FastFlow er et C ++ parallell programmering rammeverk som tar sikte på å forenkle utviklingen av effektive programmer for flerkjerneplattformer. Nøkkelen visjon FastFlow er at ease-of-utvikling og runtime effektivitet både kan oppnås ved å heve abstraksjonsnivået av designfasen, og dermed gi utviklere med et passende sett av parallelle programmeringsmønstre som effektivt kan kompileres på målet plattformer.
FastFlow er konseptuelt utformet som en stabel av lag som gradvis abstrakt delt minne parallellitet på nivå med kjerner opp til definisjonen av nyttige programmering konstruerer støtter strukturert parallell programmering på cache-sammenhengende delt minne fler- og mange- kjerne arkitekturer og klynger av dem (se http://di.unito.it/fastflow).
Disse arkitekturer inkluderer vare, homogene, flerkjernesystemer som Intel core, AMD K10, etc. FastFlow støtter opprinnelig stream parallellitet siden det implementerer parallell mønstre som data-flow grafer - såkalte streaming nettverk.
kjøretids støtte av FastFlow rammeverket gir en effektiv gjennomføring av Single-Producer-Single-Consumer (SPSC) FIFO køer. FastFlow SPSC køene er lock-fri, vent-fri, og ikke bruke låste operasjoner. Den SPSC køen brukes hovedsakelig som synkronisering mekanisme for minne pekere i en forbruker-produsent mote. Neste tier opp strekker én-til-én køer til mange-til-mange-synkroniseringer og datastrømmer, som er implementert ved hjelp av bare SPSC køer og Arbiter tråder, og dermed gi lock-free vilkår streaming nettverk som krever få eller ingen minne barrierer, og dermed få cache invalidations.
øvre lag, dvs. høyt nivå programmering, gir et programmerings rammeverk basert på parallelle mønstre. Spesielt gir FastFlow FARM, FARM-MED-TILBAKEMELDING (dvs. D & C), PIPELINE, MAP og REDUSERE mønstre, og støtter deres vilkårlig hekkende og komposisjon. Den FastFlow mønster sett kan forlenges ytterligere ved å bygge nye C ++ maler
Hva er nytt i denne utgaven:.
Automatisk kjerne låsing. Nye mønstre (kart, redusere). Forbedret ytelse. Støtte for klynger av SMPS. Mange forbedringer og feilrettinger
Krav :.
Multicore og distribuerte plattformer. Arbeider også med Linux.
Kommentarer ikke funnet