Processamento Paralelo Hardware Paralelo Universidade Estadual de Santa Cruz Bacharelado em Ciência da Computação Prof. Esbel Tomás Valero Orellana
Portabilidade O principal problema das primeiras maquinas paralelas foi a enorme dificuldade para escrever programas portáveis. Os programas escritos para uma arquitetura não podiam ser executados satisfatoriamente em uma arquitetura diferente. Felizmente, essa situação tem mudado drasticamente, devido ao trabalho de grupos de pessoas em desenvolver padrões para maquinas paralelas (HPF, MPI, ARB).
Portabilidade High Performance Fortran (HPF) Forum Tem desenvolvido um grupo de extensões do Fortran 90, que permitem aos programadores escrever facilmente programas paralelos, O mecanismo principal para alcançar o paralelismo é a divisão dos dados ou paralelismo de dados, O domínio de dados é dividido entre vários processadores e cada um deles realiza as operações sobre o subdomínio de dados correspondente,
Portabilidade High Performance Fortran (HPF) Forum HPF, fornece um conjunto de funções primitivas que permitem distribuir vetores e matrizes convenientemente e operar eles em paralelo, A principal deficiência do HPF, é que muitos algoritmos paralelos não podem ser convertidos em programas eficientes (linguagem de máquina) pelos compiladores atuais.
Portabilidade Message Passing Interface (MPI) Forum Um enfoque completamente inovador na criação de padrões para maquinas paralelas, Não é criada uma nova linguagem, e sem uma biblioteca de funções que podem ser chamadas desde programas em C ou Fortran*, As bases desta biblioteca é um grupo de funções que permitem alcançar o paralelismo através do intercambio de mensagens,
Portabilidade Message Passing Interface (MPI) Forum Intercambio de mensagens é um método poderoso e geral de expressar o paralelismo, A principal deficiência do paradigma MPI é que força ao programador dificultando o a lidar com desenvolvimento, muitos detalhes, (linguagem de montagem para computadores paralelos), Maiores detalhes sobre MPI serão vistos ao longo do curso.
Portabilidade Architecture Review Board - ARB Grupo formado pelos principais fabricantes de hardware (SUN Microsystems, SGI, IBM, Intel); Desenvolveram um padrão aberto (domínio público) para maquinas de memória compartilhada; Application Programming Interfase (API) + diretivas de compilação; A maioria dos detalhes da implementação paralela são deixados ao compilador; Padrão OpenMP, será visto no curso.
Taxonomia de Flynn Existe uma enorme variedade de arquiteturas para máquinas paralelas, tentar classificá-las seguindo um padrão lógico é extremamente difícil, A classificação original para máquinas paralelas, vem dos primórdios de teoria da computação e o conhecida como taxonomia de Flynn, Em 1966 Flynn classificou os sistemas de acordo com o número de fluxos de instruções e o número de fluxos de dados, que estivessem sendo processados simultaneamente.
Taxonomia de Flynn SISD Single Instruction Single Data, um fluxo de instruções e um fluxo de dados, Ex: arquitetura convencional de von Neumann, SIMD Single Instruction Multiple Data, um fluxo de instruções vários fluxos de dados, MISD Multiple Instruction Single Data, vários fluxos de instruções um fluxo de dados, MIMD Multiple Instruction Multiple Data, vários fluxos de instruções vários fluxos de dados, uma coleção de processos autônomos com seus próprios dados.
Taxonomia de Flynn Sistemas SISD Arquitetura de Neumann
Taxonomia de Flynn Sistemas SISD Arquitetura de Neumann O gargalho na arquitetura de Neumann é a transferência de dados entre a memória e a CPU, Não importa quanto aumentarmos a velocidade de execução do processador, a velocidade de execução do programa é limitada pela velocidade do fluxo de informações entre a memória e a CPU, Na atualidade não existem máquinas estritamente von Neumann, algumas mudanças tem sido introduzidas na arquitetura,
Taxonomia de Flynn Sistemas SISD Arquitetura de Neumann Aprimoramentos á arquitetura de Neumann utilização de uma hierarquia de memórias, utilização de memórias cachê, utilização de vários bancos de memórias, uso de pipeline adicionar instruções vetoriais ao conjunto de instruções do processador, (realizam operações com vetores)
Taxonomia de Flynn Sistemas MISD Neumann Modificado Exemplo de Instruções Vetoriais a instrução precisa ser carregada e decodificada 100 vezes, o vetor é processado elemento a elemento FORTRAN 77 do 100 i=1,100 z[i] = x[i] + y[i] 100 continue FORTRAN 90 z[1:100] = x[1:100] + y[1:100] a instrução é carregada e decodificada 1 vez, o vetor é processado como uma entidade
Taxonomia de Flynn Sistemas MISD Neumann Modificado os processadores vetoriais e com pipeline, foram muito populares na busca de um maior poder de computo, a arquitetura deste tipo de processadores tem sido muito estudada e existem compiladores excelentes, entretanto, eles apresentam algumas desvantagens,
Taxonomia de Flynn Sistemas MISD Neumann Modificado Desvantagens: os princípios de vetorização e pipeline não funcionam adequadamente para algoritmos com estruturas de dados irregulares ou programas com grandes quantidades de desvios, na atualidade é impossível escalar estes processadores para aumentar o desempenho, aumentar o tamanho do pipeline??? incrementar as operações vetoriais???,
Taxonomia de Flynn Sistemas SIMD um sistema SIMD puro é composto por: um processador de alto padrão dedicado exclusivamente a funções de controle, uma coleção de processadores mais simples (ULA + memória) subordinados ao processador principal durante um ciclo de instrução, o processador principal envia uma instrução a cada um dos processadores subordinados (broadcast), cada um dos processadores executa a instrução ou permanece inativo,
Taxonomia de Flynn Sistemas SIMD Programa P. CONTROLE Instruções Processador Dados........ Processador....... Dados. Processador Dados
Taxonomia de Flynn Sistemas SIMD Exemplo x, y, z arrays distribuídos em i processadores, de forma que o processador i contem o i-esimo elemento de cada array, a máquina paralela vai a executar o seguinte código: for (i=0; i<n; i++) if (y[i]!=0) z[i] = x[i]/y[i]; else z[i] = x[i]
Taxonomia de Flynn Sistemas SIMD Exemplo os processos subordinados executam a seguinte seqüência de operações: CICLO 1 testar se local_y!=0 CICLO 2 se local_y diferente de zero local_z = local_x/local_y se local_y igual a zero INACTIVO CICLO 3 se local_y diferente de zero INACTIVO se local_y igual a zero local_z = local_x
Taxonomia de Flynn Sistemas SIMD O processo de execução das instruções é síncrono; Em um ciclo de instrução determinado, um processador estará ativo e executando a mesma instrução que os outros processadores ativos, ou ele estará inativo; A principal deficiência de sistemas SIMD, é que para programas com muitos desvios, muitos processadores subordinados podem ficar inativos por longos períodos de tempo;
Taxonomia de Flynn Sistemas SIMD Entretanto, máquinas SIMD são muito fácies de serem programadas para algoritmos simples que utilizem estruturas de dados regulares; Outra vantagem, é que elas podem ser escaladas facilmente; Os exemplos mais bem sucedidos de máquinas SIMD são: CM1 e CM2 produzidas por Thinking Machines MP2 produzida pela MASPAR
Taxonomia de Flynn Sistemas MIMD A diferença fundamental entre um sistema SIMD e um sistema MIMD, é que nos sistemas MIMD os processadores são autônomos, Cada processador conta com a unidade de controle, ULA e registros, porém cada processador executa seu próprio programa, Sistemas MIMD são máquinas assíncronas não existe um ciclo de instruções global, Os processadores devem ser instruídos pelo programa para fazerem as tarefas de sincronização,
Taxonomia de Flynn Sistemas MIMD Para um instante de tempo dado os processadores podem estar executando instruções diferentes mesmo que eles estivessem executando o mesmo programa, Sistemas multiprocessados de propósito geral; Cada processo tem um programa próprio que geram fluxos de instruções diferentes; Cada processador trabalha com dados diferentes;
Taxonomia de Flynn Sistemas MIMD Programa Instruções Processador Dados....... Programa. Programa Instruções Instruções....... Processador. Dados Dados
Taxonomia de Flynn Sistemas MIMD As máquinas MIMD podem ser classificadas como: 1. sistemas de memória compartilhada, multiprocessadores, ou ambientes fortemente acoplados; 2. sistemas de memória distribuída, multicomputadores, ou ambientes fracamente acoplados.
Taxonomia de Flynn SIMPLES MULTIPLAS SIMPLES MULTIPLOS SISD SIMD Von Neuman array MISD MIMD Pipeline Máquinas paralelas
MIMD Memória Compartilhada Uma coleção de processadores e módulos de memória interconectados por uma rede CPU... CPU CPU REDE DE INTERCONEXÃO MEMÓRIA... MEMÓRIA MEMÓRIA A velocidade de acesso de um processador a um módulo de memória independe do módulo de memória a ser acessado,
MIMD Memória Compartilhada A arquitetura mais simples para implementar uma máquina de memória compartilhada é utilizar como rede de interconexão um BUS de dados, CACHE... CPU CPU CPU CACHE CACHE BUS Se vários processadores tentarem acessar a memória simultaneamente, o BUS pode ficar saturado, provocando atrasos na transferência de dados,
MIMD Memória Compartilhada BUS de dados Para minimizar a saturação do BUS a cada processador se acopla uma memória cache de grande capacidade, Devido ao limite de amplitude de banda do BUS, esta arquitetura não pode ser utilizada para um número de processadores muito grande, Ex: SGI Challenge XL 36 processadores. (http://en.wikipedia.org/wiki/sgi_challenge)
MIMD Memória Compartilhada Interruptores A maioria das máquinas de memória compartilhada utilizam uma rede de interconexão baseada em interruptores, A rede de interconexão pode ser interpretada como uma grade retangular de cabos, com interruptores em seus pontos de interseção, Os interruptores permitem transmitir sinais na direção vertical e horizontal simultaneamente ademais um sinal pode ser redirecionado da vertical a horizontal ou vice-versa,
MIMD Memória Compartilhada Interruptores BuildingLinuxClusters,DavidH.M.Spector,O'ReillyMedia
MIMD Memória Compartilhada Interruptores A comunicação entre dois unidades (CPU-memória) não interfere na comunicação entre outras dois unidades, A rede de interconexão usando interruptores tende a ser muito cara e não pode ser utilizada para um número alto de processadores. HP/ConvexSPP1200
MIMD Memória Compartilhada Multicore Porque surgiram os processadores multicore? Diminuir o consumo de energia, Aumentar a capacidade de processamento sem aumentar a liberação de calor no chip. Colocam em um único chip vários cores de processamento, Cada um destes cores funciona como um processador independente; Fornecem alto poder de processamento a baixo custo.
MIMD Memória Compartilhada Multicore Primeira geração
MIMD Memória Compartilhada Multicore Segunda geração Aparece a cache L2 compartilhada; Executam eficientemente processos independentes; Novos desafios em processamento paralelo.
MIMD Memória Compartilhada Memoria Cache Um problema que encontramos em qualquer arquitetura de memória compartilhada que utilize memórias cache, é a coerência da cache. Se o processador acessar a uma variável que esta na memória cache como sabemos que o valor da variável é valido? Existem vários protocolos de coerência da cache, eles variam consideravelmente em complexidade.
MIMD Memória Compartilhada Memoria Cache Protocolo Snoopy: é o protocolo de coerência de cache mais simples, apropriado para máquinas que usam BUS como rede de interconexão. Protocolo Snoopy: a cada CPU é adicionado um controlador de cache, o controlador monitora o trafego de dados no BUS, quando um processador atualiza uma variável na cache, o controlador atualiza seu valor na memória principal, os outros controladores atualizam o valor na cache dos outros processadores.
MIMD Memória Compartilhada Memoria Cache Resolver a coerência da cachê implica uma sobrecarga ao sistema. Existem protocolos mais avançados para resolver a coherencia da memória cachê: MSI: Modified Shared Invalid; MESI: Modified Exclusive Shared Invalid; MOESI: Modified Owned Exclusive Shared Invalid; Firefly: DEC Workstations; Dragon: Xerox Workstations.
MIMD Memória Compartilhada UMA vs NUMA Frequentemente as máquinas de MC são classificadas segundo a velocidade de acesso dos processadores à memória; UMA (Uniform Memory Access) O tempo de acesso aos dados localizados em qualquer posição de memória é o mesmo em todos os processadores; Um único barramento de memória; Máquinas de pequeno e médio porte.
MIMD Memória Compartilhada UMA vs NUMA NUMA (Non-Uniform Memory Access) O tempo de acesso aos dados da memória depende da posição relativa entre o bloco de memória e o processador; O acesso do processador aos blocos mais próximos é maior que aos blocos mais distantes; Vários barramentos de memória; Máquinas de grande porte. Recentemente as máquinas de memória compartilhada estão sendo chamadas de SMPs (Symetric Multi Processors).
MIMD Memória Distribuída Em um sistema de memória distribuída cada processador tem seu próprio módulo de memória, Um módulo de memória somente pode ser acessado pelo processador associado a ele, MEMÓRIA CPU MEMÓRIA MEMÓRIA... CPU REDE DE INTERCONEXÃO CPU
MIMD Memória Distribuída Podemos interpretar um sistema de memória distribuída como um grafo (arestas e vértices), Arestas se correspondem com os cabos de conexão, Nodos se correspondem com um conjunto de processador e módulo de memória, Podemos ter então dois tipos de sistemas de interconexão: sistemas estáticos e sistemas dinâmicos.
MIMD Memória Distribuída MD Sistema Estático.................. Cada vértice corresponde a um nodo, Não são necessários dispositivos adicionais, Podem ocorrer problemas na comunicação.
MIMD Memória Distribuída MD Sistema Dinâmico..................... Cada vértice corresponde a um nodo, Não são necessários dispositivos adicionais, Podem ocorrer problemas na comunicação.
MIMD Memória Distribuída MD Sistemas Completamente Conectados Considerando o desempenho e a facilidade de programação, o sistema de interconexão ideal, é uma rede completamente conectada, i.e., cada nodo esta diretamente ligado a todos os outros nodos,
MIMD Memória Distribuída MD Sistemas Completamente Conectados cada nodo pode comunicar-se diretamente com qualquer outro nodo, a comunicação não envolve nenhum atraso (delay), a comunicação entre dois nodos não interfere na comunicação entre outros dois nodos, o alto custo deste tipo de rede de interconexão, impossibilita sua construção para máquinas paralelas com muitos nodos.
MIMD Memória Distribuída MD Redes de interconexão dinâmica Na pratica o mais perto que podemos alcançar de um sistema completamente conectado é uma grade de interruptores onde cada processador é conectado aos lados direto e esquerdo de uma linha de interruptores......................
MIMD Memória Distribuída MD Redes de interconexão dinâmica Nesta configuração o único atraso que pode existir na comunicação, e o tempo necessário para selecionar o interruptor correspondente, Todos os processadores simultaneamente, podem comunicar-se Esta configuração é custosa (p2 interruptores), Incomum para mais de 16 processadores, Uma alternativa menos custosa é a utilização de redes de interconexão com interruptores de múltiplos estados,
MIMD Memória Distribuída MD Redes de interconexão dinâmica Exemplo: rede de interconexão OMEGA p processadores (p/2)log2p interruptores http://en.wikipedia.org/wiki/omega_network
MIMD Memória Distribuída MD Redes de interconexão dinâmica Redes de interconexão OMEGA... cada processador pode comunicar-se diretamente com outro processador, podem existir interferências na comunicação e conseqüentemente atrasos, existem máquinas com esta rede de interconexão de até 512 processadores.
MIMD Memória Distribuída MD Redes de interconexão estática O extremo oposto a um sistema completamente conectado é um arranjo linear, Podemos melhorar esta configuração conectando os nodos dos extremos e teremos um anel,......
MIMD Memória Distribuída MD Redes de interconexão estática Vantagens: Configuração muito barata (apenas p-1 cabos) Facilmente escalável, Desvantagens: O número de canais de comunicação é extremamente limitado, Apenas podem comunicar-se dois nodos ao mesmo tempo, A rede de interconexão estática que mais se aproxima de um sistema completamente conectado é o hipercubo.
MIMD Memória Distribuída MD Redes de interconexão estática O hipercubo: O hipercubo de dimensão zero consiste de um único nodo, Para construir um hipercubo de dimensão d>0, tomamos dois hipercubos de dimensão d-1 e unimos seus nodos correspondentes, d = 3 d = 1 d = 2
MIMD Memória Distribuída O hipercubo: d = 4
MIMD Memória Distribuída MD Redes de interconexão estática O hipercubo: cada vez que incrementarmos uma dimensão, duplicamos o numero de nodos, um hipercubo de dimensão d contem p=2d processadores cada nodo é diretamente conectado a d nodos, na configuração hipercubo é possível organizar as comunicações entre os nodos para minimizar os atrasos.
MIMD Memória Distribuída MD Redes de interconexão estática O hipercubo: a principal desvantagem desta configuração é a dificuldade de escalar o sistema (sempre devemos duplicar o número de nodos), Ex: ncube 10 (1024 nodos), Os hipercubos foram muito populares nos anos 80. Entre os hipercubos e os conjuntos lineares (array ou anel) podemos encontrar a configuração de grade e a configuração de toróide
MIMD Memória Distribuída MD Redes de interconexão estática Configuração de grade: É obtida aumentando a dimensão do array linear 2D e 3D............
MIMD Memória Distribuída MD Redes de interconexão estática Configuração de toróide: É obtida aumentando a dimensão do anel
MIMD Memória Distribuída MD Redes de interconexão estática Nas configurações de grade e toróide na medida que aumentamos a dimensão, aumenta o número de rotas entre nodos e conseqüentemente diminuem as interferências, Ambas configurações são muito populares e tem sido escaladas a miles de nodos.
MIMD Memória Distribuída MD Redes de interconexão estática Sistemas de interconexão baseados em Ethernet: é o sistema de interconexão mais simples e de menor custo, um CLUSTER é o exemplo clássico deste tipo de sistemas, a rede de interconexão é extremamente lenta e freqüentemente fica saturada pela comunicação de uns poucos nodos, entretanto, por sua simplicidade, baixos custos e aprimoramentos na tecnologia tem-se popularizados nos últimos anos,
MIMD Memória Distribuída MD Cluster Beowulf É uma denominação para Cluster de baixo custo; Baseados em hardware de computadores pessoais; A tecnologia de conexão é Ethernet, TCP-IP, LAN; Elementos de software livres e de código aberto (Sistema Operacional: Linux, MPI, FORTRAN, C) Este tipo de hardware têm-se convertido no carro chefe das máquinas paralelas nos últimos anos. http://www.beowulf.org/
MIMD Memória Distribuída MD Cluster Beowulf Vantagens: Podem ser construídas maquinas de alto desempenho a baixo custo; Processadores mais potentes podem ser incorporados a estas maquinas assim estejam disponíveis; Os softwares deste tipo de maquinas são continuamente atualizados e melhorados; Rede de interconexão aprimoradas: Ethernet para Gigabit Ethernet.
MIMD Memória Distribuída MD Cluster Beowulf
MIMD Memória Distribuída MD Comunicação e Roteamento Uma questão que deve ser estudada ao analisar as comunicações em sistemas de memória distribuída é o roteamento, Se dois nodos estiverem diretamente conectados, como os dados serão transmitidos entre eles? O problema do roteamento pode ser dividido em: Se existirem múltiplas rotas para unir dois nodos qual rota será escolhida? Como os nodos intermédios encaminharam as mensagens?
MIMD Memória Distribuída MD Seleção da rota O processo de seleção de rotas utiliza algoritmos de otimização visando escolher a rota mais curta, A maioria dos sistemas utilizam algoritmos determinísticos de seleção de rotas, i. e., se o nodo A se comunica com o nodo B então a rota de comunicação será sempre a mesma, e será aquela que utiliza menos linhas de conexão.
MIMD Memória Distribuída MD Encaminhamento de mensagens O nodo A envia uma mensagem ao nodo C, e o nodo B se encontra entre eles dois, Existem dois enfoques básicos: store and forward (sf): o nodo B recebe a mensagem inteira e então encaminha ao nodo C. cut through (ct): cada vez que o nodo B recebe uma peça da mensagem (pacote) a encaminha ao nodo C.
MIMD Memória Distribuída MD Encaminhamento de mensagens Store and forward Tempo Nodo A Nodo B Nodo c 0 z y x w 1 z y x w 2 z y x w 3 z y x w 4 z y x w 5 z y x w 6 z y x w 7 z y x w 8 z y x w
MIMD Memória Distribuída MD Encaminhamento de mensagens Store and forward A mensagem demora o dobro do tempo que demoraria se os nodos fossem adjacentes, Maior consumo de memória nos nodos intermédios, Pacotes mais pequenos, os pacotes intermédios não contem informação de endereçamento.
MIMD Memória Distribuída MD Encaminhamento de mensagens Cut through Tempo Nodo A Nodo B 0 z y x w 1 z y x w 2 z y x w 3 z y x w z y x w 4 5 Nodo c z y x w
MIMD Memória Distribuída MD Encaminhamento de mensagens Cut through a mensagem demora praticamente o mesmo tempo que se os nodos fossem adjacentes (mais o tempo de enviar um pacote), não precisa de memória nos nodos intermédios, pacotes mais grandes, todos os pacotes devem carregar informação de endereçamento. A maioria dos sistemas utiliza alguma variante ct para o encaminhamento de mensagens.
Distribuída vs Compartilhada Escabalabilidade Coerência de Memória Comunicação e Roteamento Memória Compartilhada Memória Distribuída Difícil Fácil Problema - - Problema
MIMD Memória Distribuída Memória Compartilhada UMA SMPs NUMA Dinâmicas Omega Estáticas Linear, Grade Anel, Toroide Multicore Hipercubo Clusters FUTURO MIMD Híbridas MC + MD Clusters Multicore
MD- Grids Computacionais O que são Grids Computacionais Um modelo computacional emergente, baseado em criar uma máquina paralela virtual com alta taxa de processamento, a partir de várias máquinas interconectadas numa rede local ou de longa distância; Surgiram em meados da década de 90 com a promessa de viabilizar a execução de aplicações paralelas em recursos geograficamente dispersos e pertencentes a múltiplas organizações;
MD- Grids Computacionais O que são Grids Computacionais De forma geral os Grids potencializam a utilização dos recursos inativos, ou seja ciclos de CPU e/ou armazenamento em disco, de um grande número de computadores, como por exemplo computadores de escritório, Os Grids computacionais objetivam transformar estes computadores num cluster virtual embebido em uma infra-estrutura de comunicações.
MD- Grids Computacionais Objetivos dos Grids Computacionais 1. Fornecer uma plataforma muito mais barata para execução de aplicações distribuídas, (mais barata que os supercomputadores paralelos por exemplo) 2. Possibilitar (através da aglomeração de recursos dispersos) a execução de aplicações paralelas em uma escala simplesmente impossível em um único supercomputador 3. Aproveitar a grande quantidade de recursos computacionais disponíveis.
MD- Grids Computacionais os Grids são mais distribuídos, diversos e complexos que outras plataformas. Características de Grids: Heterogeneidade: Os componentes que formam a infraestrutura tendem ser extremamente heterogêneos (hardaware e software) Alta dispersão geográfica: Essa característica se refere a escala que um Grid pode atingir (escala global)
MD- Grids Computacionais Características de Grids... Compartilhamento: informação, armazenamento, processador,... aplicações, Múltiplos domínios administrativos: Grids congregam recursos de várias instituições (diferentes políticas de acesso e uso de serviços) Controle distribuído: Tipicamente não há uma única entidade que tenha poder sobre todo o Grid.
MD- Grids Computacionais A utilização de Grids introduz os seguintes problemas: recursos computacionais não são administrados centralmente, dificuldade no gerenciamento de usuários, necessidade de acesso remoto aos recursos, diversidade operacionais, de arquiteturas e dificuldades qualidade. em proporcionar serviços sistemas de
MD- Grids Computacionais Principais middlewares de computação em grid: Globus (http://www.globus.org/ ): conjunto de serviços que permitem a submissão e controle de aplicações, descoberta de recursos, movimentação de dados e segurança no ambiente do grid. Tendo sido a solução de maior impacto na comunidade da computação de alto desempenho, o Globus e os protocolos definidos em sua arquitetura tornaram-se um padrão como infra-estrutura para computação em grid (escopo amplio).
MD- Grids Computacionais Principais middlewares de computação em grid: MyGrid (http://www.mygrid.org.uk/): uma plataforma simples, completa e segura; um intento de popularizar o uso de grids para executar aplicações paralelas leves, chamadas bag-of-tasks (aplicações cujas tarefas são independentes, podendo ser executadas em qualquer ordem) ; aplicações bag-of-task se adéquam melhor a ampla distribuição, heterogeneidade e dinamicidade do Grid, e resolvem vários problemas importantes, tais como mineração de dados, processamento genômico, pesquisa massiva (como quebra de chaves criptográficas), simulações Monte Carlo, e manipulação de imagem (como tomografia).
MD- Grids Computacionais Principais middlewares de computação em grid: Condor(http://www.cs.wisc.edu/condor/): é um middleware de aproveitamento dos ciclos ociosos de um conjunto de estações de trabalho em uma rede institucional (Condor pool), Com a utilização desses pools em diversas instituições, surgiram diversos mecanismos para o compartilhamento de recursos disponíveis em diferentes instituições e domínios, antes mesmo do surgimento do conceito de computação em grid; Tendo sido um esforço pioneiro (1984) e se adaptado à evolução das perspectivas da computação de alta performance para a computação em grid, o projeto Condor tem, em sua história, uma série de lições sobre os problemas gerenciais e operacionais da criação e utilização de grids computacionais.
MD- Grids Computacionais Principais middlewares de computação em grid: SETI@home, Entropia e distributed.net São exemplos de soluções que utilizam middlewares próprios para formar um grid proprietário, Através da instalação voluntária do middleware em máquinas ao redor do globo, o sistema ganha acesso ao seu poder computacional ocioso,
MD- Grids Computacionais Principais middlewares de computação em grid: SETI@home, Entropia e distributed.net o controle do acesso ao grid é centralizado na figura de uma instituição que possui o grid. Apenas aplicações submetidas pelos proprietários do grid têm acesso aos recursos, Principalmente dedicados a aplicações científicas, O projeto SETI@home reune 6 milhões de computadores em tarefas de analise de dados para busca de vida extraterrestre.
MD- Grids Computacionais Principais middlewares de computação em grid: http://setiathome.berkeley.edu/ http://www.distributed.net/