Επιστημονική επιμέλεια ελληνικής έκδοσης: Δημήτρης Γκιζόπουλος, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών.

Το βιβλίο Εισαγωγή στον παράλληλο προγραμματισμό, Δεύτερη έκδοση ακολουθεί μια δοκιμασμένη εκπαιδευτική προσέγγιση που μαθαίνει στους σπουδαστές πώς να αναπτύσσουν αποτελεσματικά παράλληλα προγράμματα με τις διασυνδέσεις MPI, Pthreads, OpenMP και CUDA. Ως το πρώτο βιβλίο προπτυχιακού επιπέδου που ασχολείται άμεσα με τη μεταγλώττιση και την εκτέλεση παράλληλων προγραμμάτων σε πολυπύρηνες αρχιτεκτονικές και αρχιτεκτονικές συστάδων, αυτή η δεύτερη έκδοση παρέχει ακόμα περισσότερες σαφείς εξηγήσεις για τη σχεδίαση, την αποσφαλμάτωση και την αξιολόγηση των επιδόσεων προγραμμάτων κατανεμημένης και κοινόχρηστης μνήμης, ενώ παράλληλα καλύπτει τους επιταχυντές με νέα ύλη για τον προγραμματισμό GPU και τον ετερογενή προγραμματισμό.

Νέες και βελτιωμένες ασκήσεις φιλικές προς τον χρήστη δείχνουν στους σπουδαστές πώς να μεταγλωττίζουν, να εκτελούν, και να τροποποιούν παραδείγματα προγραμμάτων.

Βασικά χαρακτηριστικά του βιβλίου:

• Ακολουθεί μια διδακτική προσέγγιση, ξεκινώντας με μικρά προγραμματιστικά παραδείγματα και προχωρώντας σταδιακά σε όλο και απαιτητικότερα προγράμματα.
• Εξηγεί πώς να αναπτύσσετε παράλληλα προγράμματα χρησιμοποιώντας τις διασυνδέσεις MPI, Pthreads, OpenMP και CUDA.
• Διατίθεται ένα περιεκτικό πακέτο με βοηθητικό υποστηρικτικό υλικό στο Διαδίκτυο για διδάσκοντες και φοιτητές το οποίο περιλαμβάνει διαφάνειες διαλέξεων, εγχειρίδιο με τις λύσεις των ασκήσεων, πηγαίο κώδικα που μπορούν να κατεβάσουν οι αναγνώστες και μια συλλογή εικόνων.
• Νέα κεφάλαια για τον προγραμματισμό GPU και τον ετερογενή προγραμματισμό.
• Νέα παραδείγματα και ασκήσεις που σχετίζονται με την ανάπτυξη παράλληλων προγραμμάτων.

Περιεχόμενα:

• Γιατί παράλληλη υπολογιστική
• Παράλληλο υλικό και παράλληλο λογισμικό
• Προγραμματισμός συστημάτων κατανεμημένης μνήμης με την MPI
• Προγραμματισμός συστημάτων κοινόχρηστης μνήμης με Pthreads
• Προγραμματισμός συστημάτων κοινόχρηστης μνήμης με την OpenMP
• Προγραμματισμός GPU με την CUDA
• Ανάπτυξη παράλληλων προγραμμάτων
• Πώς μπορείτε να συνεχίσετε