Datenflußrechner

Mit dem Begriff „Datenfluß“ sind drei Aspekte verknüpft: das Einmalzuweisungsprinzip der Datenflußsprachen, die (Maschinen-)Programmdarstellung als Datenflußgraph mit einer datengesteuerten Auswertungsstrategie und die Verarbeitungspipeline eines Datenflußprozessors, die aus Einheiten für das „Token Matching“, für die Befehlsbereitstellung, die Befehlsausführung und das Erzeugen von neuen „Tokens“ besteht.

In diesem Abschnitt werden die drei grundlegenden Operationsprinzipien für Rechner vorgestellt. Diese sind das Kontrollfluß-, das Reduktions- und das Datenflußprinzip.

In diesem Kapitel sollen die Zusammenhänge zwischen Ebenen der Parallelität, wie sie in einem Programmcode, also in Software, ausgedrückt sind, und Techniken der Parallelarbeit in der Hardware vermittelt werden. Im nächsten Abschnitt werden fünf Parallelitätsebenen definiert und Sprach- und Compiler-Aspekte angesprochen. Im Abschnitt 2.2 werden verschiedene Parallelarbeitstechniken einander gegenübergestellt und in den weiteren Abschnitten entsprechend der Einteilung in Abb. 2.2-1 im einzelnen behandelt.

Mit den im vorliegenden Kapitel beschriebenen Datenflußarchitekturen wird in der evolutionären Entwicklung des Datenflußrechnerprinzips die Periode von Mitte der 70er bis Anfang der 80er Jahre abgedeckt. Alle diese Architekturen sind, abgesehen von Rumbaughs Dataflow Multiprocessor, statische Datenflußrechner.

Im Kapitel 3 wurden Datenflußrechner aus der Zeit von Mitte der 70er bis Anfang der 80er Jahre vorgestellt. Diese verwenden bis auf den Dataflow Multiprocessor von Rumbaugh (Abschnitt 3.7) alle das statische Datenflußprinzip. Rumbaughs Entwurf wurde als dynamischer Datenflußrechner mit Code-Copying-Methode klassifiziert. Im vorliegenden Kapitel werden die wichtigsten Entwicklungen bei dynamischen Datenflußrechnern mit Tagged-Token-Prinzip beschrieben, wobei vier dynamische Datenflußrechnerprojekte exemplarisch vorgestellt werden. Dabei wird, soweit Literatur verfügbar ist, die Zeitspanne vom Anfang der 80er Jahre bis heute erfaßt.

Praktisch alle heute kommerziell genutzten Rechner basieren auf dem von-Neumann-Prinzip und sind das Produkt sukzessiver Verfeinerungen und Erweiterungen in den letzten vier Jahrzehnten. Datenflußrechner dagegen basieren auf einem völlig andersartigen Operationsprinzip und stellen eine vollständige Abkehr von konventionellen Computern dar. Die Folge ist, daß der Übergang von einem von-Neumann- zu einem Datenflußrechner für den Benutzer einen derart großen, technischen und administrativen Aufwand bedeutet, daß dieser nur dann gerechtfertigt ist, wenn signifikante Leistungsverbesserungen erzielt werden.

Bei konventionellen Multiprozessorsystemen, deren Verarbeitungselemente von-Neumann-Prozessoren sind, entstehen im Falle eines Zugriffs auf einen globalen Speicher oder bei der Prozeßsynchronisation die schon ausführlich diskutierten Effizienzprobleme (Abschnitte 2.3.5 und 5.1). Die Wartezeit bis ein entferntes Datenelement bereit steht, beziehungsweise bis der andere Prozeß im Falle eines fehlgeschlagenen Synchronisationsversuchs den Synchronisationspunkt erreicht hat, kann bei konventionellen Multiprozessorsystemen nur schwer überbrückt werden. In beiden Fällen bleibt den Prozessoren nur die Möglichkeit, entweder im Busy-Waiting-Zustand (‚Spin Lock‘) zu verharren oder einen Kontextwechsel¹ durchzuführen (‚Suspend Lock‘). „Busy Waiting“ kann bei kurzer Wartezeit tolerierbar sein, bedeutet jedoch bei längerer Wartezeit eine Ressourcenverschwendung. Ein Kontextwechsel erfordert bei konventionellen von-Neumann-Prozessoren einen zeitraubenden Betriebssystemaufruf, um die notwendige Sicherung der Register und des Prozeßzustandes vorzunehmen.

Das vorliegende Buch gibt einen kritischen Überblick über die Entwicklungen bei Datenflußrechnern bis hin zum heutigen Stand der Technik. Datenflußrechner und Datenfluß-/von-Neumann-Hybridarchitekturen werden mit den oft als „konventionell“ bezeichneten, aber wesentlich erfolgreicheren von-Neumann-Prozessoren und Multiprozessorsystemen, deren Knoten von-Neumann-Prozessoren sind, verglichen.