基於MPI的大數據高性能計算導論(簡體書)
- 系列名:數據科學與工程技術叢書
- ISBN13:9787111602149
- 出版社:機械工業出版社
- 作者:(法)弗蘭克‧尼爾森
- 譯者:張偉哲
- 裝訂/頁數:平裝/217頁
- 規格:26.0cm*18.5cm (高/寬)
- 版次:一版
- 出版日:2018/07/18
商品簡介
目次
譯者序
前言
致謝
第一部分基於消息傳遞接口的高性能計算
第1章走進高性能計算
1.1什麼是高性能計算
1.2為什麼我們需要HPC
1.3大數據:四個特性(數據量、多樣性、生成速度、價值)
1.4並行編程範式:MPI和MapReduce
1.5粒度:細粒度並行與粗粒度並行
1.6超級計算架構:內存和網絡
1.7加速比
1.7.1擴展性和等效率分析
1.7.2Amdahl定律:描述數據規模固定時漸近加速比的變化趨勢
1.7.3Gustafson定律:可擴展的加速比,隨著資源的增加不斷擴大數據量
1.7.4在串行計算機上模擬並行機
1.7.5大數據和並行輸入/輸出
1.8關於分布式系統的八個常見誤區
1.9注釋和參考
1.10總結
1.11練習
參考文獻
第2章MPI簡介:消息傳遞接口
2.1基於MPI的並行程序設計:基於消息通信
2.2並行編程模型、線程和進程
2.3進程之間的全域通信
2.3.1四個基本的MPI原語:廣播、收集、歸約和全交換
2.3.2阻塞與非阻塞和同步與異步通信
2.3.3阻塞通信產生的死鎖
2.3.4併發性:局部計算可以與通信重疊執行
2.3.5單向與雙向通信
2.3.6MPI中的全域計算:歸約和並行前綴(掃描)
2.3.7採用通信器定義通信組
2.4同步屏障:進程的交匯點
2.4.1MPI中的一個同步示例:測量運行時間
2.4.2整體同步並行計算模型
2.5開始使用MPI:使用OpenMPI
2.5.1用MPI C++編寫“Hello World”程序
2.5.2用C綁定進行MPI編程
2.5.3通過C++ Boost使用MPI
2.6通過OpenMP使用MPI
2.7MPI中的主要原語
2.7.1廣播、散播、收集、歸約和全歸約的MPI語法
2.7.2其餘混雜的MPI原語
2.8環形拓撲上利用MPI進行的通信
2.9MPI程序示例及其加速比分析
2.9.1MPI中的矩陣向量積
2.9.2MPI歸約操作示例:計算數組的階乘和最小值
2.9.3MonteCarlo隨機積分算法估算π
2.9.4MonteCarlo隨機積分算法估算分子體積
2.10注釋和參考
2.11總結
2.12練習
參考文獻
第3章互聯網絡的拓撲結構
3.1兩個重要概念:靜態與動態網絡,以及邏輯與物理網絡
3.2互聯網絡:圖建模
3.3一些描述拓撲結構的屬性
3.3.1度和直徑
3.3.2連通性和對分
3.3.3一個好的網絡拓撲結構的標準
3.4常見的拓撲結構:簡單的靜態網絡
3.4.1完全圖:團
3.4.2星形圖
3.4.3環和帶弦環
3.4.4網(網格)與環面簇(環面的集合)
3.4.5三維立方體與循環連接立方體
3.4.6樹與胖樹
3.5超立方體拓撲結構以及使用格雷碼進行節點標識
3.5.1超立方體的遞歸構造
3.5.2使用格雷碼對超立方體節點編號
3.5.3使用C++生成格雷碼
3.5.4格雷碼和二進制碼的相互轉換
3.5.5圖的笛卡兒乘積
3.6一些拓撲結構上的通信算法
3.6.1有向環上的通信原語
3.6.2超立方體上的廣播:樹狀通信
3.7將(邏輯)拓撲結構嵌入到其他(物理)拓撲結構中
3.8複雜規則拓撲結構
3.9芯片上的互聯網絡
3.10注釋和參考
3.11總結
參考文獻
第4章並行排序
4.1串行排序快速回顧
4.1.1主要的串行排序算法
4.1.2排序的複雜性:下界
4.2通過合併列表實現並行排序
4.3利用秩實現並行排序
4.4並行快速排序
4.5超快速排序
4.6正則採樣並行排序
4.7基於網格的排序:ShearSort
4.8使用比較網絡排序:奇偶排序
4.9使用比較網絡合併有序列表
4.10雙調歸併排序
4.11注釋和參考
4.12總結
4.13練習
參考文獻
第5章並行線性代數
5.1分布式線性代數
5.1.1數據科學中的線性代數
5.1.2經典線性代數
5.1.3矩陣向量乘法:y=Ax
5.1.4並行數據模式
5.2有向環拓撲上的矩陣向量乘積
5.3網格上的矩陣乘法:外積算法
5.4二維環面拓撲上的矩陣乘積
5.4.1Cannon算法
5.4.2Fox算法:廣播相乘循環移位矩陣乘積
5.4.3Snyder算法:在對角線上進行本地乘積累加
5.4.4Cannon、Fox和Snyder算法的比較
5.5注釋和參考
5.6總結
5.7練習
參考文獻
第6章MapReduce範式
6.1快速處理大數據的挑戰
6.2MapReduce的基本原理
6.2.1map和reduce過程
6.2.2歷史視角:函數式編程語言中的map和reduce
6.3數據類型和MapReduce機制
6.4MapReduce在C ++中的完整示例
6.5啟動MapReduce作業和MapReduce架構概述
6.6基於MRMPI庫在MPI中使用MapReduce
6.7注釋和參考
6.8總結
參考文獻
第二部分面向數據科學的高性能計算
第7章基於k均值的劃分聚類
7.1探索性數據分析與聚類
7.1.1硬聚類:劃分數據集
7.1.2成本函數和模型聚類
7.2k均值目標函數
7.2.1重寫k均值成本函數以對聚類效果進行雙重解釋:聚類簇內數據或分離簇間數據
7.2.2k均值優化問題的複雜性和可計算性
7.3Lloyd批量k均值局部啟發式方法
7.4基於全域啟發式的k均值初始化方法
7.4.1基於隨機種子的初始化方法
7.4.2全域k均值:最佳貪心初始化
7.4.3kmeans ++:一種簡單的概率保證的初始化方法
7.5k均值向量量化中的應用
7.5.1向量量化
7.5.2Lloyd的局部最小值和穩定Voronoi劃分
7.6k均值的物理解釋:慣性分解
7.7k均值中k的選擇:模型選擇
7.7.1基於肘部法則的模型選擇
7.7.2模型選擇:用k解釋方差減少
7.8集群上的並行k均值聚類
7.9評估聚類劃分
7.9.1蘭德指數
7.9.2歸一化互信息
7.10注釋和參考
7.11總結
主題書展
更多主題書展
更多書展本週66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。
特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。
無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。
為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。