Внимание ! Вопросы к тесту выложены исключительно в ознакомительных целях: количество вопросов может не совпадать с действительным, актуальность не поддерживается,- за решением теста Welcome to the cashier! Вычислительные системы с распределенной памятью:
могут состоять из вычислительных узлов, являющихся системами с общей памятью позволяют эффективно решать задачи, требующие интенсивного взаимодействия между вычислительными узлами обеспечивают линейное ускорение при увеличении числа используемых для расчета узлов
В настоящее время большую вычислительную мощность предоставляют:
вычислительные системы с распределенной памятью вычислительные системы с общей памятью калькуляторы
Вычислительные системы с общей памятью:
могут использоваться для передачи данных между городами могут быть составными частями систем с распределенной памятью масштабируются лучше систем с распределенной памятью
В высокопроизводительных вычислительных системах с распределенной памятью:
для передачи данных между процессорами используют электронную почту вся используемая для решения задачи оперативная память непосредственно доступна каждому из процессоров для передачи данных между процессорами используют функции передачи сообщений
Семафоры необходимы:
для синхронизации процессов выполняющихся на вычислительных системах с общей памятью для передачи данных между процессорами являются локальными переменными
Буферизация при асинхронной передаче данных необходима для:
уменьшения объемов используемой памяти сокращения времени передачи сообщений сокращения общего времени взаимных ожиданий
В кластерной вычислительной системе время передачи данных между процессорами определяется:
латентностью среды передачи данных и объемом передаваемых данных типом элементов передаваемых данных расстоянием между вычислительными узлами
Для передачи массива между процессорными узлами системы с распределенной памятью:
следует передавать данные поэлементно следует использовать семафоры следует передавать данные одним блоком
Совмещение вычислений и операций передачи данных:
невозможно возможно при использовании синхронных операций передачи данных возможно при использовании асинхронных операций передачи данных
Лишние, по отношению к наилучшему последовательному алгоритму, операции параллельного алгоритма могут приводить:
к сокращению времени решения задачи на многопроцессорной системе к увеличению времени решения задачи на многопроцессорной системе не влияют на время выполнения
Ускорение большее, чем число используемых процессоров:
достижимо, если сравнение выполняется с неудачным последовательным алгоритмом недостижимо может достигаться, если в вычислительной системе повторный доступ к данным осуществляется за меньшее время, чем первоначальный
Суперкомпьютеры предназначены:
для обработки больших объемов данных для решения вычислительно сложных задач для обеспечения рабочих мест на предприятиях производства электроэнергии
С помощью алгоритма сдваивания можно найти сумму элементов массива:
за время пропорциональное логарифму от числа элементов за время пропорциональное квадрату числа элементов нельзя найти сумму элементов массива
Как связано самое быстрое решение вычислительной задачи с количеством используемых процессоров?
в большинстве случаев, чем больше процессоров, тем быстрее возможно решить задачу зависит от особенностей конкретной задачи чем больше процессоров, тем сложнее решить задачу за время, требуемое идеальному однопроцессорному алгоритму на ее решение чем больше процессоров, тем быстрее возможно решить задачу время решения вычислительной задачи не зависит от числа используемых процессоров
Сокращение времени выполнения программы на многопроцессорной системе может быть обусловлено:
возможностью размещения всех необходимых данных в оперативной памяти равномерностью распределения по процессорам вычислительных операций высоким значением отношения стоимости многопроцессорной вычислительной системы к стоимости персонального компьютера
Увеличение числа используемых процессоров приводит к сокращению времени вычислений:
при выполнении параллельной программы учитывающей архитектуру используемой вычислительной системы при условии одинаковости тактовых частот процессоров при выполнении любой программы
Хороший параллельный алгоритм:
обладает низким уровнем накладных расходов позволяет, при наличии нескольких процессоров решить задачу быстрее, чем последовательный алгоритм не требует взаимодействия между процессорами
Задача балансировки загрузки процессоров может решаться на этапе:
разработки параллельного алгоритма запуска задачи на счет выполнения расчета
Статическая балансировка загрузки применима:
при одинаковой производительности вычислительных узлов при неизменной во времени производительности вычислительных узлов при возможности выделения каждому из процессоров одинакового объема вычислений
Динамическая балансировка загрузки требует:
меньших накладных расходов, чем статическая балансировка периодического выключения и включения питания вычислительных узлов выполнения во время расчета действий по принятию решения о том, на каком именно процессоре будут выполняться очередные вычислительные операции
Максимальное число процессоров, эффективное использование которых возможно при построении стены Фокса методом геометрического параллелизма, не превышает:
высоты стены ширины стены (числа кирпичей в её основании) общего числа кирпичей в стене
Метод геометрического параллелизма является:
методом статической балансировки процессоров методом построения параллельных программ способом анализа эффективности многопроцессорных систем
Для построения стены Фокса:
может быть использован метод геометрического параллелизма может быть использован метод сдваивания требуется взаимодействие каждого из используемых процессоров с каждым
Метод коллективного решения:
является методом статической балансировки загрузки используется при совместной работе над проектом нескольких программистов может обеспечить эффективное решение множества независимых друг от друга задач, каждая из которых требует для своей обработки разного времени
Ускорение, достигаемое при использовании метода коллективного решения, ограничена:
латентностью каналов межпроцессорной связи отношением времени решения элементарного задания к суммарному времени обмена связанными с ним данными между процессором-мастером и обрабатывающим процессором числом доступных процессоров
Метод коллективного решения применим:
при решении сильно связанных задач, например, при решении систем линейных уравнений при решении сельскохозяйственных и аграрных задач при решении большого числа взаимно независимых вычислительно сложных заданий, каждое из которых описывается маленьким объемом данных
Метод конвейерного параллелизма:
эффективен при создании вычислительных устройств специализированной архитектуры, обладающей низкими затратами на передачу данных между вычислительными устройствами не предполагает взаимодействия между процессорами эффективен при решении слабосвязанных задач
Метод конвейерного параллелизма:
приводит к тому, что эффективная производительность каждого из задействованных процессоров не превосходит производительности самого медленного процессора используется в автомобильной промышленности является методом динамической балансировки загрузки
Максимальное число процессоров, эффективное использование которых возможно при построении стены Фокса методом конвейерного параллелизма, не превышает:
общего числа кирпичей в стене высоты стены ширины стены (числа кирпичей в её основании)
Укрупнение заданий, единовременно передаваемых на обработку в методе коллективного решения:
может приводить к увеличению дисбаланса распределения по процессорам вычислительной нагрузки приводит к сокращению затрат на взаимодействие между процессорами приводит к увеличению общего объема передаваемых между процессорами данных
К накладным расходам, снижающим эффективность параллельных алгоритмов, относятся:
затраты времени на взаимное ожидание процессорами друг друга затраты на охлаждение вычислительной системы затраты времени на передачу данных между процессорами
Дублирование вычислений:
может способствовать снижению времени выполнения вычислений на многопроцессорной системе может способствовать снижению объемов передаваемых между процессорами данных снижает эффективность параллельного алгоритма
Алгоритму пузырьковой сортировки в наихудшем случае наиболее точно соответствует оценка числа операций:
O(n) O(n^2) O(n*log(n))
Алгоритму быстрой сортировки в наихудшем случае наиболее точно соответствует оценка числа операций:
O(n*log(n)) O(n) O(n^2)
Алгоритму сортировки слиянием в наихудшем случае наиболее точно соответствует оценка числа операций:
O(n*log(n)) O(log(n)) O(n)
При упорядочивании массива из N элементов с помощью пирамидальной сортировки:
при сортировке уже упорядоченного массива число операций пропорционально N необходимо использование дополнительной памяти для хранения N элементов число операций в худшем случае пропорционально N*log(N)
При сортировке слиянием массива из N элементов:
необходимо использование дополнительной памяти для хранения N элементов объем сортируемых данных ограничен оперативной памятью одного вычислительного узла ускорение пропорционально числу используемых процессоров
Как соотносятся времена сортировки одного и того же массива с помощью алгоритмов простой вставки и слияния:
алгоритм слияния всегда выполняется не медленнее, чем алгоритм простой вставки алгоритм слияния всегда выполняется не быстрее, чем алгоритм простой вставки зависит от числа элементов в сортируемом массиве
Что такое упорядоченная пирамида:
пирамида называется упорядоченной, если вес любого корня не меньше веса его потомков пирамида называется упорядоченной, если для любого корня вес левого потомка не меньше веса правого потомка пирамида называется упорядоченной, если вес любой вершины на уровне k не меньше веса любой вершины на уровне k-1
Что такое пирамида:
сбалансированное бинарное дерево, в котором левый потомок любого узла не ниже правого потомка бинарное дерево в котором левый потомок любого узла не ниже правого потомка сбалансированное бинарное дерево, в котором значение любого корня не меньше, чем значения его непосредственных потомков
Что такое сбалансированное бинарное дерево:
бинарное дерево называют сбалансированным, если потомки любого его корня отличаются по высоте не более чем на 1 бинарное дерево называют сбалансированным, если суммарный вес вершин дерева с корнем в левом потомке отличается не более чем на 1 от суммарного веса вершин дерева с корнем в правом потомке для любой вершины дерева бинарное дерево называют сбалансированным, если число вершин дерева с корнем в левом потомке отличается не более чем на 1 от числа вершин дерева с корнем в правом потомке для любой вершины дерева
Использование гибридных методов сортировки позволяет:
сократить число выполняемых операций сократить время выполнения сортировки увеличивает время выполнения алгоритма за счет его усложнения
Сверхлинейное ускорение возможно за счет:
невозможно при сравнении с неэффективным последовательным алгоритмом более эффективного использования аппаратных особенностей вычислительной системы при уменьшении объема обрабатываемых на каждом из процессоров данных
Верно ли, что:
рассмотренный алгоритм гибридной сортировки на основе методов слияния и пирамидальной сортировки является самым быстрым из возможных последовательных алгоритмов число операций пирамидальной сортировки массива из n элементов на вычислительной системе с неограниченной памятью пропорционально n*log(n) время выполнения пирамидальной сортировки массива из n элементов на вычислительной системе с неограниченной памятью пропорционально n*log(n) при наличии ограниченной кеш памяти
Укажите наиболее точную оценку числа тактов необходимых для упорядочивания 1 000 000 элементов массива методом пирамидальной сортировки, если операция сравнения и перестановки двух элементов занимает 1 такт:
6 000 000 1 000 000 000 000 1 000 000
Укажите наиболее точную оценку числа тактов необходимых в лучшем случае для упорядочивания 1 000 000 элементов массива методом пузырька сортировки, если операция сравнения и перестановки двух элементов занимает 1 такт:
6 000 000 1 000 000 1 000 000 000 000
Укажите наиболее точную оценку числа тактов необходимых в худшем случае для упорядочивания 1000000 элементов массива методом быстрой сортировки, если операция сравнения и перестановки двух элементов занимает 1 такт:
1 000 000 6 000 000 1 000 000 000 000
Верно ли что:
для построения сети сортировки Бетчера необходима многопроцессорная система сети сортировки на системах с общей памятью выполняются эффективнее, чем на системах с распределенной памятью блоки данных, размещенные на каждом из процессоров при упорядочивании сетью сортировки со слиянием Бэтчера должны быть одинакового размера
Верно ли что:
при больших объемах сортируемых данных алгоритм сортировки слиянием менее чувствителен к размеру кэш памяти, чем алгоритм пирамидальной сортировки известен алгоритм построения минимальных по числу шагов сетей сортировки для любого числа процессоров сети сортировки обеспечивают возможность построения эффективных параллельных алгоритмов сортировки
Верно ли что:
из того, что оценки времен выполнения двух алгоритмов A1 и A2 находятся в отношении O(A1)< O(A2) следует, что время выполнения первого алгоритма будет меньше, чем время выполнения второго алгоритма последовательность выполнения операций компараторов-слияния в сети сортировки не зависит от упорядоченности элементов исходного массива в общем случае сети сортировки эффективны при выполнении на одном процессоре
Число шагов выполнения компараторов сортировки-слияния при использовании нечетно-четного слияния Бэтчера на p процессорах оценивается как:
p*log2(p) log2(p) 0.5*(log2(p))2
Общее время сортировки n элементов методом нечетно-четного слияния Бэтчера на p процессорах оценивается как:
Число операций выполняемых одним компаратором сортировки-слияния на одном процессоре оценивается как:
2*(n/p) (n/p)*log2(n/p) (n/p)
Принцип нулей и единиц применим для доказательства правильности алгоритмов сортировки:
поразрядных сортировок любых сортировок основанных на сравнениях-перестановках, в том числе на сетях
Во сколько раз в среднем сократится объем передаваемых данных при использовании алгоритма предварительного анализа числа элементов, передать которые необходимо для выполнения одной операции компаратора слияния:
в 4 раза не сократится в 2 раза
Эффективность параллельного алгоритма сортировки n элементов на p процессорах с помощью сетей нечетно-четного слияния Бэтчера в предположении нулевой латентности и нулевого времени на передачу данных равна:
оценивается как 1/(log p) оценивается как log n/(log p)2 близка к 100%
Отметьте сети, правильно сортирующие любой массив из 4-х элементов с помощью компараторов слияния (a,b) выполняющих сравнение-перестановку элементов с номерами a и b:
Отметьте сети, правильно сортирующие любой массив из 4-х элементов с помощью компараторов слияния (a,b) выполняющих сравнение-перестановку элементов с номерами a и b:
Отметьте сети, правильно сортирующие любой массив из 4-х элементов с помощью компараторов слияния (a,b) выполняющих сравнение-перестановку элементов с номерами a и b:
Какое минимальное количество параллельных шагов необходимо для сортировки с помощью сети (0-1), (2-3), (1-2), (0-1), (2-3), (1-2):
6 4 3
Какое минимальное количество параллельных шагов необходимо для сортировки с помощью сети (0-1), (1-2), (2-3), (0-1), (1-2), (0-1):
3 5 6
Какое минимальное количество параллельных шагов необходимо для сортировки с помощью сети (0-1), (2-3), (0-2), (1-3), (1-2):
4 5 3
Чему равен период генератора u[i+1]=(5* u[i]+7) mod 16, i>0:
зависит от значения u[0] 16 7
Чему равен период генератора (5*u[i]+2) mod 8:
7 6 8 9
Чему равен период генератора u[i+1]=(3* u[i]+2) mod 8, i>0:
зависит от значения u[0] 8 7
Чему равен период генератора xk mod (x4+x+1):
16 4 15
Чему равен период генератора xk mod (x2+x+1):
4 2 3
Чему равен период генератора xk mod (x2+1), x>1?
1 5 3 4 2
Чему равно u[33], если u[i+1]=(1 * u[i]+3) mod 5 при u[0]=3:
1 2 0
Чему равно u[34], если u[i+1]=(5 * u[i]+1) mod 32 при u[0]=0
15 6 16
Чему равно u[134], если u[i+1]=(2 * u[i]+2) mod 16 при u[0]=6
6 14 правильного ответа нет
Чему равно x32 mod (x4+x+1):
1 x2 x
Чему равно x12 mod (x2+1):
x2 x 1
Чему равно x10 mod (x2+x+1):
х x2 x+1
Справедливо ли, что:
точки, имеющие координаты x[i]=(a* u[2*i]+c) mod M и y[i]=(a* u[2*i+1]+c) mod M, расположены на небольшом, по сравнению с M, количестве параллельных прямых период генератора { xk mod G(x) }, где G(x) – полином степени k может иметь период 2k период линейно-конгруэнтного генератора { u[i]=(a* u[2*i]+c) mod M } всегда меньше M
За какое время можно вычислить значение любого { xi mod G(x) }, где G(x) – полином степени k?
за время, пропорциональное i за время, равное времени вычисления x100 mod G(x) за время, пропорциональное log(i)
Отметьте за какое время можно ли вычислить значение любого u[k]=(a* u[k-1]+c) mod M.
за время, пропорциональное k за время, равное времени вычисления u[100] за время, пропорциональное log(k)
Верно ли, что использование генератора, основанного на физических принципах, а не на рекуррентных соотношениях, гарантирует, что:
будет обеспечена возможность формирования разных последовательностей на разных процессорах будет обеспечена воспроизводимость результатов при разных запусках на одном и том же процессоре будет сформирована последовательность высокого, с точки зрения батареи тестов Diehard, качества
Верно ли, что для многопроцессорных систем важны следующие свойства генераторов псевдослучайных чисел:
возможность согласованной генерации разных фрагментов одной последовательности на разных вычислительных узлах воспроизводимость результатов при разных запусках программы возможность формирование последовательности, длина которой превышает 232 элементов
Верно ли, что для многопроцессорных систем важны следующие свойства генераторов псевдослучайных чисел:
успешное прохождение батареи тестов Diehard гарантирует применимость последовательности для решения прикладных задач одна и та же последовательность может быть сформирована с помощью каждого из трех методов: 1) M-последовательностей, 2) генератора на сдвиговом регистре, 3) генератора на основе примитивных полиномов для тестирования последовательности с помощью батареи тестов Diehard необходима многопроцессорная система
Метод геометрического параллелизма для интегрировании функции с заданной точностью эффективен:
если отрезок интегрирования может быть априори разбит на фрагменты, обработка которых может быть выполнена за одинаковое время при интегрировании любой достаточно сложной функции при определении интеграла на системе с распределенной памятью
Низкая эффективность метода геометрического параллелизма для интегрировании функции с заданной точностью обусловлена:
необходимостью выполнения разного объёма вычислений на разных фрагментах отрезка интегрирования невозможностью априорной оценки числа и мест расположения точек вычисления функций, обеспечивающих заданную точность сложностью использования метода геометрического параллелизма на системах с общей памятью
Применение метода геометрического параллелизма при интегрировании функции с заданной точностью в общем случае приводит:
к линейному росту ускорения при увеличении числа процессоров к низкой эффективности использования процессоров к несбалансированности загрузки процессоров
Общий объем передаваемых управляющим процессором данных:
пропорционален размеру отрезка интегрирования пропорционален числу элементарных заданий пропорционален числу используемых процессоров
Метод коллективного решения для интегрировании функции с заданной точностью:
всегда эффективнее метода геометрического параллелизма эффективен при определении интеграла функции, вычисление которой в каждой точке требует большого, по сравнению со временем взаимодействия процессоров, времени эффективен, если отрезок интегрирования достаточно велик
Применение метода коллективного решения при интегрировании функции с заданной точностью, в общем случае приводит:
к существенным потерям времени при распределении заданий между процессорами к выполнению большого объема лишних вычислений к линейному росту ускорения при увеличении числа процессоров
Метод глобального стека является:
основан на принципах централизованного управления вычислительным процессом основан на методе геометрического параллелизма методом динамической балансировки загрузки процессоров
Отказ от рекурсивного вызова процедур интегрирования на отрезке позволяет:
обеспечить динамически порождаемый набор распределяемых между процессами заданий уменьшить время вычислений при запуске на одном процессоре уменьшить максимальную глубину стека хранимых заданий
Использование локальных стеков:
обеспечивает взаимодействие между процессами необходимо для сокращения суммарного объема хранимых в каждый момент времени данных позволяет сократить накладные расходы на взаимодействие между процессорами
Алгоритм глобального стека предполагает:
наличие одного ресурса, в котором хранится часть заданий на интегрирование наличие возможности передачи сообщений в асинхронном режиме наличие управляющего процессора
Если в алгоритме глобального стека размер локальных стеков сделать равным 1, то:
работа завершится с ошибкой из-за переполнения глобального стека время вычислений может существенно увеличится по сравнению с однопроцессорным вариантом полученный ответ будет не верным
При использовании метода глобального стека на системе с общей памятью:
необходим процесс, обеспечивающий запись отрезков в глобальный стек (и их чтение из него) необходим семафор, контролирующий наличие в глобальном стеке заданий необходим семафор, запрещающий одновременный доступ к глобальному стеку нескольким процессорам
Выполнение каких условий необходимо для окончания расчета:
глобальный стек пуст вычислены локальные суммы каждый из процессов обработал часть интервалов интегрирования
Если процесс завершит свою работу, обнаружив, что и его локальный стек и глобальный стек пусты, то:
результат обработки не определен будет получен верный ответ, но время решения будет больше, чем могло бы быть полученный ответ будет неверным
Использование упреждающей рассылки элементов ведущей строки на p процессоров:
позволяет сократить общее число вычислительных операций следует выполнять в асинхронном режиме позволяет сократить время вычислений
Ускорение при использование на p процессорах блочной схемы для решения заполненных систем из N линейных уравнений снижается за счет:
несбалансированности нагрузки на процессоры необходимости рассылки значений элементов ведущей строки на все процессоры системы необходимости решения на одном процессоре системы из 2*p уравнений
Использование послойной схемы при решении заполненных систем линейных уравнений позволяет:
увеличивает объем передаваемых между процессорами данных сократить общий объем вычислений равномернее распределить вычисления по процессорам
Применение метода встречной прогонки на двух процессорах обеспечивает эффективность:
близкую к 66% близкую к 100% 3близкую к 50%
Применение метода встречной прогонки на p процессорах при числе уравнений равном p2 обеспечивает эффективность:
порядка 99% порядка 66 % порядка 33%
Ускорение при использование на p процессорах алгоритма прогонки для решения трехдиагональных систем из N линейных уравнений снижается за счет:
необходимости решения на одном процессоре системы из p или 2*p уравнений несбалансированностью нагрузки на процессоры необходимостью рассылки значений элементов ведущей строки на все процессоры системы
С целью сокращения времени выполнения метода Гаусса:
можно использовать назначение на обработку каждым процессором разного числа последовательно расположенных строк можно использовать послойную схему обработки строк необходимо, что бы диагональный элемент очередной ведущей строки был отличен от 0
Алгоритм метода Гаусса:
при выполнении на многопроцессорной системе с общей памятью не требует затрат на взаимную синхронизацию процессоров при выполнении на многопроцессорной системе с общей памятью блочный вариант обладает такой же эффективностью, как и послойный на многопроцессорной системе с общей памятью реализуется проще, чем на многопроцессорной системе с распределенной памятью
число операций при решении трехдиагональной системы из N линейных уравнений методом прогонки пропорционально:
N log(N) N2
Диффузная балансировка загрузки:
применима при решении СЛАУ методом Гаусса применима при последовательном решении множества систем линейных уравнений (СЛАУ), например, при моделировании диффузионных процессов применима при решении СЛАУ методом прогонки
Диффузная балансировка загрузки:
обеспечивает сокращение времени решения задачи сокращает число вычислительных операций выравнивает загрузку процессоров
Диффузная балансировка загрузки:
является методом статической балансировки загрузки процессоров требует дополнительных затрат времени на планирование и перераспределение данных между процессорами направлена на сокращение общего времени выполнения вычислений
Вы можете обратится к нам напрямую, через:
По Skype: molodoyberkut По Telegram: @MolodoyBerkut По ICQ: 657089516