Computacão-108

Prévia do material em texto

Tema 104: Computação Paralela 
A computação paralela envolve a execução simultânea de várias tarefas para resolver 
problemas de grande escala de maneira mais eficiente. Em vez de realizar uma tarefa por vez 
(computação sequencial), a computação paralela divide o problema em partes menores e 
executa essas partes em paralelo, utilizando múltiplos processadores ou núcleos de 
processamento. 
A computação paralela é essencial em diversas áreas, como processamento de grandes volumes 
de dados, simulações científicas e inteligência artificial. Quando realizada corretamente, a 
computação paralela pode resultar em ganhos significativos de desempenho.Modelos de 
Computação Paralela:Computação em Multinúcleo: Com a popularização de processadores 
com múltiplos núcleos, os sistemas modernos têm a capacidade de executar múltiplos processos 
simultaneamente, aproveitando a paralelização ao dividir o trabalho entre os núcleos. Essa 
abordagem é usada em jogos, edição de vídeo e cálculos científicos, onde várias tarefas 
independentes podem ser realizadas em paralelo. 
Computação Distribuída: A computação distribuída envolve a divisão de um problema entre 
vários computadores conectados em uma rede. Cada computador realiza uma parte do trabalho 
e, ao final, os resultados são combinados. Este modelo é utilizado em clusters de servidores, 
como na computação em nuvem, onde múltiplos servidores trabalham em conjunto para 
processar grandes volumes de dados.Computação SIMD e MIMD: Existem dois principais 
paradigmas de paralelismo de dados: 
SIMD (Single Instruction, Multiple Data): Uma única instrução é aplicada a vários dados 
simultaneamente. Isso é usado em processadores gráficos (GPUs) para tarefas como 
renderização de imagens.MIMD (Multiple Instruction, Multiple Data): Diferentes 
processadores executam diferentes instruções sobre diferentes dados. Este modelo é utilizado 
em sistemas de computação de alto desempenho.Desafios da Computação 
Paralela:Sincronização: Quando múltiplos processadores ou núcleos estão acessando os 
mesmos dados, é necessário sincronizar o acesso para evitar conflitos e garantir que o resultado 
seja correto.Divisão de Tarefas: Dividir um problema em subproblemas adequados para a 
execução paralela pode ser desafiador, especialmente quando as tarefas têm dependências 
complexas.A computação paralela está em constante evolução, com novas técnicas e hardware 
sendo desenvolvidos para lidar com tarefas cada vez mais complexas, desde análise de big data 
até simulações de clima e modelagem de proteínas. 
Questões:O que caracteriza a computação paralela? 
o A) A execução de tarefas de maneira sequencial. 
o B) O uso de apenas um processador para resolver um problema. 
o x C) A execução simultânea de várias tarefas. 
o D) A divisão de tarefas de maneira centralizada. 
2. O que significa o modelo de computação SIMD? 
o A) Várias instruções para um dado. 
o B) Vários dados para uma instrução. 
o C) Uma única instrução para vários dados. 
o x D) Múltiplos processadores executando múltiplas instruções. 
3. Qual é um dos principais desafios da computação paralela? 
o A) Aumento da memória disponível. 
o B) Redução da complexidade algorítmica. 
o x C) Sincronização dos dados entre múltiplos processadores. 
o D) Aumento do número de núcleos de processamento.