallel Python library for nonlinear systems

In this paper, we present PyPANCG, a Python library-interface that implements both the conjugate gradient method and the preconditioned conjugate gradient method for solving nonlinear systems. We describe the use of the library and its advantages in order to get fast development. The aim of this library is to develop high performance scientific codes for high-end computers hiding many of the underlying low-level programming complexities from users with the use of a high-level Python interface. The library has been designed for adapting to different stages of the design process, depending on whether the purpose is computational performance or fast development. Experimental results report the performance of our approach on different parallel computers.