TAREA 1.2

Programas de procesamiento de texto como Microsoft Word, donde se ejecuta una secuencia de instrucciones en una sola unidad de datos, como un documento de texto.

Cuando navegas por Internet, generalmente estás ejecutando una sola secuencia de instrucciones en una sola pieza de datos (página web).

Un sistema de detección de fallos en tiempo real, donde múltiples algoritmos de diagnóstico operan en el mismo conjunto de datos para detectar errores.

Aplicaciones de oficina

Ejemplo hipotético

Multiple Instruction Stream — Single Data Stream (MISD)

Single Instruction Stream — Single Data Stream (SISD)

Navegadores web

En aplicaciones de gráficos y juegos, se pueden usar arquitecturas SIMD para procesar múltiples píxeles de una imagen con una sola instrucción. Las tarjetas gráficas utilizan SIMD para acelerar el procesamiento de gráficos.

Los servidores web que atienden múltiples solicitudes de clientes al mismo tiempo pueden utilizar arquitecturas MIMD para manejar diferentes instrucciones (solicitudes) en múltiples conjuntos de datos (clientes) de manera concurrente.

FLYNN'S TAXONOMY

Procesamiento gráfico

Servidores web

Multiple Instruction Stream — Multiple Data Stream (MIMD)

Single Instruction Stream — Multiple Data Stream (SIMD)

Aplicaciones como Adobe Photoshop pueden usar SIMD para aplicar un filtro o efecto a múltiples píxeles de una imagen simultáneamente.

Procesamiento de imágenes

En la computación en clúster, cada nodo del clúster puede ejecutar su propio conjunto de instrucciones en su propio conjunto de datos. Cada nodo puede realizar cálculos independientes y comunicarse con otros nodos para realizar tareas distribuidas, como en la investigación científica o el procesamiento de grandes conjuntos de datos.

Computación en clúster

ALAN ELIAS ZAPATA

Single Instruction Stream - Single Data Stream (SISD)

Este es el tipo más simple y común de arquitectura de computadoras. Es fácil de programar y depurar, y puede manejar una amplia gama de aplicaciones. Sin embargo, no ofrece mejoras significativas de rendimiento sobre los sistemas informáticos tradicionales. Ventajas: Requiere menos energía. No hay problemas con protocolos de comunicación complejos entre múltiples núcleos. Desventajas: La velocidad de la arquitectura SISD está limitada, al igual que los procesadores de un solo núcleo. No es adecuado para aplicaciones más grandes.

Para el ejemplo de la primera diapositiva

Datos: En aplicaciones de oficina como Microsoft Word, los datos serían el contenido del documento, como el texto, las imágenes y otros elementos del archivo. Tareas: Las tareas incluirían las operaciones realizadas en el documento, como escribir, editar, dar formato al texto, insertar imágenes, etc.

Single Instruction Stream - Multiple Data Stream (SIMD)

Este tipo de arquitectura es altamente paralela y puede ofrecer mejoras significativas de rendimiento para aplicaciones que pueden ser paralelizadas. Sin embargo, requiere hardware y software especializados y no es adecuado para aplicaciones que no pueden ser paralelizadas. Ventajas: La misma operación en múltiples elementos se puede realizar con una sola instrucción. El rendimiento del sistema puede aumentar aumentando el número de núcleos del procesador. La velocidad de procesamiento es mayor que en la arquitectura SISD. Desventajas: Hay una comunicación compleja entre los núcleos del procesador. El costo es mayor que en la arquitectura SISD.

Para el ejemplo de la primera diapositiva

Datos: En el procesamiento gráfico, los datos serían los píxeles de una imagen o los elementos de una escena en un juego. Tareas: Las tareas incluirían las operaciones aplicadas a múltiples píxeles o elementos simultáneamente, como aplicar filtros, efectos visuales o cálculos de física en juegos.

Multiple Instruction Stream - Single Data Stream (MISD)

Este tipo de arquitectura no se utiliza comúnmente en la práctica, ya que es difícil encontrar aplicaciones que se puedan descomponer en flujos de instrucciones independientes. Ventajas: Permite realizar múltiples análisis sobre los mismos datos, como encriptación o procesamiento de señales. Tiene una alta tolerancia a fallos, ya que si una unidad falla, las otras pueden continuar el procesamiento. Desventajas: Es difícil encontrar aplicaciones que se adapten a este modelo, ya que la mayoría requiere datos diferentes para diferentes operaciones. Tiene un alto costo de comunicación y sincronización entre las unidades funcionales. Tiene una baja eficiencia y escalabilidad, ya que el rendimiento no aumenta proporcionalmente al número de unidades.

Para el ejemplo de la primera diapositiva

Datos: Los datos serían el conjunto de información o el flujo de datos que necesita ser analizado o procesado. Tareas: Las tareas serían los diferentes algoritmos o secuencias de instrucciones que operan en el mismo conjunto de datos, como múltiples algoritmos de detección de fallos en un sistema.

Multiple Instruction Stream - Multiple Data Stream (MIMD)

Este tipo de arquitectura es altamente paralelo y puede ofrecer mejoras significativas de rendimiento para aplicaciones que pueden ser paralelizadas. Es adecuado para la computación distribuida, el procesamiento paralelo y otras aplicaciones de alto rendimiento. Sin embargo, requiere hardware y software especializados y puede ser complicado de programar y depurar. Ventajas: Escalabilidad: se puede agregar más memoria y procesadores según la demanda de los recursos. Desacoplamiento: los componentes no necesitan conocerse entre sí y pueden comunicarse mediante colas de mensajes. Desventajas: El acceso remoto a la memoria es lento: los procesadores deben acceder a la memoria compartida a través de la red de interconexión. La programación puede ser complicada: los procesadores funcionan de manera asíncrona e independiente.

Para el ejemplo de la primera diapositiva

Datos: Los datos podrían ser diferentes conjuntos de información, como solicitudes de clientes en un servidor web o fragmentos de datos en un cálculo científico distribuido. Tareas: Las tareas incluirían las instrucciones o algoritmos que se ejecutan de manera independiente en cada conjunto de datos. En un servidor web, las tareas podrían ser manejar diferentes solicitudes de clientes, mientras que en la computación en clúster para la investigación científica, las tareas podrían ser cálculos independientes en diferentes conjuntos de datos.