面向实时流处理的多核多线程处理器访存队列--《计算机研究与发展》2009年10期
面向实时流处理的多核多线程处理器访存队列
【摘要】：针对多核多线程处理器中乱序访存影响计算实时性的问题,在对典型访存队列进行研究的基础上提出了一种新的访存队列构建模型及其硬件结构.该模型采用窗口优化算法控制最差情况下的访存延迟,保证访存的实时性,同时又利用优化的乱序调度策略减少访存延迟.实验证明,该访存队列可控制最大访存延迟,与顺序访存相比,存储器具备更高的带宽,与传统的乱序访存相比较,可以充分满足计算的实时性需求,而存储器有效带宽基本不受影响,解决了多核多线程处理器承担实时流计算的基础难题.
【作者单位】：
【关键词】：
【基金】：
【分类号】：TP332【正文快照】：
工艺的发展表明,DRAM访问速度与处理器计算速度之间的差距逐步扩大[1],“存储墙”问题成为制约处理器性能的关键因素.目前,多核处理器普遍采用共享存储器结构,例如STI Cell[2]及AustinTRIPS[3]处理器,与分布式存储结构相比其存储瓶颈更加突出[4].乱序访存调度策略以调整访存
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【二级参考文献】
中国期刊全文数据库
胡伟武;张福新;李祖松;;[J];计算机研究与发展;2006年06期
【相似文献】
中国期刊全文数据库
真明;[J];计算机学报;1980年01期
S.H.Fuller
,H.S.Stone
,顾福祥;[J];系统工程与电子技术;1980年01期
叶玉澄;[J];南昌大学学报(理科版);1980年01期
А.В.КАЛЯЕВ;唐裕亮;;[J];计算机研究与发展;1980年09期
张煦;张复;许庆元;;[J];计算机研究与发展;1980年11期
周修廉;;[J];哈尔滨理工大学学报;1980年00期
伊力;[J];计算机学报;1981年02期
真鸣;[J];计算机学报;1981年05期
李国杰;;[J];计算机研究与发展;1981年11期
;[J];计算机研究与发展;1981年05期
中国重要会议论文全文数据库
管清波;张荣;罗小明;;[A];第四届中国青年运筹与管理学者大会论文集[C];2001年
黄建;;[A];中国工程物理研究院第七届电子技术青年学术交流会论文集[C];2005年
中国重要报纸全文数据库
杨健;[N];人民日报;2001年
上海华虹集成电路有限责任公司
博士;[N];中国高新技术产业导报;2002年
阿　航;[N];中华读书报;2002年
钱德沛;[N];计算机世界;2003年
周襄楠;[N];新清华;2004年
张鑫瀛?整理;[N];中国电子报;2008年
记者祝魏玮;[N];科学时报;2009年
杨陈晨 燕冰;[N];苏州日报;2009年
张晶;[N];科技日报;2009年
邹曦;[N];北京科技报;2009年
中国博士学位论文全文数据库
宋辉;[D];中国人民解放军国防科学技术大学;2003年
李恩有;[D];中国科学院研究生院（计算技术研究所）;1997年
赵荣彩;[D];中国科学院研究生院（计算技术研究所）;2002年
中国硕士学位论文全文数据库
郭庆利;[D];西北大学;2001年
彭欣;[D];西安电子科技大学;2002年
陈建文;[D];中国人民解放军国防科学技术大学;2002年
崔涛;[D];太原理工大学;2003年
何明全;[D];重庆大学;2003年
肖冰;[D];电子科技大学;2003年
谭军;[D];南京航空航天大学;2004年
陈小莅;[D];吉林大学;2005年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号&&&您需要以后才能回答，未注册用户请先。4核8线程cpu有哪些 CPU中同步多线程是 - 小小知识站
4核8线程cpu有哪些 CPU中同步多线程是
最近有网友提出“4核8线程cpu有哪些 CPU中同步多线程是”等问题，小小知识站提取了各大知名网站有关“4核8线程cpu有哪些 CPU中同步多线程是”的部分信息，请注意，文中的内容不代表本站的观点，不要相信任何联系方式。下文是关于“4核8线程cpu有哪些 CPU中同步多线程是”的一些信息：
问题：CPU中同步多线程是什么
回答：同步多线程(T)是一种在一个CPU
的时钟期内能够执行来自多个线程的指令的硬件多线程技术。本质上，同步多线程是一种将线程级并行处理(多CPU)转化为指令级并行处理(同一CPU)的方法。
同步多线程是单个物理处理器从多个硬件线程上下文同时分派指令的能力。同步多线程用于在商用环境中及为期/指令(CPI)计数较高的负载创造性能优势。
处理器采用超标量结构，最...
问题：让gzip压缩速度加快的解决方：使用支持多核CPU多线程并发压缩的pigz
回答：...废话不多说，开始测试。pig默认用当前逻辑cpu个数来并发压缩，无法检测个数的话，则并发8个线程。一、测试压缩包1码如下:结论：1、pigz默认用法(默认并发线程是逻辑cpu个数)可比gzip快5.3倍，CPU消耗则是gzip的8倍，压缩比则相当；2、并发8线程对比4线程提升：41.2%，16线程对比8线程提升：27.9%，32线程对比16线程提升：3%；3、在对压缩效率要求较高、但对短时间内CPU消耗...
问题：CPU中推土机架构是什么
回答：CMP和TCMP：CMP的方式非常直接，简单来说，CMP是通过物理核心来扩展处理器在多线程软件中的性能，这是最佳性能一种最简单和最有效的方式。但CMP的缺点是制造成本很昂贵，并且也要受到处理器制造工艺的，毕竟不能将芯片做的越来越大。并且CMP的方式对负载要求也很高，只有经过适当并行优化的负载才能充分发挥CMP的性能，很多核心的CMP常常会浪，在...
问题：Linux系统性能评估
回答：一、Linux查看系统cpu个数、核心数、线程数(1)、查看物理cpu个数grep 'physical id' /proc/cpuinfo | sort -u | wc -l(2)、查看核心数量grep 'core id' /proc/cpuinfo | sort -u | wc -l(3)、查看线程数(逻辑cpu)grep 'processor' /proc/cpuinfo | sort -u | wc -l每个物理CPU中逻辑CPU(可能是core, s或both)的个数：grep 'siblings' /proc/cpuinfo | sort -u命令执行结果如图所示，根据结果得知，此器有1个cpu，6个核心，每个核心2线...
问题：Linux下查看进程和线程的方法
回答：在Linux中查看线程数的三种方法1、top -H手册中说：-H : Threads toggle加上这个选项启动top，top一行显示一个线程。否则，它一行显示一个进程。2、ps xH手册中说：H Show s as if they were processes这样可以查看所有存在的线程。3、ps -mp &PID&手册中说：m Show s after processes这样可以查看一个进程起的线程数。查看进程1. top 命令top命令查看系统的状况load erage表示在过去的一段...
问题：站！技嘉发布36核CPU+16条内存主板
回答：...主板MW70-3S0。该主板支持双路Haswell-EP处理器，以及16条DDR4内存槽。最高能够实现36核心72线程+512GB内存还有三路SLI/CF显卡的组合。可能现在桌面领域整体性能最强悍的X99+Corei7+32GB内存的组合已经远远不能满足一般的发烧友了，更高、更快、更强始终是人们不断追求目标。技嘉这款站的主板支持双路Haswell-EP处理器，可以上18核36线程的XeonE5-2600v3处理器，以及内...
问题：CPU中Bulldozer是什么
回答：...在器和高性能计算上则可以达到1.5-2.0倍。AMD对Bulldozer的期待是有史以来最高性能的单线程和多线程计算核心。Bulldozer计划在2011年上半年推出。而Intel Nehalem已经在日登场亮相。新特性Intel Nehalem架构支持单核心双线程，而AMD推土机架构则颇有点儿反其道而行之的意思，将每两个核心捆绑在一块儿，称之为一个推土机模块
(Bulldozer Module)，让其中着两个核心既有...
问题：Intel酷睿i3和i5CPU有什么区别
回答：...存控制器，缓存模式，L3达到8MB，支持Turbo Boost等技术的新处理器。Intel酷睿i5处理器：核心线程数为4核心4线程数，二级缓存4*256KB，缓存8M TDP 95W。Intel酷睿i3处理器：核心线程数为2核心4线程数，二级缓存2*256KB，缓存4M TDP 65W。它们最大的区别是I5支持睿频，I3不支持，I3只有双核，而I5有双核和4核两种。至于酷睿i3和i5哪个好，哪个适合你，就要看你自己的需要了，...
问题：CPU中Sandy BridgeE是什么
回答：...猜测它的性能，只需了解它有多强悍便可以了。Sandy Bridge-E酷睿i7
Extreme处理器将基于六核十二线程设计，默认主频为3.3GHz，最高睿频主频达到了3.9GHz，L3缓存容量达到桌面创纪录的15MB。普通版的酷睿i7处理器再次分为六核十二线程和四核八线程两个版本，其中六核版的默认主频为3.2GHz，睿频主频为3.8GHz，L3缓存削减到12MB;四核版的默认主频稍高，达到了3.6GHz，睿频主频则跟Sandy
问题：常用的linux系统命令整理
回答：找到最耗CPU的ja线程ps命令命令：ps -mp pid -o THREAD,tid,time
或者 ps -Lfp pid结果展示：这个命令的作用，主要是可以获取到对应一个进程下的线程的一些。 你想分析一下一个ja进程的一些运行瓶颈点，可以通过该命令找到所有当前Thread的占用CPU的时间，也就是这里的最后一列。这里找到了一个TID :30834 ，所占用的TIME时间最高。通过 printf &%x\n& 30834 首先转化成16进...
问题：解决Windows 2008无法创建线程问题
回答：...Windows 2008系统群集过程中，创建AD域控制时最后出错，无法配置DNS。经排查，系统硬性定了DNS线程的最大数量为120个，但DNS对CPU的核心数并没有做，因此创建超过120个线程就会报错。如何解决这个问题呢？近期，笔者在安装Windows 2008系统群集，安装环境为两台浪潮英信NF8560M2+存储+2台光纤机。安装步骤大体为：1.安装作系统。2.安装系统驱动。3.安装系统补丁。4.存...
问题：DX12助显卡性能飙升，AMD笑翻
回答：...CPU会过载，测试所反馈的结果是在帧速率降低到30FPS之前每秒实现的最大绘制调用数量，分为单线程DX11、多线程DX11、Mantle、DX12四项。这项测试并不是给大家去衡量显卡性能的，仅是测试在同一套系统上使用不同API的性能差异，不适合用来对比不同硬件的绝对性能。这项测试所计量的绘图调用（ Call）指令发生在CPU每次GPU在屏幕上绘制物体时，每一帧生成的画面通常...
问题：Linux 多线程编程实例
回答：一、多线程 VS 多进程和进程相比，线程有很多优势。在Linux系统下，启动一个新的进程必须分配给它的地址空间，建立众多的数据表来维护码段和数据。而运行于一个进程中的多个线程，他们之间使用相同的地址空间。正是这样，同一进程下的线程之间共享数据空间，数据可以相互使用，并且线程间切换也要更快些，可以更有效的利用CPU。二、程序设计[注] 头&pthr...
问题：如何挑选本
回答：...GPU，一定程度上提高了电脑的图像运算能力。还是就是i3系列的CPU部分采用双核心设计，通过超线程技术可支持四个线程。中低端(价400
问题：Linux CPU数量判断命令
回答：..._NPROCESSORS_ONLN);便可以当前CPU的数量。。。判断依据：1.具有相同core id的cpu是同一个core的超线程。2.具有相同physical id的cpu是同一颗cpu封装的线程或者cores。英文版：1.Physical id and core id are not necessarily consecutive but they are unique. Any cpu with the same core id are hypers in the same core.2.Any cpu with the same physical id are s or cores in the same physical socket.实例：LunarPages的CPU：processor : 0vend...
分享给小伙伴们：
也许你感兴趣当前访客身份：游客 [
已有文章 2170 篇
当前位置：
Python 并发编程之使用多线程和多处理器
英文原文：
0人收藏此文章,
推荐于 2年前 (共 9 段, 翻译完成于 05-07) ()
参与翻译(6人)：
在Python编码中我们经常讨论的一个方面就是如何优化模拟执行的性能。尽管在考虑量化代码时NumPy、SciPy和pandas在这方面已然非常有用，但在构建事件驱动系统时我们无法有效地使用这些工具。有没有可以加速我们代码的其他办法？答案是肯定的，但需要留意！
在这篇文章中，我们看一种不同的模型-并发，我们可以将它引入我们Python程序中。这种模型在模拟中工作地特别好，它不需要共享状态。Monte Carlo模拟器可以用来做期权定价以及检验算法交易等类型的各种参数的模拟。
我们将特别考虑库和库。
&翻译的不错哦!
Python并发
当Python初学者探索多线程的代码为了计算密集型优化时，问得最多的问题之一是：”当我用多线程的时候，为什么我的程序变慢了？“
在多核机器上，我们期望多线程的代码使用额外的核，从而提高整体性能。不幸的是，主Python解释器（CPython）的内部并不是真正的多线程，是通过一个全局解释锁（GIL）来进行处理的。
GIL是必须的，因为Python解释器是非线程安全的。这意味着当从线程内尝试安全的访问Python对象的时候将有一个全局的强制锁。在任何时候，仅仅一个单一的线程能够获取Python对象或者C API。每100个字节的Python指令解释器将重新获取锁，这（潜在的）阻塞了I/0操作。因为锁，CPU密集型的代码使用线程库时，不会获得性能的提高，但是当它使用多处理库时，性能可以获得提高。
&翻译的不错哦!
并行库的实现
现在，我们将使用上面所提到的两个库来实现对一个“小”问题进行并发优化。
上面我们提到： 运行CPython解释器的Python不会支持通过多线程来实现多核处理。不过，Python确实有一个。那么如果我们（可能）不能使用多个核心进行处理，那么使用这个库能取得什么好处呢？
许多程序，尤其是那些与网络通信或者数据输入/输出(I/O)相关的程序，都经常受到网络性能或者输入/输出(I/O)性能的限制。这样Python解释器就会等待哪些从诸如网络地址或者硬盘等“远端”数据源读写数据的函数调用返回。因此这样的数据访问比从本地内存或者CPU缓冲区读取数据要慢的多。
因此，如果许多数据源都是通过这种方式访问的，那么就有一种方式对这种数据访问进行性能提高，那就是对每个需要访问的数据项都产生一个线程 。
&翻译的不错哦!
举个例子，假设有一段Python代码，它用来对许多站点的URL进行扒取。再假定下载每个URL所需时间远远超过计算机CPU对它的处理时间，那么仅使用一个线程来实现就会大大地受到输入/输出(I/O)性能限制。
通过给每个下载资源生成一个新的线程，这段代码就会并行地对多个数据源进行下载，在所有下载都结束的时候再对结果进行组合。这就意味着每个后续下载都不会等待前一个网页下载完成。此时，这段代码就受收到客户/服务端带宽的限制。
不过，许多与财务相关的应用都受到CPU性能的限制，这是因为这样的应用都是高度集中式的对数字进行处理。这样的应用都会进行大型线性代数计算或者数值的随机统计，比如进行蒙地卡罗模拟统计。所以只要对这样的应用使用Python和全局解释锁(GIL)，此时使用Python线程库就不会有任何性能的提高。
&翻译的不错哦!
Python实现
下面这段依次添加数字到列表的“玩具”代码，举例说明了多线程的实现。每个线程创建一个新的列表并随机添加一些数字到列表中。这个已选的“玩具”例子对CPU的消耗非常高。
下面的代码概述了线程库的接口，但是他不会比我们用单线程实现的速度更快。当我们对下面的代码用多处理库时，我们将看到它会显著的降低总的运行时间。
让我们检查一下代码是怎样工作的。首先我们导入threading库。然后我们创建一个带有三个参数的函数list_append。第一个参数count定义了创建列表的大小。第二个参数id是“工作”(用于我们输出debug信息到控制台)的ID。第三个参数out_list是追加随机数的列表。
&翻译的不错哦!
__main__函数创建了一个107的size，并用两个threads执行工作。然后创建了一个jobs列表，用于存储分离的线程。threading.Thread对象将list_append函数作为参数，并将它附加到jobs列表。
最后，jobs分别开始并分别“joined”。join()方法阻塞了调用的线程（例如主Python解释器线程）直到线程终止。在打印完整的信息到控制台之前，确认所有的线程执行完成。
#&thread_test.pyimport&randomimport&threadingdef&list_append(count,&id,&out_list):
Creates&an&empty&list&and&then&appends&a&
random&number&to&the&list&'count'&number
of&times.&A&CPU-heavy&operation!
for&i&in&range(count):
out_list.append(random.random())if&__name__&==&"__main__":
size&=&&&&#&Number&of&random&numbers&to&add
threads&=&2&&&#&Number&of&threads&to&create
#&Create&a&list&of&jobs&and&then&iterate&through
#&the&number&of&threads&appending&each&thread&to
#&the&job&list&
for&i&in&range(0,&threads):
out_list&=&list()
thread&=&threading.Thread(target=list_append(size,&i,&out_list))
jobs.append(thread)
#&Start&the&threads&(i.e.&calculate&the&random&number&lists)
for&j&in&jobs:
#&Ensure&all&of&the&threads&have&finished
for&j&in&jobs:
print&"List&processing&complete."
我们能在控制台中调用如下的命令time这段代码
time&python&thread_test.py
将产生如下的输出
List&processing&complete.
real&&&&0m2.003s
user&&&&0m1.838s
sys&&&&&0m0.161s
注意user时间和sys时间相加大致等于real时间。这表明我们使用线程库没有获得性能的提升。我们期待real时间显著的降低。在并发编程的这些概念中分别被称为CPU时间和挂钟时间（wall-clock time）
&翻译的不错哦!
多进程处理库
为了充分地使用所有现代处理器所能提供的多个核心 ，我们就要使用 。它的工作方式与线程库完全不同 ，不过两种库的语法却非常相似 。
多进程处理库事实上对每个并行任务都会生成多个操作系统进程。通过给每个进程赋予单独的Python解释器和单独的全局解释锁(GIL)十分巧妙地规避了一个全局解释锁所带来的问题。而且每个进程还可独自占有一个处理器核心，在所有进程处理都结束的时候再对结果进行重组。
不过也存在一些缺陷。生成许多进程就会带来很多I/O管理问题，这是因为多个处理器对数据的处理会引起数据混乱 。这就会导致整个运行时间增多 。不过，假设把数据限制在每个进程内部 ，那么就可能大大的提高性能 。当然，再怎么提高也不会超过所规定的极限值。
&翻译的不错哦!
Python实现
使用Multiprocessing实现仅仅需要修改导入行和multiprocessing.Process行。这里单独的向目标函数传参数。除了这些，代码几乎和使用Threading实现的一样：
#&multiproc_test.pyimport&randomimport&multiprocessingdef&list_append(count,&id,&out_list):
Creates&an&empty&list&and&then&appends&a&
random&number&to&the&list&'count'&number
of&times.&A&CPU-heavy&operation!
for&i&in&range(count):
out_list.append(random.random())if&__name__&==&"__main__":
size&=&&&&#&Number&of&random&numbers&to&add
procs&=&2&&&#&Number&of&processes&to&create
#&Create&a&list&of&jobs&and&then&iterate&through
#&the&number&of&processes&appending&each&process&to
#&the&job&list&
for&i&in&range(0,&procs):
out_list&=&list()
process&=&multiprocessing.Process(target=list_append,&
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&args=(size,&i,&out_list))
jobs.append(process)
#&Start&the&processes&(i.e.&calculate&the&random&number&lists)
for&j&in&jobs:
#&Ensure&all&of&the&processes&have&finished
for&j&in&jobs:
print&"List&processing&complete."
控制台测试运行时间：
time&python&multiproc_test.py
得到如下输出：
List&processing&complete.
real&&&&0m1.045s
user&&&&0m1.824s
sys&&&&&0m0.231s
&翻译的不错哦!
在这个例子中可以看到user和sys时间基本相同，而real下降了近两倍。之所以会这样是因为我们使用了两个进程。扩展到四个进程或者将列表的长度减半结果如下（假设你的电脑至少是四核的）：
List&processing&complete.
real&&&&0m0.540s
user&&&&0m1.792s
sys&&&&&0m0.269s
使用四个进程差不多提高了3.8倍速度。但是，在将这个规律推广到更大范围，更复杂的程序上时要小心。数据转换，硬件cacha层次以及其他一些问题会减弱加快的速度。
在下一篇文章中我们会将Event-Driben Basketer并行化，从而提高其运行多维参数寻优的能力。
相关阅读：
&翻译的不错哦!
为什么 JavaScript、Lua 就没有 GIL？当前位置： >>
多线程CPU对高密度云计算的优势
摘要：最近随着Xeon E5系列处理器的推出，CPU多线程技术的意义被人们重新认识。宝德技术专家认为，以宝德观澜湖为代表的高密度云计算服务器以其多处理器、多核、多线程特色，为企业私有云构建提供强大的硬件支撑，并解决企业信息化过程中高密度计算的瓶颈问题。特别是多线程技术支持应用程序并行处理多项工作，大幅度提高了企业OA平台性能和使用效率。
　　最近随着XeonE5系列处理器的推出，CPU多线程技术的意义被人们重新认识。宝德技术专家认为，以宝德观澜湖为代表的高密度服务器以其多处理器、多核、多线程特色，为企业私有云构建提供强大的硬件支撑，并解决企业信息化过程中高密度计算的瓶颈问题。特别是多线程技术支持应用程序并行处理多项工作，大幅度提高了企业OA平台性能和使用效率。
　　企业高密度计算机的应用，是以软件和硬件结合为特征的应用。运行在企业之上的各种企业管理软件决定着企业的命运和未来，而CPU多线程技术是企业管理软件平稳高效运行的关键。那么CPU多线程，在企业应用中具有哪些优势呢？
　　多线程提高CPU的使用率。企业OA平台上往往运行着许多应用，如OA、ERP、CRM、WEB、Callcenter、Helpdesk及电子商务等流行应用，这些程序往往都需要及时处理，充分利用CPU资源显得尤为重要。例如当处于单线程机制时，正在运行的程序可能发生阻塞，而CPU被迫处于空闲状态，同时另一些需要处理的请求则得不到及时处理，这就造成大量的计算资源浪费。而在多线机制中，当某一个线程处发生阻塞，而其他线程又恰好处于空闲时，就可以用来运行其他的线程，这样就让CPU资源就得到了充分地利用。
　　多线程可以简化编程模型。如果程序只完成一项任务，在单线程机制下，只要写一个单线程的程序，并且按着程序的步骤执行即可。而系统要执行多项任务时，如果还使用单线程机制的话，那就得轮番查看每项任务执行到什么程度，及什么时候继续执行。如程序显示一个时钟的时、分、秒三个指针，使用单线程就得在循环中逐一判断这三个指针的转动时间和角度。如果使用三个线程分另来处理这三个指针的显示，那么对于每个线程来说就是指行一个单独的任务。这样有助于人员对程序的理解和维护。
　　多线程简化异步事件处理。当一个服务器应用程序在接收不同的客户端连接时最简单地处理方法就是为每一个客户端连接建立一个通道，然后监听程序负责通过轮询的方式监听来自客户端的请求。如果这种应用程序采用单线程来处理，就要建立复杂的轮询和排队机制，不断地挂起和开通I/O接口，使得I/O更难以控制，也更容易出错。而使用多线程和同步I/O方式时，可以更容易地处理类似于多个请求的异步事件。
　　除此之外，CPU多线程技术具有一个很大的优势是能极大的降低客户部署多项应用系统的总成本，提高系统的运转效率，因此，多线程CPU一直受到业界的青睐，国内外IT厂商把握客户的需求，大力研发CPU多线程技术以及基于该技术的高密度计算服务器。例如近期宝德所曝光的观澜湖系列服务器，产品每台装载四颗最新XeonE5-4600处理器，每个CPU有八个计算内核，每个内核可同时运行双线程，总共多达十六个线程。这样原则上每个处理器就可以同时运行十六个独立的任务，每台服务器更是可以运行64个任务，可以提供强大的运算能力。据测试，英特尔XeonE5-4600处理器与传统的Xeon5600双路服务器相比性能可实现2倍的提升,可以在企业中用来作为关键应用服务器，比如运行关键的EPR或OA应用程序，作为大型数据库服务器。或者在虚拟化程序之上装载不同的操作系统，以管理和控制各种不同的服务器群组等。
　　随着技术与云计算的发展、大数据时代的到来，大量数据处理、高密度计算、信息并行处理等需求对CPU的性能提出了更高的挑战，CPU多线程技术是未来的发展趋势。因此，充分利用基于CPU多线程技术的优势，大力发展高密度并行计算服务器，实现计算资源效率的优化配置，更好地支持虚拟化技术与复杂的应用系统，这样才能满足不断增长的企业计算和数据处理的需求，为云计算的发展提供强有力的基础架构支持。
　　责任编辑：my编辑
本文地址： 网友评论:
条 阅读次数：
版权声明：凡本站原创文章，未经授权，禁止转载，否则追究法律责任。
·····
如今大多数的立法者都跟不上现在
《哈佛商业评论》前执行主编Nick
美国联邦储备局理事会在新的战略
Netflix最近开设了一项金额为10
宝马集团已引进印度最大外包和咨
9成的中小型企业更愿意把他们的