cs3dp19 -分布式系统与并行计算

模块供应商: Computer Science
学分数： 10 [5 ECTS credits]
水平:6
教学用语： 秋天 term module
先决条件:
模块化的必备条件:
相关内容:
模块被排除在外:
目前从: 2021/2

模块召集人: 克里斯托弗·梅纳德博士
电子邮件: c.m.maynard@reading.ac.uk

模块类型：

概述模块描述：

本模块介绍了分布式系统和并行计算的概念、原理、工具、技术和算法，并NBA投注[手机]俱乐部研究了云计算、大数据分析和大规模并行环境中相关应用程序的部署。 在此背景下，本模块涵盖了分布式系统开发中的硬件和软件架构和算法，MapReduce程序范式和Hadoop生态系统，以及内存和流计算工具（如Spark， Storm和Flink）； 到相关硬件和软件应用程序的并行编程范例，如OpenMP和MPI，以及gpu提供的大规模并行性。 学界和业界的讲座将会融入教学中，让学习增值。

目的:

该模块为学生提供分布式系统和并行计算的基础知识，以及最先进的工具，使学生能够理解支撑分布式系统的概念和原理，并利用行业标准工具。 然后，学生准备进一步专攻分布式系统和并行计算领域，例如大数据分析或科学程序员。

该模块还鼓励学生发展一套专业技能，如创造力、软件设计和开发、团队合作、自我反思和全球视野。

可评估的学习成果：

完成本模块的学生应该能够：

• 描述分布式系统和并行计算


• 了解如何通过分布式和并行算法解决并行问题


• 实现简单的分布式和并行问题的解决方案


• 利用分布式和并行环境（包括个人设备）的功能，评估分布式应用程序和系统的特征
  

 

额外的结果:

学生能够理解原理，并能够接近互联网和超级计算机提供的分布式服务，从而解决相关的科学问题。 专门的Linux知识，包括分布式和并行编程工具。

大纲内容:

• 分布式与并行计算概述 硬件和软件架构


• 来自工业和科学的分布式和并行应用的用例


• 分布式和并行系统设计中的问题及算法


• 与大数据相关的行业处理模型以及Hadoop、Spark等工具


• 相关算法和数据结构


• 科学计算概论


• 并行编程的范例和概念，重点是OpenMP和MPI

全局上下文:

该模块给出了分布式和并行计算的全局视角。

教学方法简述：

每周的实验实践和教程将引导学生学习分布式系统和分布式环境中并行编程的概念和工具。 在学习过程中，学生将形成一个学习共同体，并将同侪学习融入到实践中。 学生将有机会在课堂上展示他们对挑战性任务的解决方案。 学生将发展演讲技巧并获得对主题的信心。

联系时间:

	秋天	春天	夏天
讲座	10
实践课程和工作坊	10
引导自主学习：	70		10
按学期划分的总学时		0
模块总学时	100

总结性考核方法：

方法	百分比
笔试	100

总结性评核-考试：

5月/ 6月一次2小时的考试。

总结性评估-课程作业和课堂测试：

形成性评价方法：

在每周的实践课中会有每周一次的形成性评估。 然后将通过这些会议提供反馈。

逾期提交的处罚：

支助中心将对逾期提交的工作实行下列处罚：

• 在原定截止日期（或任何正式同意的延期截止日期）之后提交的作业：截止日期后的每个工作日（或其中的一部分）将从该作业的总分数中扣除10%的分数，最多可达五个工作日；
• 如果作品在原始截止日期（或任何正式同意的截止日期延长）后超过五个工作日提交：将记录零分。

The University policy statement on penalties for late submission can be found at: /web/FILES/qualitysupport/penaltiesforlatesubmission.pdf
You are strongly advised to ensure that coursework is submitted by the relevant deadline. 您应该注意，建议在未完成状态下提交作业，而不是没有提交任何作业。

通过考试的评估要求：

总体得分为40%。

重新安排:

8月/ 9月一次2小时的考试。

额外费用（适用时指定）：

最后更新: 2021年7月20日