OpenMP、MPI 和 MapReduce 对比
来源:互联网 发布:天猫淘宝内部优惠券 编辑:程序博客网 时间:2024/04/29 15:07
OpenMP和MPI是并行编程的两个手段,对比如下:
- OpenMP:线程级(并行粒度);共享存储;隐式(数据分配方式);可扩展性差;
- MPI:进程级;分布式存储;显式;可扩展性好。
MPI虽适合于各种机器,但它的编程模型复杂:
- 需要分析及划分应用程序问题,并将问题映射到分布式进程集合;
- 需要解决通信延迟大和负载不平衡两个主要问题;(重要)
- 调试MPI程序麻烦;
- MPI程序可靠性差,一个进程出问题,整个程序将错误;
与OpenMP,MPI相比,MapReduce的优势
- 自动并行;
- 容错;
- MapReduce学习门槛低。
(转自http://blog.csdn.net/zdy0_2004/article/details/41493897)
MapReduce是一种编程模型,用于大规模数据集(大于1TB)的并行运算。在多核和多处理器、Cell processor以及异构机群上同样有良好的性能。
与MPI相比,MapReduce的优点如下:
1.MapReduce job可以起很多instance,各个instance在计算的过程中互不干扰。比如,用户起了10000个instance,如果集群资源不足,Job不需要等待,可以先执行1000个instance,剩余的等到集群有资源的时候再计算。
2. MapReduce job没有instance间通信开销。
3.如果MapReduce Job的某个instance计算failed,调度系统会自动重试,再次计算,并不影响其他结果,也不需要所有instance重新计算。
与MPI相比,MapReduce的缺点是:MapReduce job的计算的中间结果是以文件形式存储,效率较低。
与MapReduce相比,MPI的优点如下:
1.MPI job在计算的数据都在内存中,不需要存储中间文件,因此效率高。
2.如果集群资源充足,MPI job启动所有instance进行计算,速度快。
但与MapReduce相较,MPI的缺点也比较明显:
1.如果集群资源不够起所有instance,则MPI的job一直等待。
2.如果MPI Job的某个instance计算failed,则所有instance都需要重新计算。
3.MPI的Job instance不能起太多,因为会增加进程间通信的开销。
- OpenMP、MPI 和 MapReduce 对比
- OpenMP、MPI 和 MapReduce 对比
- MPI和MapReduce对比
- OpenMP: OpenMP和MPI比较
- OpenMP和MPI比较
- OpenMP和MPI
- OpenMP和MPI
- 有了OpenMP,MPI,为什么还要MapReduce?
- 并行编程方式:OpenMP + MPI +Mapreduce
- 有了OpenMP,MPI,为什么还要MapReduce?
- 有了OpenMP,MPI,为什么还要MapReduce?
- OpenMP: OpenMP和MPI是并行编程
- MPI和OpenMP优缺点比较
- MPI和OpenMP优缺点比较
- openMP & MPI
- MPI & OpenMP
- MPI & OpenMP
- OpenMP和MPI是并行编程
- 多角化的统一性
- web防止表单重复提交
- wxPython之在GridBagSizer中加入图片
- python爬虫第四次课
- 指向类指针初始化
- OpenMP、MPI 和 MapReduce 对比
- 2017年10月16日面试总结
- 3335 数据结构实验之栈与队列八:栈的基本操作
- 第四次作业
- 【spring源码分析】之启动
- 爬虫实战——批量爬取明星图片(http://www.win4000.com/)
- Java面试题
- IE8浏览器下dom元素不区分name属性大小写问题
- 2017.10.16总结