COMPUTAÇÃO PARALELA

A computação paralela tem sido amplamente utilizada desde os anos 2000

quando a pioneira IBM (também criadora do primeiro computador pessoal) lançou seu
primeiro processador de múltiplos núcleos o IBM Power4, lançado em 2001.
Entretanto, o conceito já existia há vários anos, desde o final da década de 1950
quando já se temia que um computador único não iria ser capaz de atender à
crescente demanda por poder de processamento que estava surgindo por conta de “n”
fatores como, por exemplo, na física quântica, modelagem climática, genômica e até
em jogos.

Basicamente, o que a computação paralela faz é quebrar uma tarefa grande e

complexa em partes menores no intuito de acelerar o tratamento de um grande volume
de dados diminuindo o tempo de processamento. Isso ocorre, pois na computação
paralela existem vários computadores interligados e cada um deles possui vários
processadores (múltiplos núcleos) que trabalhando paralelamente de forma
independente solucionam estas partes do mesmo problema e depois juntam estes
dados em um único computador para exibição dos resultados. Em geral, quanto maior
o número de núcleos e a frequência, melhor o desempenho. Um ótimo exemplo da
necessidade da computação paralela seria um estudo detalhado do clima,
mais precisamente do aquecimento global onde, qualquer que fosse o instituto que
desejasse analisar esse grande volume de dados se veria obrigado a usar essa
tecnologia que é composta por dois tipos distintos;
os Multiprocessadores (Multiprocessors) onde vários processadores estão acessando
fisicamente uma única memória conhecida como memória compartilhada, ideal para
cargas de trabalho que requerem comunicação frequente entre os processadores e
compartilhamento de dados e os do tipo que utilizam uma Memória Distribuída, como
é o caso dos Multicomputadores (Multicomputers) ou Clusters que por sua vez,
possuem características próprias como modelo e velocidade da CPU, podem terminar
suas partes da tarefa antes dos demais e assim ficarem ociosos por um tempo,
entretanto, como cada computador tem sua própria memória e pode executar tarefas
separadamente isso não afetaria os demais e seriam ideais quando tal como na
sequência de Fibonacci onde para calcularmos cada número da sequência (1, 1, 2, 3,
5, 8, 13…) dependemos do resultado dos dois termos anteriores, um algoritmo que
calcule a série não é naturalmente paralelizável e não tem ganhos de desempenho
significativos em um chip multi-core.

Desta forma, o real desafio é saber escolher e estruturar o tipo correto de

computador paralelo para cada situação, uma vez que os multiprocessadores são
indicados para tarefas que requerem comunicação frequente entre processadores e
compartilhamento de memória, algo comum em áreas como simulações de física
quântica enquanto os multicomputadores são ideais para cargas de trabalho
escaláveis e tarefas que exigem isolamento de tarefas como, por exemplo, aplicações
de modelagem climática e análise genômica que requerem controle preciso do
ambiente de execução.