糖心vlog官网观看

In diesem Modul lernen wir die Grundlagen der Aufgabenparallelit盲t kennen. Tasks sind die grundlegendste Einheit der parallelen Programmierung. Immer mehr Programmiersprachen (einschlie脽lich Java und C++) gehen von 盲lteren threadbasierten Ans盲tzen zu moderneren taskbasierten Ans盲tzen 蹿眉谤 die parallele Programmierung 眉ber. Wir werden etwas 眉ber die Erstellung von Tasks, die Beendigung von Tasks und das theoretische Modell des "Berechnungsgraphen" lernen, um verschiedene Eigenschaften von task-parallelen Programmen zu verstehen. Zu diesen Eigenschaften geh枚ren Arbeit, Spanne, ideale Parallelit盲t, parallele Beschleunigung und das Amdahlsche Gesetz. Wir werden auch beliebte Java-APIs 蹿眉谤 Aufgabenparallelit盲t kennenlernen, insbesondere das Fork/Join-Framework.

Willkommen zu Modul 2! In diesem Modul werden wir uns mit Ans盲tzen zur Parallelit盲t besch盲ftigen, die von der funktionalen Programmierung inspiriert wurden. Be蹿眉谤worter der parallelen funktionalen Programmierung argumentieren seit Jahrzehnten, dass funktionale Parallelit盲t viele schwer zu entdeckende Fehler beseitigen kann, die bei imperativer Parallelit盲t auftreten k枚nnen. Wir werden etwas 眉ber Futures, Memoisierung und Streams sowie 眉ber Data Races lernen, eine ber眉chtigte Klasse von Fehlern, die mit funktionaler Parallelit盲t vermieden werden k枚nnen. Au脽erdem lernen wir Java-APIs 蹿眉谤 funktionale Parallelit盲t kennen, darunter das Fork/Join-Framework und die Stream-APIs.

Begleiten Sie Professor Vivek Sarkar zu einem Gespr盲ch mit dem Gesch盲ftsf眉hrer von Two Sigma, Jim Ward, und den Softwareingenieuren Margaret Kelley und Jake Kornblau in deren B眉ro in Houston, Texas, 眉ber die Bedeutung der parallelen Programmierung.

Willkommen zu Modul 3 und herzlichen Gl眉ckwunsch, dass Sie die Mitte dieses Kurses erreicht haben! Es ist bekannt, dass viele Anwendungen einen Gro脽teil ihrer Ausf眉hrungszeit in Schleifen verbringen. Daher ist es sehr motivierend zu lernen, wie Schleifen durch den Einsatz von Parallelit盲t beschleunigt werden k枚nnen, was der Schwerpunkt dieses Moduls ist. Wir werden zun盲chst lernen, wie parallele Z盲hlschleifen mit Hilfe der forall- und stream-APIs in Java bequem ausgedr眉ckt werden k枚nnen und wie diese APIs zur Parallelisierung eines einfachen Matrixmultiplikationsprogramms verwendet werden k枚nnen. Au脽erdem lernen wir das Barrier-Konstrukt 蹿眉谤 parallele Schleifen kennen und veranschaulichen seine Verwendung anhand eines einfachen Programms zur iterativen Mittelwertbildung. Schlie脽lich werden wir lernen, wie wichtig es ist, parallele Iterationen zu gruppieren, um den Overhead zu reduzieren.

Willkommen zum letzten Modul des Kurses! In diesem Modul schlie脽en wir unsere Einf眉hrung in die parallele Programmierung ab, indem wir lernen, wie die Prinzipien des Datenflusses genutzt werden k枚nnen, um den Grad der Parallelit盲t in einem Programm zu erh枚hen. Wir werden lernen, wie die Phaser-API von Java verwendet werden kann, um "unscharfe" Barrieren zu implementieren, und auch "Punkt-zu-Punkt"-Synchronisationen als Optimierung der regul盲ren Barrieren, indem wir das Beispiel der iterativen Mittelwertbildung wieder aufgreifen. Schlie脽lich werden wir auch lernen, wie Pipeline-Parallelit盲t und Datenflussmodelle mit Java-APIs ausgedr眉ckt werden k枚nnen.

Die n盲chsten beiden Videos zeigen, wie wichtig es ist, etwas 眉ber gleichzeitige Programmierung und verteilte Programmierung in Java zu lernen. Professor Vivek Sarkar wird bei Two Sigma mit Fachleuten aus der Industrie dar眉ber sprechen, wie die Themen unserer beiden anderen Kurse in der Praxis eingesetzt werden.