In diesem Modul lernen wir die Grundlagen der Aufgabenparallelität kennen. Tasks sind die grundlegendste Einheit der parallelen Programmierung. Immer mehr Programmiersprachen (einschließlich Java und C++) gehen von älteren threadbasierten Ansätzen zu moderneren taskbasierten Ansätzen für die parallele Programmierung über. Wir werden etwas über 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 gehören Arbeit, Spanne, ideale Parallelität, parallele Beschleunigung und das Amdahlsche Gesetz. Wir werden auch beliebte Java-APIs für Aufgabenparallelität kennenlernen, insbesondere das Fork/Join-Framework.

Willkommen zu Modul 2! In diesem Modul werden wir uns mit Ansätzen zur Parallelität beschäftigen, die von der funktionalen Programmierung inspiriert wurden. Befürworter der parallelen funktionalen Programmierung argumentieren seit Jahrzehnten, dass funktionale Parallelität viele schwer zu entdeckende Fehler beseitigen kann, die bei imperativer Parallelität auftreten können. Wir werden etwas über Futures, Memoisierung und Streams sowie über Data Races lernen, eine berüchtigte Klasse von Fehlern, die mit funktionaler Parallelität vermieden werden können. Außerdem lernen wir Java-APIs für funktionale Parallelität kennen, darunter das Fork/Join-Framework und die Stream-APIs.

Begleiten Sie Professor Vivek Sarkar zu einem Gespräch mit dem Geschäftsführer von Two Sigma, Jim Ward, und den Softwareingenieuren Margaret Kelley und Jake Kornblau in deren Büro in Houston, Texas, über die Bedeutung der parallelen Programmierung.

Willkommen zu Modul 3 und herzlichen Glückwunsch, dass Sie die Mitte dieses Kurses erreicht haben! Es ist bekannt, dass viele Anwendungen einen Großteil ihrer Ausführungszeit in Schleifen verbringen. Daher ist es sehr motivierend zu lernen, wie Schleifen durch den Einsatz von Parallelität beschleunigt werden können, was der Schwerpunkt dieses Moduls ist. Wir werden zunächst lernen, wie parallele Zählschleifen mit Hilfe der forall- und stream-APIs in Java bequem ausgedrückt werden können und wie diese APIs zur Parallelisierung eines einfachen Matrixmultiplikationsprogramms verwendet werden können. Außerdem lernen wir das Barrier-Konstrukt für parallele Schleifen kennen und veranschaulichen seine Verwendung anhand eines einfachen Programms zur iterativen Mittelwertbildung. Schließlich 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 schließen wir unsere Einführung in die parallele Programmierung ab, indem wir lernen, wie die Prinzipien des Datenflusses genutzt werden können, um den Grad der Parallelität in einem Programm zu erhöhen. 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 regulären Barrieren, indem wir das Beispiel der iterativen Mittelwertbildung wieder aufgreifen. Schließlich werden wir auch lernen, wie Pipeline-Parallelität und Datenflussmodelle mit Java-APIs ausgedrückt werden können.

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