SlideShare une entreprise Scribd logo
1  sur  40
Télécharger pour lire hors ligne
非ノイマン・アーキテクチャ
データ駆動計算機
Data Flow Machine
とは
2014/JUL/12
たけおか
@takeoka
AXE, Inc. / たけおかラボ(株)
たけおかって誰?
1970年代から、並列計算&記号処理に興味あり。1977年,電卓500ステップで「# ×○ 」を打つプログ
ラムを書く
1980年代、UNIXの仮名漢字変換システムWnnや Temporal Prolog(時相論理Prolog)を作ったり。国産X
Window端末などの設計開発に携わる。
1990年ごろ、豊橋技科大 湯淺研にて、1024PE規模の超並列計算機“SM-1”のLSIハードウェア、基
本ソフトウェアの設計開発に携わる。
湯淺研 SM-1:1024PE超並列計算機
ザウルスのOS組込みプレス No.8 (2007/AUG) 読者モデル
スパコン研究の低レイヤ
1992年~ AXE; OSとコンパイラとか。
…大きなものから小さなものまで 最近は AI もやってます
実時間Linux極小Lisp
デジカメのOS
ノイマン・アーキテクチャ
● 普通の計算機
● 構成要素
● PC(プログラム・カウンタ)
● メモリ/レジスタ
● ALU
● PCが指す命令を
● デコード
● オペランド・データ・フェッチ(読み出し)
● 演算
● 結果書き込み
ノイマン・ボトルネック
● 演算器は、たくさん載せられる
● レジスタもたくさんある
● 命令を取ってこれない
● 演算器の個数に対して、
● 命令語が来ない
↓
● 演算器が使い倒せない
● (主に)命令フェッチのネックを
「ノイマン・ボトルネック」
という
● …本当は、命令フェッチだけが、ボトルネックではないだが
● データフローマシンが,ノイマン・ボトルネックを解決
● 命令フェッチがネックなら、
命令なんか読まなければいいじゃない! (本気
ここが
ボトルネック
メモリ
命令 & データ
非ノイマン・アーキテクチャ
● アニメのネタじゃないよ
● PC(プログラム・カウンタ)が *無い*
● 明示的なメモリ/レジスタ が *無い* (ピュアなもの
は)
● i-structure(配列みたいなもの)とかは、あるが
● ALU
● データによって駆動
● オペランド・データが揃ったら
● 演算する
非ノイマン・アーキテクチャの代
表● データフローマシン
● 「データ駆動計算機」と呼ぶべき、と言われているが、
昔のことすぎて、「データフローマシン」の方がとおり
が良い
● スーパースカラ計算機
● みんなの x86 の中身もスーパースカラ
● スーパースカラは、データ依存関係で駆動されている
– データフローマシンとまったく同じ
並列計算
計算の並列
並列計算の粒度
● 並行プロセス, スレッド/ 粗粒度 並列
● 大きい単位で並列に計算
● スレッド/プロセスの中はシーケンシャル
● 今時のフツーの並列計算機。マルチコア、クラスタ計算機
● 命令レベル並列/ 細粒度 並列
● VLIW,SIMD, SuperScalar
● 複数の演算を同時(並列)に実行
● VLIWは、様々な命令を組み合わせて、同時(並列)に実行可能
● SIMDは、同一演算を並列に実行
– データ・パラレル
● SuperScalarは、同時実行する演算が、CPU内部で、動的にスケ
ジュールされる
● データフローマシンは、命令レベル並列に近い
データ並列とか
● SIMDは、データ・パラレル
● 命令は一つ。演算は同時に多数
● GPGPU
● 高速パイプライン
– パイプライン方向の並列処理
● 各ステージが同時に動作
– パイプラインを埋めるには、
規則正しい、データの並びが必須
● ばらばらなデータでは、パイプは埋まらない
● マルチ・パイプ
– 高速パイプラインを複数もつ
– 192個~2048個~
● データフローマシンは、マルチ・パイプだが、
バラバラのデータでも、パイプを埋めることができる
レ
ジ
ス
タ
フ
ァ
イ
ル
ベ
ク
ト
ル
レ
ジ
ス
タ
今のアーキテクチャ
普通のアーキテクチャ MIPS
http://web.sfc.keio.ac.jp/~rdv/keio/sfc/teaching/architecture/computer-architecture-2013/lec07-cache.html より引用
● レジスタ・ファイル(Registers)を複数持つ
● 各スレッドは、 各レジスタ・ファイルに保持
● メモリ・アクセスが長時間になる:キャッシュ外れ の時、
レジスタ・ファイルを切り替え、待機していた別スレッドを動かす
IR Register
File
今のアーキテクチャHyper thread って、なんだっけ?
ここが遅いとき
別スレッドを
動かすと
ALUが生きる
今のアーキテクチャ Hyper thread
● この発想は、1980年代 中~後期のデータフローマ
シン研究の中で出てきた(と言って、過言ではないだ
ろう)
今のアーキテクチャ Super Scalar
● 複数の処理ユニットを、効率的に回す
● ALUが複数個ある
● それを、間断なく回す
● 命令は十分読み込めていなければならない
● 命令キャッシュとのバンド幅が十分
● CPU内部で OPμ にバラすとか
● データ/演算レベルで、動的なスケジューリング
● データ依存関係&実行ユニットの空き で駆動(スケジュール)
● 通常の機械では、
分岐が入るまでの、プログラム・セグメント中で、Out of Order
(OoO)処理
● Reorder Buffer, Reservation Station, Score BoardなどでOoOを実現
今のアーキテクチャ Super Scalar
● データ依存関係、実行ユニットの空きなどを
見ながら、動的にスケジュール
※ここの例では、ALUは2個のつもり。
この例では実行ユニットの数は重要ではない
プログラム
C=A*B;
M=K*L;
P=M+N;
D=C+P; ←これが後回し
Z=X+Y;
*
A B
*
K L
C M
+
D
+
P
N
+
X Y
Z
src  dest C
*
D
+
M
*
P
+
Z
+
A x
B x
C x
D
K x
L x
M x
N x
P x
X x
Y x
Z
データ(レジスタ)依存関係を示すスコア・
Pの生成が
遅れるので、
後に回して、
ALUはX+Yをやる
データフローマシン
データ駆動マシン
非ノイマン・アーキテクチャ
● プログラムは、フローグラフ
● 単一代入
● Single Assignment Data flow Graph
– 現代的な(C言語などの)コンパイラ
は、ソースを
SSA(Static Single Assignment form)に変換
して最適化
● 演算ノードへのデータ(オペラ
ンド)が揃ったら、演算を行う
● データフローの対義語は
コントロール・フロー
● 「フローチャート」はコント
ロール・フローグラフそのもの
+
<
22 33
-
12 4
gategate
-10001000
True
False
If( (22+33)<(12-4) )
return 1000;
else
return -1000;
FPGAでありがちなデータフロー・アーキテクチャ・
マシン
● フローグラフをそのまま、
ハードウェアにマッピング
● 応用ごとに論理(パイプライ
ン)を生成しなければならない
● パイプラインがちゃんと流
れれば高速
● 繰り返しの表現方法が、各機
械の個性
●
+
<
22 33
-
12 4
gategate
-10001000
True
False
latch
+
latch latch
-
latch
latch
<
latch
Const
1000
gate
latch latch
gate
Const
-1000
日本はデータフローマシン大国
日本の代表的データフローマシン
● Sigma-1 (1987年)
電総研(現 産総研)
● EM-4
電総研(現 産総研)
● DFM
電電公社(現 NTT) 通研
● NEDIPS/ImPP(μPD7281)
NEC
環状(サーキュラ)パイプライン
● パイプラインの色々
Pease FFT algorithm(もともとのアルゴリズ
ム)
Linear Pipeline implementation
Circular Pipeline implementation
http://asim.csail.mit.edu/redmine/projects/mit6s078/wiki/Lab_FFT より引用
汎用データフローマシン
● 基本はサーキュラ(環状)・パイプライン
マッチング
メモリ
(オペランドの
待ち合わせを
行う)
命令ユニット
(データが
処理されるべき
演算を出す)
行き先ユニット
(新しい
アーク情報を
付ける)
演算 要素ユニット
インターコネクト(スイッチネットワーク/バスなど であることが通常)
演算 要素ユニット
サーキュラ・パイプラインを持つ、典型的な汎用データフローマシンのブロック図
実行ユニッ
ト
汎用データフローマシン
● 基本はサーキュラ(環状)・パイプライン
● データに、アークを示すタグが付いている
● アークを見ると
– 対になるデータ (通常、計算機命令は2オペランド)
– 適用される命令(演算/関数)
が判る
● マッチングメモリで、オペランドが揃うのを待つ
● オペランドが揃うと、「発火可能」
● 発火可能になると、発火可能キューに入る
● 演算ユニットが空くと、発火可能キューからデータは取り出され
● 対応する演算を行う
● 命令は、データ(中のアーク情報)を見ると分かる
● 演算結果に、新しい行き先(新しいアーク)を付加
● 元のアークから、新しい行き先が判る
● できたデータを、マッチングメモリに返す
汎用データフローマシン
● データは、パケットに収められている
● パケットには
● 対になるデータの情報
● 適用される演算/関数
● 結果の行き先(新しいタグ情報)
● インスタンスを表す情報
– リニア・パイプラインではデータの順序が保存されるので不要
– サーキュラ・パイプラインは演算途中のデータが順不同に混在
するので、インスタンスを判別する必要あり
– 通常、「カラー」などと呼ばれる整数を使用する
● ハードウェアでカラーを扱う(比較的少ない資源)ので、カラーは回収が必
要
日本の代表的データフローマシン
● Sigma-1 (1987年)
● 平木先生が電総研時代に作ったスパコン・データフローマシン
● システムのクロックは100ns(10MHz)
● 170MFLOPS,200MIPS
● ピーク最大性能427MFLOPS,640MIPS
● 128台の要素プロセッサ(PE)
● 128台の構造データ処理装置(SE)
● DFC(data flow C),DFC II
● ファームウェア(micro code)、
ソフトウェアは、関口さん
● http://museum.ipsj.or.jp/computer/other/0007.html
● http://museum.ipsj.or.jp/guide/pdf/magazine/IPSJ-MGN430211.pdf
日本の代表的データフローマシン
● EM-4
● 電総研(現 産総研)の、プログラム・カウンタのあるデータフローマシ
ン
● 1986年~1990年
● データフロー型,フォン・ノイマン型を融合したアーキテクチャ
● 記号処理用・シミュレーション用データフロー型並列計算機
● 1024プロセッサ
● プロトタイプ最高性能は1 GIPS,ネットワーク性能は14.63 Gbps
● CRAY/XMPの21倍,SUN Sparc-330の94倍 高速
● データフロー用プロセッサチップLSI “EMC-R”
● Cコンパイラ
● 現在のスーパースカラと同じ考え
●
http://museum.ipsj.or.jp/computer/other/0017.html
●
http://news.mynavi.jp/articles/2006/01/01/dataflow/
● 坂井先生,児玉先生ほか
日本の代表的データフローマシン
● DFM
● 電電公社(NTT)武蔵野通研 雨宮真人さんたちが作った
● http://jglobal.jst.go.jp/public/20090422/200902077371351099
● プログラミング言語は、pure functional
● Lisp系(?)言語を動かそうとしていた
● データフローマシンで記号処理を目指す
日本の代表的データフローマシン
● NEDIPS/ImPP(μPD7281)
● NEDIPS: NECが開発した、画像処理のための大型データフ
ローマシン
● ImPPは、NEDIPSの要素プロセッサをLSIにしたもの
● http://jglobal.jst.go.jp/public/20090422/200902052562513991
● http://www.shmj.or.jp/museum2010/exhibi704.htm
● http://ieeexplore.ieee.org/xpl/login.jsp?
tp=&arnumber=1169141&url=http%3A%2F%2Fieeexplore.ieee.org
%2Fxpls%2Fabs_all.jsp%3Farnumber%3D1169141
● http://www.st.rim.or.jp/~nkomatsu/nec/uPD7281.html
● 写真は、http://www.st.rim.or.jp/~nkomatsu/nec/uPD7281.html より引用
日本の代表的データフローマシン
● ImPP(μPD7281)
● 図は、http://www.st.rim.or.jp/~nkomatsu/nec/uPD7281.html より引用
日本の代表的データフローマシン
● ImPP(μPD7281)
● 図は、http://www.shmj.or.jp/museum2010/exhibi704.htm より引用
汎用データフローマシン
● 電総研(産総研) Sigma-1 (1984~1988年)
● http://museum.ipsj.or.jp/guide/pdf/magazine/IPSJ­MGN430211.pdf
● Data Flow Machine For Data Driven Computing - Patent
5465368 (1995年)
● https://www.google.com/patents/US5465368
● PDFダウンロード可能
● NEC ImPP
● http://www.shmj.or.jp/museum2010/exhibi704.htm
● http://www.st.rim.or.jp/~nkomatsu/nec/uPD7281.html
汎用データフローマシンの長所
● プログラムに潜在する並列性がすべて引き出せる(可能
性が大きい)
● データ依存関係で動作するので、プログラムがヘボでもOK
– 勝手に、ハードウェアが並列性を引き出す
● マクロな並列と、細粒度な並列のすべてが引き出せる
– ある意味、理想的
– 現在のスパコンは、マクロな並列と、ベクトル化(直列なデータ並列)
● 多数(Massive)な演算器があっても、回せる
● Massively Parallel の問題点は、「そんなに並列度が引き出せな
いことだ」と言われていた
– 現在のスパコンは、64万個のCPUコアなので、並列度は引き出せて
るじゃんwww
● でも、マクロな並列性だけだよ
昔の汎用データフローマシンの短所
● Eager(早期)に評価するので、無駄な計算をやりがち
● Eagerに評価するので、野放しにすると資源が枯渇す
る
昔の汎用データフローマシンの短所 1
● Eagerな評価なので、無駄な計算を
やりがち
● 投機実行の塊 とも言える
● 分岐予測は不要(長所)
● ノイマン型で評価しない部分(if文
で不成立の方)も、実行してしま
う
● if cond then truePart else
falsePart
の truePart, falsePart のすべてを
実行してしまう
● プログラムに潜在する並列性がす
べて引き出せるのが、
…逆に欠点に
● 現在のスパコンは、50万~312万
コア、
いつも、すべてが十分に回ってい
るわけでもない
が、誰も文句を言わない
+
<
22 33
-
12 4
gategate
True
False
If( (22+33)<(12-4) )
return 123 + 456;
else
return 123 - 456;
+
123 456
-
123 456
両方やっちゃう
(^^;
両方やっちゃう
(^^;
昔の汎用データフローマシンの短所
2● Eagerに評価するので、野放しにすると
中間結果(発火待ち)を作りすぎて、資源が枯渇して、
計算が進まなくなってしまう
● マッチング・メモリが足りなくなる
● 適宜、(プログラマに)見えない依存関係を導入して、
制御は可能
データフローマシンは使える
画像処理など、大量のデータが流れる用途では
性能が出る
● 特定機能の演算器をデプス方向(直列)に並べるのは、ありが
ち
● サーキュラ・パイプラインにすると柔軟性が出る
– 潜在並列性が引き出せる
● 暗号解読に、サーキュラ・パイプラインを使う、とい
う新しい文書も出ている
The Circular Pipeline: Achieving Higher Throughput in the Search for Bent Functions [Kindle
版]
http://www.amazon.co.jp/The­Circular­Pipeline­Achieving­Throughput­
ebook/dp/B007AM56YG/ref=sr_1_1?s=digital­text&ie=UTF8&qid=1398309378&sr=1­
1&keywords=The+Circular+Pipeline
%3A+Achieving+Higher+Throughput+in+the+Search+for+Bent+Functions
データフローマシンと関数型言語
● if cond then truePart else falsePart
の truePart, falsePart のすべてを実行してしまう
● 参照透過性が欲しい = 副作用は嫌い
⇒ Pure functional (純粋関数型)いいじゃん!
● ちなみに、現在の普通の機械の投機実行は、
寸止め(?)で、副作用(write back)を止める
● 並列計算は、一般に、変数に干渉しないと楽(バグが出な
い)
● 単一代入 = 変数に代入しない → 干渉しない
⇒ Pure functional いいじゃん!
● なので、1980年代データフローマシンは、純粋関数型大好
き
教科書
● データフローマシンと言語
● 曽和 将容
● 様々な機械のサーベイができてる。
●
http://www.amazon.co.jp/%E3%83%87%E3%83%BC%E3%82%BF%E3%83%95%E3%83%AD
%E3%83%BC%E3%83%9E%E3%82%B7%E3%83%B3%E3%81%A8%E8%A8%80%E8%AA%9E-
%E3%82%BD%E3%83%95%E3%83%88%E3%82%A6%E3%82%A8%E3%82%A2%E8%AC%9B
%E5%BA%A7-%E6%9B%BD%E5%92%8C-%E5%B0%86%E5%AE%B9/dp/4785635436/ref=sr_1_1?
ie=UTF8&qid=1399793655&sr=8-1&keywords=%E3%83%87%E3%83%BC%E3%82%BF
%E3%83%95%E3%83%AD%E3%83%BC%E3%83%9E%E3%82%B7%E3%83%B3
教科書
● データ・フロー・コンピューティング
● J.A.シャープ (著), 富田 真治 (翻訳)
● 富田先生は、京大萩原研の柴山先生のちょっと上の先輩でQA-2を作った人
● http://www.amazon.co.jp/%E3%83%87%E3%83%BC%E3%82%BF%E3%83%BB%E3%83%95%E3%83%AD
%E3%83%BC%E3%83%BB%E3%82%B3%E3%83%B3%E3%83%94%E3%83%A5%E3%83%BC
%E3%83%86%E3%82%A3%E3%83%B3%E3%82%B0-Information-computing-13-J-A-
%E3%82%B7%E3%83%A3%E3%83%BC%E3%83%97/dp/4781904718/ref=sr_1_1?
ie=UTF8&qid=1399793942&sr=8-1&keywords=%E3%83%87%E3%83%BC%E3%82%BF
%E3%83%95%E3%83%AD%E3%83%BC+
%E3%82%B3%E3%83%B3%E3%83%94%E3%83%A5%E3%83%BC
%E3%83%86%E3%82%A3%E3%83%B3%E3%82%B0
教科書
● データ駆動型並列計算機
● 弓場 敏嗣 , 山口 喜教(著) この人たちは、電総研(現産総研)で、
データフローマシンを作ってた人たち。
●
http://www.amazon.co.jp/%E3%83%87%E3%83%BC%E3%82%BF%E9%A7%86%E5%8B
%95%E5%9E%8B%E4%B8%A6%E5%88%97%E8%A8%88%E7%AE%97%E6%A9%9F-
%E3%82%B3%E3%83%B3%E3%83%94%E3%83%A5%E3%83%BC%E3%82%BF
%E3%82%A2%E3%83%BC%E3%82%AD%E3%83%86%E3%82%AF
%E3%83%81%E3%83%A3%E3%82%B7%E3%83%AA%E3%83%BC%E3%82%BA-
%E5%BC%93%E5%A0%B4-%E6%95%8F%E5%97%A3/dp/4274077632/ref=sr_1_3?
ie=UTF8&qid=1399794075&sr=8-3&keywords=%E3%83%87%E3%83%BC%E3%82%BF
%E9%A7%86%E5%8B%95
40
日本のスパコン大国
地球シミュレータ 東工大 TSUBAME2.0
神戸ペタコン 「京」ちゃん

Contenu connexe

Tendances

Apache Spark チュートリアル
Apache Spark チュートリアルApache Spark チュートリアル
Apache Spark チュートリアルK Yamaguchi
 
Elasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させるElasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させるnobu_k
 
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~Ryota Watabe
 
シンプルでシステマチックな Linux 性能分析方法
シンプルでシステマチックな Linux 性能分析方法シンプルでシステマチックな Linux 性能分析方法
シンプルでシステマチックな Linux 性能分析方法Yohei Azekatsu
 
Page reclaim
Page reclaimPage reclaim
Page reclaimsiburu
 
MySQL 5.7 InnoDB 日本語全文検索
MySQL 5.7 InnoDB 日本語全文検索MySQL 5.7 InnoDB 日本語全文検索
MySQL 5.7 InnoDB 日本語全文検索yoyamasaki
 
Performance Comparison of Mutex, RWLock and Atomic types in Rust
Performance Comparison of Mutex, RWLock and  Atomic types in RustPerformance Comparison of Mutex, RWLock and  Atomic types in Rust
Performance Comparison of Mutex, RWLock and Atomic types in RustMitsunori Komatsu
 
ScyllaDBユーザー勉強会 #1
ScyllaDBユーザー勉強会 #1ScyllaDBユーザー勉強会 #1
ScyllaDBユーザー勉強会 #1Changhwan Lee
 
Veriloggen.Thread & Stream: 最高性能FPGAコンピューティングを 目指したミックスドパラダイム型高位合成 (FPGAX 201...
Veriloggen.Thread & Stream: 最高性能FPGAコンピューティングを 目指したミックスドパラダイム型高位合成 (FPGAX 201...Veriloggen.Thread & Stream: 最高性能FPGAコンピューティングを 目指したミックスドパラダイム型高位合成 (FPGAX 201...
Veriloggen.Thread & Stream: 最高性能FPGAコンピューティングを 目指したミックスドパラダイム型高位合成 (FPGAX 201...Shinya Takamaeda-Y
 
PyCoRAM: Python-Verilog高位合成とメモリ抽象化によるFPGAアクセラレータ向けIPコア開発フレームワーク (FPGAX #05)
PyCoRAM: Python-Verilog高位合成とメモリ抽象化によるFPGAアクセラレータ向けIPコア開発フレームワーク (FPGAX #05)PyCoRAM: Python-Verilog高位合成とメモリ抽象化によるFPGAアクセラレータ向けIPコア開発フレームワーク (FPGAX #05)
PyCoRAM: Python-Verilog高位合成とメモリ抽象化によるFPGAアクセラレータ向けIPコア開発フレームワーク (FPGAX #05)Shinya Takamaeda-Y
 
twlkh-linux-vsyscall-and-vdso
twlkh-linux-vsyscall-and-vdsotwlkh-linux-vsyscall-and-vdso
twlkh-linux-vsyscall-and-vdsoViller Hsiao
 
Pythonのシグナル処理
Pythonのシグナル処理Pythonのシグナル処理
Pythonのシグナル処理Atsuo Ishimoto
 
Halide による画像処理プログラミング入門
Halide による画像処理プログラミング入門Halide による画像処理プログラミング入門
Halide による画像処理プログラミング入門Fixstars Corporation
 
Kernel Recipes 2019 - BPF at Facebook
Kernel Recipes 2019 - BPF at FacebookKernel Recipes 2019 - BPF at Facebook
Kernel Recipes 2019 - BPF at FacebookAnne Nicolas
 
RISC-Vの基礎、オバービュー(RISC-V basis-overview)
RISC-Vの基礎、オバービュー(RISC-V basis-overview)RISC-Vの基礎、オバービュー(RISC-V basis-overview)
RISC-Vの基礎、オバービュー(RISC-V basis-overview)Takayasu Shibata
 
計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~Norishige Fukushima
 
PySpark 배우기 Ch 06. ML 패키지 소개하기
PySpark 배우기 Ch 06. ML 패키지 소개하기PySpark 배우기 Ch 06. ML 패키지 소개하기
PySpark 배우기 Ch 06. ML 패키지 소개하기찬희 이
 
Intro to SVE 富岳のA64FXを触ってみた
Intro to SVE 富岳のA64FXを触ってみたIntro to SVE 富岳のA64FXを触ってみた
Intro to SVE 富岳のA64FXを触ってみたMITSUNARI Shigeo
 

Tendances (20)

Apache Spark チュートリアル
Apache Spark チュートリアルApache Spark チュートリアル
Apache Spark チュートリアル
 
TVM の紹介
TVM の紹介TVM の紹介
TVM の紹介
 
Elasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させるElasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させる
 
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
 
シンプルでシステマチックな Linux 性能分析方法
シンプルでシステマチックな Linux 性能分析方法シンプルでシステマチックな Linux 性能分析方法
シンプルでシステマチックな Linux 性能分析方法
 
Page reclaim
Page reclaimPage reclaim
Page reclaim
 
MySQL 5.7 InnoDB 日本語全文検索
MySQL 5.7 InnoDB 日本語全文検索MySQL 5.7 InnoDB 日本語全文検索
MySQL 5.7 InnoDB 日本語全文検索
 
Performance Comparison of Mutex, RWLock and Atomic types in Rust
Performance Comparison of Mutex, RWLock and  Atomic types in RustPerformance Comparison of Mutex, RWLock and  Atomic types in Rust
Performance Comparison of Mutex, RWLock and Atomic types in Rust
 
ScyllaDBユーザー勉強会 #1
ScyllaDBユーザー勉強会 #1ScyllaDBユーザー勉強会 #1
ScyllaDBユーザー勉強会 #1
 
Veriloggen.Thread & Stream: 最高性能FPGAコンピューティングを 目指したミックスドパラダイム型高位合成 (FPGAX 201...
Veriloggen.Thread & Stream: 最高性能FPGAコンピューティングを 目指したミックスドパラダイム型高位合成 (FPGAX 201...Veriloggen.Thread & Stream: 最高性能FPGAコンピューティングを 目指したミックスドパラダイム型高位合成 (FPGAX 201...
Veriloggen.Thread & Stream: 最高性能FPGAコンピューティングを 目指したミックスドパラダイム型高位合成 (FPGAX 201...
 
PyCoRAM: Python-Verilog高位合成とメモリ抽象化によるFPGAアクセラレータ向けIPコア開発フレームワーク (FPGAX #05)
PyCoRAM: Python-Verilog高位合成とメモリ抽象化によるFPGAアクセラレータ向けIPコア開発フレームワーク (FPGAX #05)PyCoRAM: Python-Verilog高位合成とメモリ抽象化によるFPGAアクセラレータ向けIPコア開発フレームワーク (FPGAX #05)
PyCoRAM: Python-Verilog高位合成とメモリ抽象化によるFPGAアクセラレータ向けIPコア開発フレームワーク (FPGAX #05)
 
twlkh-linux-vsyscall-and-vdso
twlkh-linux-vsyscall-and-vdsotwlkh-linux-vsyscall-and-vdso
twlkh-linux-vsyscall-and-vdso
 
Pythonのシグナル処理
Pythonのシグナル処理Pythonのシグナル処理
Pythonのシグナル処理
 
Halide による画像処理プログラミング入門
Halide による画像処理プログラミング入門Halide による画像処理プログラミング入門
Halide による画像処理プログラミング入門
 
Glibc malloc internal
Glibc malloc internalGlibc malloc internal
Glibc malloc internal
 
Kernel Recipes 2019 - BPF at Facebook
Kernel Recipes 2019 - BPF at FacebookKernel Recipes 2019 - BPF at Facebook
Kernel Recipes 2019 - BPF at Facebook
 
RISC-Vの基礎、オバービュー(RISC-V basis-overview)
RISC-Vの基礎、オバービュー(RISC-V basis-overview)RISC-Vの基礎、オバービュー(RISC-V basis-overview)
RISC-Vの基礎、オバービュー(RISC-V basis-overview)
 
計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~
 
PySpark 배우기 Ch 06. ML 패키지 소개하기
PySpark 배우기 Ch 06. ML 패키지 소개하기PySpark 배우기 Ch 06. ML 패키지 소개하기
PySpark 배우기 Ch 06. ML 패키지 소개하기
 
Intro to SVE 富岳のA64FXを触ってみた
Intro to SVE 富岳のA64FXを触ってみたIntro to SVE 富岳のA64FXを触ってみた
Intro to SVE 富岳のA64FXを触ってみた
 

En vedette

Engineering fast indexes
Engineering fast indexesEngineering fast indexes
Engineering fast indexesDaniel Lemire
 
Fabricでサーバー管理をDRYにしよう
Fabricでサーバー管理をDRYにしようFabricでサーバー管理をDRYにしよう
Fabricでサーバー管理をDRYにしようmax747
 
MitM on USB -- Introduction of USBProxy --
MitM on USB -- Introduction of USBProxy --MitM on USB -- Introduction of USBProxy --
MitM on USB -- Introduction of USBProxy --Kiyotaka Atsumi
 
Cpuの速度向上はいかに実現されたのか
Cpuの速度向上はいかに実現されたのかCpuの速度向上はいかに実現されたのか
Cpuの速度向上はいかに実現されたのかJoongjin Bae
 
複合システムネットワーク論を読む(公開版)
複合システムネットワーク論を読む(公開版)複合システムネットワーク論を読む(公開版)
複合システムネットワーク論を読む(公開版)考司 小杉
 
アプリ開発を効率化する 方法あれこれ
アプリ開発を効率化する 方法あれこれアプリ開発を効率化する 方法あれこれ
アプリ開発を効率化する 方法あれこれAtsushi Mizoue
 
Olivo, pianta dalle innumerevoli qualità
Olivo, pianta dalle innumerevoli qualitàOlivo, pianta dalle innumerevoli qualità
Olivo, pianta dalle innumerevoli qualitàCreAgri Europe
 
Hum1020 fa2014 exam 4 study guide
Hum1020 fa2014 exam 4 study guideHum1020 fa2014 exam 4 study guide
Hum1020 fa2014 exam 4 study guideProfWillAdams
 
"Green Urbanism" & "Contextualism"
"Green Urbanism" & "Contextualism""Green Urbanism" & "Contextualism"
"Green Urbanism" & "Contextualism"Jerrie Kee
 
Hum2220 1330 egyptian mummification
Hum2220 1330 egyptian mummificationHum2220 1330 egyptian mummification
Hum2220 1330 egyptian mummificationProfWillAdams
 
Pengelolaan Barang
Pengelolaan BarangPengelolaan Barang
Pengelolaan BarangKang Tea
 
New culture of_light
New culture of_lightNew culture of_light
New culture of_lightpkirk63
 
Theballproject inspire
Theballproject inspireTheballproject inspire
Theballproject inspireRohit Dsouza
 
Embedding FreeBSD: for large and small beds
Embedding FreeBSD: for large and small bedsEmbedding FreeBSD: for large and small beds
Embedding FreeBSD: for large and small bedsOpenFest team
 

En vedette (20)

お化け
お化けお化け
お化け
 
Raspi32
Raspi32Raspi32
Raspi32
 
Robot Language and a Tail Recursive Interpreter
Robot Language and a Tail Recursive Interpreter Robot Language and a Tail Recursive Interpreter
Robot Language and a Tail Recursive Interpreter
 
Engineering fast indexes
Engineering fast indexesEngineering fast indexes
Engineering fast indexes
 
Fabricでサーバー管理をDRYにしよう
Fabricでサーバー管理をDRYにしようFabricでサーバー管理をDRYにしよう
Fabricでサーバー管理をDRYにしよう
 
MitM on USB -- Introduction of USBProxy --
MitM on USB -- Introduction of USBProxy --MitM on USB -- Introduction of USBProxy --
MitM on USB -- Introduction of USBProxy --
 
Cpuの速度向上はいかに実現されたのか
Cpuの速度向上はいかに実現されたのかCpuの速度向上はいかに実現されたのか
Cpuの速度向上はいかに実現されたのか
 
複合システムネットワーク論を読む(公開版)
複合システムネットワーク論を読む(公開版)複合システムネットワーク論を読む(公開版)
複合システムネットワーク論を読む(公開版)
 
アプリ開発を効率化する 方法あれこれ
アプリ開発を効率化する 方法あれこれアプリ開発を効率化する 方法あれこれ
アプリ開発を効率化する 方法あれこれ
 
Olivo, pianta dalle innumerevoli qualità
Olivo, pianta dalle innumerevoli qualitàOlivo, pianta dalle innumerevoli qualità
Olivo, pianta dalle innumerevoli qualità
 
Hum1020 fa2014 exam 4 study guide
Hum1020 fa2014 exam 4 study guideHum1020 fa2014 exam 4 study guide
Hum1020 fa2014 exam 4 study guide
 
retrobsd-2012-JUL-07 at JNUG BSD BoF
retrobsd-2012-JUL-07 at JNUG BSD BoFretrobsd-2012-JUL-07 at JNUG BSD BoF
retrobsd-2012-JUL-07 at JNUG BSD BoF
 
2009 annual report
2009  annual report2009  annual report
2009 annual report
 
"Green Urbanism" & "Contextualism"
"Green Urbanism" & "Contextualism""Green Urbanism" & "Contextualism"
"Green Urbanism" & "Contextualism"
 
Hum2220 1330 egyptian mummification
Hum2220 1330 egyptian mummificationHum2220 1330 egyptian mummification
Hum2220 1330 egyptian mummification
 
Pengelolaan Barang
Pengelolaan BarangPengelolaan Barang
Pengelolaan Barang
 
Tejeemel amitad
Tejeemel amitadTejeemel amitad
Tejeemel amitad
 
New culture of_light
New culture of_lightNew culture of_light
New culture of_light
 
Theballproject inspire
Theballproject inspireTheballproject inspire
Theballproject inspire
 
Embedding FreeBSD: for large and small beds
Embedding FreeBSD: for large and small bedsEmbedding FreeBSD: for large and small beds
Embedding FreeBSD: for large and small beds
 

Similaire à Dataflow140711

最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返りSotaro Kimura
 
実行トレース間のデータの差異に基づくデータフロー解析手法の提案
実行トレース間のデータの差異に基づくデータフロー解析手法の提案実行トレース間のデータの差異に基づくデータフロー解析手法の提案
実行トレース間のデータの差異に基づくデータフロー解析手法の提案Kamiya Toshihiro
 
2018/02/27 Recurrent Neural Networks starting with Neural Network Console
2018/02/27 Recurrent Neural Networks starting with Neural Network Console2018/02/27 Recurrent Neural Networks starting with Neural Network Console
2018/02/27 Recurrent Neural Networks starting with Neural Network ConsoleSony Network Communications Inc.
 
フラグ色々&その遅延評価-仮想機械インタープリタ書きのための-
フラグ色々&その遅延評価-仮想機械インタープリタ書きのための-フラグ色々&その遅延評価-仮想機械インタープリタ書きのための-
フラグ色々&その遅延評価-仮想機械インタープリタ書きのための-たけおか しょうぞう
 
IoTとOpenFlowのライトニングトーク
IoTとOpenFlowのライトニングトークIoTとOpenFlowのライトニングトーク
IoTとOpenFlowのライトニングトークTomoya Hibi
 
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)Hadoop / Spark Conference Japan
 
マイニング探検会#10
マイニング探検会#10マイニング探検会#10
マイニング探検会#10Yoji Kiyota
 
利用者主体で行う分析のための分析基盤
利用者主体で行う分析のための分析基盤利用者主体で行う分析のための分析基盤
利用者主体で行う分析のための分析基盤Sotaro Kimura
 
LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~ryuz88
 
Statically detecting vulnerability under memory pressure using exhaustive search
Statically detecting vulnerability under memory pressure usingexhaustive searchStatically detecting vulnerability under memory pressure usingexhaustive search
Statically detecting vulnerability under memory pressure using exhaustive searchRuo Ando
 
深層学習フレームワーク Chainer の開発と今後の展開
深層学習フレームワーク Chainer の開発と今後の展開深層学習フレームワーク Chainer の開発と今後の展開
深層学習フレームワーク Chainer の開発と今後の展開Seiya Tokui
 
Literate Computing for Infrastructure - インフラ・コード化の実践におけるIPython (Jupyter) Not...
Literate Computing for Infrastructure - インフラ・コード化の実践におけるIPython (Jupyter) Not...Literate Computing for Infrastructure - インフラ・コード化の実践におけるIPython (Jupyter) Not...
Literate Computing for Infrastructure - インフラ・コード化の実践におけるIPython (Jupyter) Not...No Bu
 
いきなりAi tensor flow gpuによる画像分類と生成
いきなりAi tensor flow gpuによる画像分類と生成いきなりAi tensor flow gpuによる画像分類と生成
いきなりAi tensor flow gpuによる画像分類と生成Yoshi Sakai
 
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...Insight Technology, Inc.
 

Similaire à Dataflow140711 (20)

Dataflow140711@Kernel/VM北陸1
Dataflow140711@Kernel/VM北陸1Dataflow140711@Kernel/VM北陸1
Dataflow140711@Kernel/VM北陸1
 
Dataflow140711-a@Kernel/VM北陸1
Dataflow140711-a@Kernel/VM北陸1Dataflow140711-a@Kernel/VM北陸1
Dataflow140711-a@Kernel/VM北陸1
 
Fpgax20180217
Fpgax20180217Fpgax20180217
Fpgax20180217
 
R-hpc-1 TokyoR#11
R-hpc-1 TokyoR#11R-hpc-1 TokyoR#11
R-hpc-1 TokyoR#11
 
最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り
 
実行トレース間のデータの差異に基づくデータフロー解析手法の提案
実行トレース間のデータの差異に基づくデータフロー解析手法の提案実行トレース間のデータの差異に基づくデータフロー解析手法の提案
実行トレース間のデータの差異に基づくデータフロー解析手法の提案
 
2018/02/27 Recurrent Neural Networks starting with Neural Network Console
2018/02/27 Recurrent Neural Networks starting with Neural Network Console2018/02/27 Recurrent Neural Networks starting with Neural Network Console
2018/02/27 Recurrent Neural Networks starting with Neural Network Console
 
フラグ色々&その遅延評価-仮想機械インタープリタ書きのための-
フラグ色々&その遅延評価-仮想機械インタープリタ書きのための-フラグ色々&その遅延評価-仮想機械インタープリタ書きのための-
フラグ色々&その遅延評価-仮想機械インタープリタ書きのための-
 
IoTとOpenFlowのライトニングトーク
IoTとOpenFlowのライトニングトークIoTとOpenFlowのライトニングトーク
IoTとOpenFlowのライトニングトーク
 
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)
 
Mt basic as-os_on_danbot
Mt basic as-os_on_danbotMt basic as-os_on_danbot
Mt basic as-os_on_danbot
 
マイニング探検会#10
マイニング探検会#10マイニング探検会#10
マイニング探検会#10
 
利用者主体で行う分析のための分析基盤
利用者主体で行う分析のための分析基盤利用者主体で行う分析のための分析基盤
利用者主体で行う分析のための分析基盤
 
LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~
 
Statically detecting vulnerability under memory pressure using exhaustive search
Statically detecting vulnerability under memory pressure usingexhaustive searchStatically detecting vulnerability under memory pressure usingexhaustive search
Statically detecting vulnerability under memory pressure using exhaustive search
 
深層学習フレームワーク Chainer の開発と今後の展開
深層学習フレームワーク Chainer の開発と今後の展開深層学習フレームワーク Chainer の開発と今後の展開
深層学習フレームワーク Chainer の開発と今後の展開
 
Literate Computing for Infrastructure - インフラ・コード化の実践におけるIPython (Jupyter) Not...
Literate Computing for Infrastructure - インフラ・コード化の実践におけるIPython (Jupyter) Not...Literate Computing for Infrastructure - インフラ・コード化の実践におけるIPython (Jupyter) Not...
Literate Computing for Infrastructure - インフラ・コード化の実践におけるIPython (Jupyter) Not...
 
いきなりAi tensor flow gpuによる画像分類と生成
いきなりAi tensor flow gpuによる画像分類と生成いきなりAi tensor flow gpuによる画像分類と生成
いきなりAi tensor flow gpuによる画像分類と生成
 
Overview and Roadmap
Overview and RoadmapOverview and Roadmap
Overview and Roadmap
 
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
 

Plus de たけおか しょうぞう

いにしえ的ななにか、カニか? RISC-V picoRV32, e203 改造 オレオレ命令追加した
いにしえ的ななにか、カニか? RISC-V picoRV32, e203 改造 オレオレ命令追加したいにしえ的ななにか、カニか? RISC-V picoRV32, e203 改造 オレオレ命令追加した
いにしえ的ななにか、カニか? RISC-V picoRV32, e203 改造 オレオレ命令追加したたけおか しょうぞう
 
俺ASICと俺CPU“松竹V(しょうちくぶい)”
俺ASICと俺CPU“松竹V(しょうちくぶい)”俺ASICと俺CPU“松竹V(しょうちくぶい)”
俺ASICと俺CPU“松竹V(しょうちくぶい)”たけおか しょうぞう
 
あるRISC-V CPUの 浮動小数点数(異常なし)
あるRISC-V CPUの 浮動小数点数(異常なし)あるRISC-V CPUの 浮動小数点数(異常なし)
あるRISC-V CPUの 浮動小数点数(異常なし)たけおか しょうぞう
 
どうして昔の人は八進数でしゃべるのか?
どうして昔の人は八進数でしゃべるのか?どうして昔の人は八進数でしゃべるのか?
どうして昔の人は八進数でしゃべるのか?たけおか しょうぞう
 
無脳スマートスピーカを 越えレレレのレ
無脳スマートスピーカを 越えレレレのレ無脳スマートスピーカを 越えレレレのレ
無脳スマートスピーカを 越えレレレのレたけおか しょうぞう
 
昔の外付けキャッシュ & コヒーレント・キャッシュ
昔の外付けキャッシュ & コヒーレント・キャッシュ昔の外付けキャッシュ & コヒーレント・キャッシュ
昔の外付けキャッシュ & コヒーレント・キャッシュたけおか しょうぞう
 

Plus de たけおか しょうぞう (20)

いにしえ的ななにか、カニか? RISC-V picoRV32, e203 改造 オレオレ命令追加した
いにしえ的ななにか、カニか? RISC-V picoRV32, e203 改造 オレオレ命令追加したいにしえ的ななにか、カニか? RISC-V picoRV32, e203 改造 オレオレ命令追加した
いにしえ的ななにか、カニか? RISC-V picoRV32, e203 改造 オレオレ命令追加した
 
SOAR:Smalltalk on RISC
SOAR:Smalltalk on RISCSOAR:Smalltalk on RISC
SOAR:Smalltalk on RISC
 
俺ASICと俺CPU“松竹V(しょうちくぶい)”
俺ASICと俺CPU“松竹V(しょうちくぶい)”俺ASICと俺CPU“松竹V(しょうちくぶい)”
俺ASICと俺CPU“松竹V(しょうちくぶい)”
 
あるRISC-V CPUの 浮動小数点数(異常なし)
あるRISC-V CPUの 浮動小数点数(異常なし)あるRISC-V CPUの 浮動小数点数(異常なし)
あるRISC-V CPUの 浮動小数点数(異常なし)
 
RISC-Vの可能性
RISC-Vの可能性RISC-Vの可能性
RISC-Vの可能性
 
RISC-Vの可能性
RISC-Vの可能性RISC-Vの可能性
RISC-Vの可能性
 
どうして昔の人は八進数でしゃべるのか?
どうして昔の人は八進数でしゃべるのか?どうして昔の人は八進数でしゃべるのか?
どうして昔の人は八進数でしゃべるのか?
 
Riscv+fpga200606
Riscv+fpga200606Riscv+fpga200606
Riscv+fpga200606
 
Takep lpc1114-190614
Takep lpc1114-190614Takep lpc1114-190614
Takep lpc1114-190614
 
Takep lpc1114-190613
Takep lpc1114-190613Takep lpc1114-190613
Takep lpc1114-190613
 
初歩的な部品の知識
初歩的な部品の知識初歩的な部品の知識
初歩的な部品の知識
 
Takepino LPC1114
Takepino LPC1114Takepino LPC1114
Takepino LPC1114
 
Lisp_chibi_machine 190427
Lisp_chibi_machine 190427Lisp_chibi_machine 190427
Lisp_chibi_machine 190427
 
無脳スマートスピーカを 越えレレレのレ
無脳スマートスピーカを 越えレレレのレ無脳スマートスピーカを 越えレレレのレ
無脳スマートスピーカを 越えレレレのレ
 
Common Lisp ユーザへのScheme紹介
Common Lisp ユーザへのScheme紹介Common Lisp ユーザへのScheme紹介
Common Lisp ユーザへのScheme紹介
 
RISC-V User level ISA
RISC-V User level ISARISC-V User level ISA
RISC-V User level ISA
 
Lispマシン・シミュレータの紹介
Lispマシン・シミュレータの紹介Lispマシン・シミュレータの紹介
Lispマシン・シミュレータの紹介
 
昔の外付けキャッシュ & コヒーレント・キャッシュ
昔の外付けキャッシュ & コヒーレント・キャッシュ昔の外付けキャッシュ & コヒーレント・キャッシュ
昔の外付けキャッシュ & コヒーレント・キャッシュ
 
Ichigojam ossc-170819
Ichigojam ossc-170819Ichigojam ossc-170819
Ichigojam ossc-170819
 
大昔のMMU
大昔のMMU大昔のMMU
大昔のMMU
 

Dataflow140711