Functional decomposition represents

Functional decomposition represents a different and complementary way of thinking about problems. In this approach, the initial focus is on the computation that is to be performed rather than on the data manipulated by the computation. If we are successful in dividing this computation into disjoint tasks, we proceed to examine the data requirements of these tasks. These data requirements may be disjoint, in which case the partition is complete. Alternatively, they may overlap significantly, in which case considerable communication will be required to avoid replication of data. This is often a sign that a domain decomposition approach should be considered instead.

While domain decomposition forms the foundation for most parallel algorithms, functional decomposition is valuable as a different way of thinking about problems. For this reason alone, it should be considered when exploring possible parallel algorithms. A focus on the computations that are to be performed can sometimes reveal structure in a problem, and hence opportunities for optimization, that would not be obvious from a study of data alone.

As an example of a problem for which functional decomposition is most appropriate, consider Algorithm 1.1. This explores a search tree looking for nodes that correspond to ``solutions.'' The algorithm does not have any obvious data structure that can be decomposed. However, a fine-grained partition can be obtained as described in Section 1.4.3. Initially, a single task is created for the root of the tree. A task evaluates its node and then, if that node is not a leaf, creates a new task for each search call (subtree). As illustrated in Figure 1.13, new tasks are created in a wavefront as the search tree is expanded.

ผลลัพธ์ (ไทย) 1:

แยกส่วนประกอบที่ทำงานหมายถึงวิธีคิดเกี่ยวกับปัญหาต่าง ๆ และเพิ่มเติม ในวิธีการนี้ โฟกัสเริ่มต้นเป็นการคำนวณที่จะดำเนินการ มากกว่าข้อมูลที่จัดการ โดยการคำนวณ ถ้าเราจะประสบความสำเร็จในการหารนี้คำนวณลงในตัวงาน เราดำเนินการตรวจสอบข้อมูลข้อกำหนดของงานเหล่านี้ ความต้องการข้อมูลเหล่านี้อาจได้ตัว ในกรณี พาร์ติชันเสร็จสมบูรณ์ หรือ อาจซ้อนกันอย่างมีนัยสำคัญ ซึ่ง สื่อสารจำนวนมากจะต้องหลีกเลี่ยงการจำลองแบบของข้อมูล นี้มักจะเป็นเครื่องหมายว่า วิธีการแยกส่วนประกอบของโดเมนควรแทนด้วย

ขณะมูลนิธิส่วนใหญ่ขนานอัลกอริทึม แบบแยกส่วนประกอบของโดเมน แยกส่วนประกอบหน้าที่ประโยชน์การคิดเกี่ยวกับปัญหาต่าง ๆ ได้ ด้วยเหตุนี้คนเดียว มันควรพิจารณาเมื่ออัลกอริทึมแบบขนานได้สำรวจ เน้นประมวลผลที่ทำบางครั้งสามารถแสดงโครงสร้างปัญหา และดังนั้น โอกาสในการเพิ่มประสิทธิภาพ ซึ่งจะไม่สามารถเห็นได้ชัดจากการศึกษาข้อมูลเพียงอย่างเดียว

เป็นตัวอย่างของปัญหาที่ทำงานแยกส่วนประกอบที่เหมาะสมสุด พิจารณา 1.1 อัลกอริทึม นี้สำรวจต้นไม้ค้นหาโหนดที่สอดคล้องกับ ''โซลูชั่น '' อัลกอริทึมมีโครงสร้างข้อมูลที่ชัดเจนใด ๆ ที่สามารถย่อยสลายไป อย่างไรก็ตาม พาร์ทิชันทรายแป้งละเอียดได้ตามที่อธิบายไว้ในส่วนปรุง 1.4.3 เริ่มต้น มีสร้างงานเดียวสำหรับรากของต้นไม้ งานประเมินของโหนดแล้ว ถ้าโหน โหนดปลายสุด สร้างงานใหม่สำหรับการเรียกแต่ละค้นหา(ทรีย่อย) ดังที่แสดงในรูปที่ 1.13 งานใหม่จะถูกสร้างขึ้นในการส่งเป็นทรีค้นหาจะถูกขยายด้วย

ผลลัพธ์ (ไทย) 2:

แยกออกเป็นส่วนๆเต็มไปด้วยประโยชน์ใช้สอยเป็นวิธีการที่แตกต่างและของสมนาคุณหนึ่งของความคิดเกี่ยวกับปัญหา ในการนี้โฟกัสเริ่มต้นที่อยู่บนมาตรวัดที่จะดำเนินการมากกว่าข้อมูลที่เปลี่ยนแปลงโดยคำนวณได้ ถ้าหากเราจะประสบความสำเร็จในเขาตะนาวศรีมาตรวัดแห่งนี้ในงานไม่ปะติดปะต่อเราจะเดินทางต่อไปเพื่อตรวจสอบข้อมูลที่จำเป็นในการดำเนินการเหล่านี้ข้อมูลที่จำเป็นเหล่านี้อาจไม่ปะติดปะต่อในกรณีที่พาร์ติชันที่จะเสร็จสมบูรณ์ มีทางเลือกสำหรับพวกเขาอาจทับซ้อนกันอย่างเห็นได้ชัดในกรณีที่การสื่อสารมากจะต้องหลีกเลี่ยงการจำลองแบบข้อมูล โรงแรมแห่งนี้คือมักป้ายที่ว่าการแยกออกเป็นส่วนๆโดเมนที่ควรจะได้รับการพิจารณาให้แทน.

ในขณะที่โครงข่ายของข้อมูลโดเมนสร้างพื้นฐานที่มากที่สุดสำหรับอัลกอริธึมแบบคู่ขนานแยกออกเป็นส่วนๆเต็มไปด้วยประโยชน์ใช้สอยเป็นสิ่งที่มีคุณค่าเป็นวิธีการที่แตกต่างของความคิดเกี่ยวกับปัญหา สำหรับเหตุผลนี้คนเดียวควรจะได้รับการพิจารณาให้เป็นเมื่อการสำรวจอัลกอริธึมแบบคู่ขนานที่เป็นไปได้ ในการคำนวณที่จะดำเนินการสามารถแสดงให้เห็นถึงโครงสร้างในการแก้ปัญหาและในบางครั้งอาจเป็นโอกาสทางการขายสำหรับการปรับแต่งดังนั้นจึงไม่เป็นที่ชัดเจนจากการที่มีข้อมูลตามลำพัง.

เป็นตัวอย่างของปัญหาที่แยกออกเป็นส่วนๆเต็มไปด้วยประโยชน์ใช้สอยที่เหมาะสมที่สุดควรพิจารณาอัลกอริธึม 1.1 การค้นหานี้เป็นการสำรวจต้นไม้ที่กำลังมองหาสำหรับโหนดที่ตรงกับ"โซลูชัน"อัลกอริธึมที่ไม่มีโครงสร้างของข้อมูลที่เห็นได้ชัดๆที่สามารถจะเน่า แต่ถึงอย่างไรก็ตามพาร์ติชันเนื้อละเอียดที่สามารถได้รับเช่นที่อธิบายไว้ในส่วน 1.4.3 ในครั้งแรกงานเดียวที่จะถูกสร้างขึ้นสำหรับรากของต้นไม้ งานที่จะประเมินค่าโหนดแล้วหากโหนดที่ไม่ใช่ใบเป็นการสร้างงานใหม่สำหรับการโทรแต่ละการค้นหา(ลำดับชั้นย่อย) ตามที่ได้แสดงไว้ในรูปที่ 1.13 งานใหม่จะถูกสร้างขึ้นใน Wavefront ที่เป็นต้นไม้การค้นหาที่เพิ่มขึ้น.