PARALLEL COMPUTING

Judul               : Parallel Computing (CUDA)
Nama               : Maulana Abdul Azis
NPM               : 56414460
Kelas               : 4IA21
Dosen              : Indra Adi Permana
Mata Kuliah    : Pengantar Komputasi Modern

Definisi Komputer Paralel

Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan memanfaatkan beberapa komputer independen secara bersamaan. Ini umumnya diperlukan saat kapasitas yang diperlukan sangat besar, baik karena harus mengolah data dalam jumlah besar (di industri keuangan, bioinformatika, dll) ataupun karena tuntutan proses komputasi yang banyak. Kasus kedua umum ditemui di kalkulasi numerik untuk menyelesaikan persamaan matematis di bidang fisika (fisika komputasi), kimia (kimia komputasi) dll.

Tujuan Komputer Paralel

Tujuan utama dari pemrograman paralel adalah untuk meningkatkan performa komputasi. Semakin banyak hal yang bisa dilakukan secara bersamaan (dalam waktu yang sama), semakin banyak pekerjaan yang bisa diselesaikan. Analogi yang paling gampang adalah, bila anda dapat merebus air sambil memotong-motong bawang saat anda akan memasak, waktu yang anda butuhkan akan lebih sedikit dibandingkan bila anda mengerjakan hal tersebut secara berurutan (serial). Atau waktu yg anda butuhkan memotong bawang akan lebih sedikit jika anda kerjakan berdua.

Performa dalam pemrograman paralel diukur dari berapa banyak peningkatan kecepatan (speed up) yang diperoleh dalam menggunakan tehnik paralel. Secara informal, bila anda memotong bawang sendirian membutuhkan waktu 1 jam dan dengan bantuan teman, berdua anda bisa melakukannya dalam 1/2 jam maka anda memperoleh peningkatan kecepatan sebanyak 2 kali.

Pemrogramman CUDA GPU

CUDA adalah arsitektur komputasi paralel NVIDIA yang memungkinkan peningkatan dramatis dalam kinerja komputasi dengan memanfaatkan kekuatan GPU (graphics processing unit).

Dengan jutaan CUDA-enabled GPU terjual hingga saat ini, pengembang perangkat lunak, ilmuwan dan peneliti yang menemukan penggunaan yang luas-luas untuk CUDA, termasuk gambar dan pemrosesan video, biologi komputasi dan kimia, simulasi dinamika fluida, CT rekonstruksi citra, analisis seismik, ray tracing , dan masih banyak lagi.

Komputer Paralel menggunakan CUDA

Komputasi berkembang dari “central processing” pada CPU untuk “co-processing” pada CPU dan GPU. Untuk mengaktifkan ini paradigma komputasi baru, NVIDIA menemukan arsitektur komputasi paralel CUDA yang sekarang pengiriman di GeForce, ION Quadro, dan Tesla GPU, mewakili dasar terinstal signifikan untuk pengembang aplikasi. Di pasar konsumen, hampir setiap aplikasi video yang konsumen utama telah, atau akan segera, dipercepat oleh CUDA, termasuk produk dari Teknologi Elemental, MotionDSP dan LoiLo, CUDA telah antusias diterima di bidang penelitian ilmiah. Misalnya, CUDA sekarang mempercepat AMBER, sebuah program simulasi dinamika molekuler digunakan oleh lebih dari 60.000 peneliti dalam dunia akademis dan perusahaan farmasi di seluruh dunia untuk mempercepat penemuan obat baru.

Dan dengan peluncuran terbaru dari Microsoft Windows 7 dan Apple Snow Leopard, komputasi GPU akan mainstream. Dalam sistem operasi baru, GPU tidak hanya akan menjadi prosesor grafis, tetapi juga tujuan paralel prosesor umum dapat diakses oleh aplikasi apapun.

Pengolahan Paralel

Pengolahan informasi yang menekankan pada manipulasi data-data  elemen secara simultan. Tujuan : untuk mempercepat komputasi dari sistem komputer dan menambah jumlah keluaran (troughput) yang dapat dihasilkan dalam jangka waktu tertentu. Komputer Paralel : Komputer yang memiliki kemampuan untuk melakukan pengolahan paralel. Peningkatan throughput dapat dilakukan dengan :

-          Meningkatkan kecepatan operasi

-          Meningkatkan jumlah operasi yang dapat dilakukan dalam satu waktu tertentu (concurrency).

Arsitektur Paralel

Pada penerapannya, konsep komputasi paralel memiliki arsitektur tersendiri. Menurut klasifikasi Flynn, arsitektur komputasi paralel terbagi menjadi empat. Dibawah ini merupakan penjelasan masing-masing arsitekturnya.

-          SISD (Single Instruction Single Data)

-          SIMD (Single Instruction Multiple Data)

-          MISD (Multiple Instruction Single Data)

-          MIMD (Multiple Instructions Multiple Data)

Sumber :

http://student.blog.dinus.ac.id/ajinote/2015/06/15/rangkuman-komputer-paralel/

https://hendraputra270995.wordpress.com/2017/07/11/komputasi-paralel/