众所周知，在大数据时代R语言有两个弱项，其中一个就是只能使用单线程计算。但是R在2.14版本之后，R就内置了parallel包，强化了R的并行计算能力。parallel包实际上整合了之前已经比较成熟的snow包和multicore包，multicore无法在windows下运行。parallel包可以很容易的在计算集群上实施并行计算，在多个CPU

1include<future//进程通信,获取未来的结果2include<iostream3include<thread4include<string5include<chrono//时间6include<mutex//互斥量7

1、前言        这个项目是一次课程作业，老师要求写一个并行计算框架，本人本身对openmp比较熟，加上又是scala的爱好者，所以想了许久，终于想到了用scala来实现一个类似openmp的一个简单的并行计算框架。项目github地址：ScalaMp(https://www.oschina.net/action/GoT

　　最近使用一个系统的分布式版本搭建测试环境，该系统是基于MPI实现的并行计算，MPI是传统基于msg的系统，这个框架非常灵活，对程序的结构没有太多约束，高效实用简单，下面是MPI在多台机器上实现并行计算的过程。　　这里准备使用三台机器，假设为A，B，C，对应IP分别为：192.168.86.16（A），192.168.86.108（B），192.168

一、分区的概念　　分区是RDD内部并行计算的一个计算单元，RDD的数据集在逻辑上被划分为多个分片，每一个分片称为分区，分区的格式决定了并行计算的粒度，而每个分区的数值计算都是在一个任务中进行的，因此任务的个数，也是由RDD(准确来说是作业最后一个RDD)的分区数决定。二、为什么要进行分区　　数据分区，在分布式

!(https://oscimg.oschina.net/oscnet/up73bb571946412ea63fda451b053faa90006.png)随着计算机行业的飞速发展，摩尔定律逐渐失效，多核CPU成为主流。使用多线程并行计算逐渐成为开发人员提升服务器性能的基本武器。J.U.C提供的线程池：ThreadPoolExecutor类，帮助开

问题来源非常感谢@doctorwho的问题：假如职业介绍所来了一批生产汽车的工作，假设生产一辆汽车任务是这样的：搭好底盘、拧4个轮胎、安装发动机、安装4个座椅、再装4个车门、最后安装顶棚。之间有的任务是可以并行计算的（比如拧4个轮胎，安装发动机和安装座椅），有的任务有前置任务（比如先装好座椅，才能装车门和顶棚）。让两组包工头组织两种类型的工作

关于并行计算的概念有非常多，硬件落地其实就只有两种，CPU上的并行计算和GPU上的并行计算，GPU做点积这样的矢量计算（矩阵计算）有优势，但目前还运行不了操作系统和数据库，比较多用于研究性质的计算。在我们生产系统中运用最多的是CPU上的并行计算，其落地方式也只有两种，多线程和多进程。围绕多线程、多进程结合通信技术的灵活设计，它的应用范围非常广泛，不光用于并行