在当前计算机应用中，对快速并行计算的需求是广泛的，归纳起来，主要有三种类型的应用需求：
- 计算密集(Computer-Intensive)型应用，如大型科学project计算与数值模拟；
- 数据密集(Data-Intensive)型应用，如数字图书馆、数据仓库、数据挖掘和计算可视化等；
- 网络密集(Network-Intensive)型应用，如协同工作、遥控和远程医疗诊断等。
并行编程模型主要有三种：适用于共享内存的多线程编程模型。适用于分布内存的消息传递编程模型，混合编程模型。
在计算机系统中。处理器永远都是訪问离自己近期的存储空间速度最快，比方L1 cache->L2->本地节点内存->远程节点内存/磁盘，而各层次的存储容量跟訪问速度恰恰相反。
并行计算中，并行算法的设计是决定性能的关键。有些问题天生具有良好的并行性。比方待处理数据集合能够被较好的去耦，而有些问题则须要复杂的公式推导和转换以适合并行计算。同一时候，还要避免计算过程中可能出现的瓶颈。任务划分要充分考虑负载均衡特别是动态负载均衡，“对等”的思想是维护负载均衡和保持可扩展性的关键之中的一个，即在设计时尽量避免使用Master/Slave和Client/Server的模式。
1.并行机的体系
并行机的发展从SIMD到MIMD。衍生除了四种经典的体系结构模式：SMP（Symmetric Shared-Memory Multiprocessor。比方经常使用的多核机。可扩展性较差。处理器数目8~16个），DSM（Distributed Shared-Memory。物理存储器分布于各个处理节点，而逻辑地址空间採用统一编址，因此属于共享存储。訪存时间受限于网络带宽）。MPP（Massive Parallel Processor。由成百上千台处理机组成的大规模系统，国家综合实力的象征。。）。机群系统（Cluster。互联的同构或异构的独立计算机的集合体，每一个节点都有自己的存储器、I/O、操作系统，能够作为单机使用，节点之间採用商品网络互联，灵活性较强）。
硬件：多核CPU(Intel, AMD)， GPU(Nvidia)， CellBe（Sony&Toshiba&IBM -> game，包括一个主处理单元和8个协处理单元）
概念：数据总线 地址总线 控制总线 （寄存器）位数
2.并行编程模型和工具
– MPI –
MPI(Message Passing Interface)是一种消息传递编程模型。服务于进程通信。它不特指某一个对它的实现，而是一种标准和规范的代表，它是一种库描写叙述，而不是一种语言，易于使用且具有高可移植性。说白了就是一些编程接口。
– OpenMP –
Open Multi-Processing是适用于共享内存多处理器体系结构的可移植并行编程模型。接口由SGI公司发起。
包括编译指导、执行函数库和环境变量三部分，具有串行等价性（不管使用一个还是多个线程执行一个程序，都带来同样的结果，更易于维护和理解）和增量并行性（处理器从一个串行程序開始，一块接着一块的寻找那些值得并行化的代码段）。
OpenMPI的执行模型採用Fork-Join形式。即主线程-从线程。减少了并行编程的难度和复杂度。
编译器指导语句，visio studio支持，使得OpenMP既能够被看做并行程序也能够被看做串行程序，或者在保持串行程序部分不变的情况下，用户能够方便地将串行程序改写成并行程序。
– MapReduce –
Google。PageRank倒排表索引的构建。
Map把输入Input分解成中间的Key/Value对，Reduce把Key/Value合成终于输出Output。
– Hadoop –
MapReduce的开源版本号。HFDS，NameNode（JobTracker），DataNode（TaskTracker），集群架构。
– CUDA –
Nvidia公司开发的GPU并行计算工具。
– CellBe –
CellBe的主要目标是将PlayStation2的处理器性能提高10倍，2006年IBM还推出了Cell刀片计算机系统。
參考文献：《并行计算机编程基础》& CUDA课程