[发明专利]信息处理系统以及信息处理方法

说明书

技术领域

本发明涉及采用了可以实现SIMD(Single Instruction Stream， Multiple Data Stream)的并行计算机的体系结构的信息处理系统。

背景技术

在全社会的各种场所引入计算机，以因特网为首的网络渗透的今 天，在各处储存着大规模的数据。为了处理这种大规模数据，需要巨 大的计算，因此要试着引入并行处理是自然的。

并行处理体系结构大体上分成“共用存储器型”和“分散存储器 型”。前者(“共用存储器型”)是许多处理器共用1个巨大的存储器 空间的方式。在该方式中，因为处理器群和共用存储器间的通信量成 为瓶颈，所以使用过百的处理器构筑现实的系统并不容易。因而，例 如在计算10亿个浮点变量的平方根时，相对单个CPU的加速比充其 量也就是100倍。从经验上看，30倍左右是上限。

后者(“分散存储器型”)各处理器分别具有本地存储器，结合它 们来构筑系统。在该方式中，可以设计组入了数百甚至到数万个处理 器的硬件系统。因而，可以把计算上述10亿个浮点变量的平方根时 针对单个CPU的加速比设置成数百～数万倍。但是，后者也存在以后 说明的几个课题。

专利文献1：国际公开WO00/10103号公报(第3图以及第4图)

专利文献2：国际公开WO2004/092948号公报

[第1个课题：巨大排列的分担管理]

“分散存储器型”的第1个课题是数据的分担管理的问题。

巨大的数据(因为一般是排列，所以以后用排列来说明)并不能 收容在1个处理器所具有的本地存储器中，必然在许多的本地存储器 中被分担管理。如果不导入有效并且灵活的分担管理机理，则在程序 的开发以及执行时将承担各种阻碍是明显的。

[第2个课题：处理器间通信的效率低]

分散存储器型系统的各处理器如果要访问巨大排列，则虽然对自 己所具有的本地存储器上的排列要素能够快速地访问，但对其他处理 器所具有的排列要素的访问必须进行处理器间通信。该处理器间通信 与和本地存储器通信相比，可以说性能极低，最低也需要100个时钟。 因此，在实施分类时，因为实施涉及巨大排列整个区域的参照，而多 发生处理器间的通信，所以性能极其低下。

关于该问题将更具体地加以说明。在1999年当时，个人计算机 使用1～数个CPU被构成为“共用存储器型”。在该个人计算机中使用 的标准的CPU在存储器总线的5～6倍左右的内部时钟下动作，在其 内部装备有自动的并行执行功能和流水线处理功能，大致能够用1个 时钟(存储器总线)处理1个数据。

因此，在“分散存储器型”的多处理器系统中，虽然处理器数多， 但很有可能比单一处理器(共用存储器型)还要慢100倍。

[第3个课题：程序的提供]

“分散存储器型”的第3个课题是怎样向许多处理器提供程序这 样的问题。

在非常多的处理器中下载各自的程序，以使整体协调动作的方式 (MIMD：Multiple Instruction Stream，Multiple Data Stream)中， 为了程序的制作、编译、分配而需要很多的负荷。

另一方面，在使许多处理器以同一程序动作的方式(SIMD： Single Instruction Stream，Multiple Data Stream)中，程序的自由度 减少，不能开发出带来所希望结果的程序这样的情况也能够被估计 出。

本发明提供一种解决“分散存储器型”的上述第1至第3个课题的 方法以及计算机体系结构。

本发明人提出了这样的构造以及处理方法(参照专利文献1)， 为了存储表形式数据而形成针对每一项的信息块在该信息块中设置 存储项目值的值列表、以及将用于指定该值列表的值(指针值)存储 在每个记录中的指针排列，通过从记录号码中按次序特定指针排列以 及值列表，能够取得表形式的图像。在该构造中，随着记录数增大， 因为上述值列表和指针排列、特别是指针排列变得非常大，所以希望 在用许多存储器分担它后，能够用单一命令执行检索、总计、分类等 处理。