Read more
Le livre est basé sur deux modèles parallèles représentatifs, à savoir : un programme unique et des données multiples (SPMD) avec tolérance aux pannes et plusieurs programmes et données multiples (MPMD) avec tolérance aux pannes, qui sont utilisés pour évaluer la performance des algorithmes parallèles et distribués. Ces deux modèles ont été appliqués à une grappe de stations de travail en tenant compte des tâches concurrentes, dans le but d'améliorer les performances et la rentabilité des applications parallèles et distribuées. À la fin de chaque tâche, les résultats sont collectés par l'ordinateur principal pour produire les résultats finaux dans un temps d'exécution limité. Les paramètres de performance tels que le temps sériel Sr(p), le temps parallèle T(p), le pourcentage (%) de gain de temps d'exécution, le débit Th(p), la vitesse S(p), l'efficacité E(p), la redondance R(p), l'utilisation U(p) et la qualité Q(p) sont utilisés pour évaluer la performance des algorithmes parallèles et distribués, en utilisant un nombre N de stations de travail dans un environnement de grappe. En fait, les stations de travail sont interconnectées par un réseau local Ethernet d'un débit de 10 mbps ou plus.
About the author
Il Dr. Meesala Sudhir Kumar lavora attualmente presso la SANDIP UNIVERSITY NASHIK, School of Computer Science & Engineering (SOCSE), come professore presso il Dipartimento di Informatica e Ingegneria. La sua carriera di insegnante e industriale si estende per oltre 17 anni in vari college, università e istituzioni di ingegneria e scienze.
