Please enable JavaScript.
Coggle requires JavaScript to display documents.
MAPA MENTAL: COMPUTO PARALELO Y DISTRIBUIDO - Coggle Diagram
MAPA MENTAL: COMPUTO PARALELO Y DISTRIBUIDO
Diferencia
Computo Paralelo
Se centra en dividir un problema en partes para resolverlo simultáneamente en varias unidades de procesamiento dentro de una misma máquina.
Procesadores multinúcleo
Computo Distribuido
Distribuye tareas entre múltiples máquinas o nodos, que trabajan en conjunto para resolver un problema.
Sistemas en la nube o redes de computadoras conectadas.
Similitud
Ambos buscan optimizar el tiempo de ejecución de tareas complejas.
Usan varias unidades de procesamiento (núcleos o nodos).
Aumentan la eficiencia en el uso de recursos.
Autor: Carlos Rafael Hdez. Barojas ARQUITECTURA DE COMPUTADORAS 05/11/2024
Fuentes:
https://gc.scalahed.com/recursos/files/r161r/w25041w/introduccionalacomputacionparalela_S5.pdf
https://fi.uaemex.mx/portal/docs/coordinaciones/ICO/planF2/Programacion_e_ingenieria_de_software/Programacion_Paralela_y_Distribuida.pdf
Tipos y clasificación
Por Arquitectura
SISD
(Single Instruction, Single Data): Computación secuencial, sin paralelismo.
SIMD
(Single Instruction, Multiple Data): Ejecuta la misma instrucción en múltiples datos.
MISD
(Multiple Instruction, Single Data): Raro, usado en sistemas específicos.
MIMD
(Multiple Instruction, Multiple Data): Diferentes instrucciones en múltiples datos, común en sistemas distribuidos.
Por Nivel de Paralelismo
Paralelismo a nivel de datos:
Procesa varios datos a la vez (ej. SIMD - Single Instruction, Multiple Data).
Paralelismo a nivel de instrucción:
Ejecuta múltiples instrucciones al mismo tiempo (ej. pipelining en CPU).
Paralelismo a nivel de tarea:
Diferentes tareas son ejecutadas en paralelo (ej. MIMD - Multiple Instruction, Multiple Data).
Aplicaciones
Simulaciones científicas: Modelos climáticos, física de partículas.
Inteligencia artificial y aprendizaje profundo: Procesamiento y entrenamiento de redes neuronales.
Procesamiento de datos masivos (Big Data): Analizar grandes volúmenes de datos en poco tiempo.
Rendering de gráficos: Simulación y efectos visuales en tiempo real en videojuegos y animación.
