并行机

并行机调度模拟退火（SA）的Matlab实现。

DB2 的 DPF 分区机制，真的是大数据时的好帮手。你想啊，一堆数据压到一个库上，不爆才怪。而 DPF 就是把数据拆成一小块一小块，分给不同机器去跑，各自带着 CPU、内存和磁盘，互不干扰，跑起来还挺带劲的。 Hash 分布的方式让数据分得挺均匀，不像以前碰运气那种。查询的时候，也不是傻等一个节点慢吞吞地返回，协调节点一发指令，各个分区齐上阵，完了再把结果合并，整个过程对你写的 SQL 是透明的，写起来和单机一样简单。 说实话，像那种动辄上亿行的大表、批量导入数据的操作，intra-partition和inter-partition parallelism这种双并行策略效果。不只是快，关键是

H.T.关于并行结构的论文

PostgreSQL并行控制机制：MVCC、2PL、封锁。

MPI并行实现WARSHALL算法

rparallel3 m文件函数，用于并行计算n个电阻器的总电阻。

MapReduce 的并行机制挺适合搞大数据的，是在 Hadoop 环境下用 Java 来写那套流程，虽然一开始有点门槛，但搭配 Maven 其实也不复杂。像Mapper和Reducer这两个核心类，你写过一次就知道套路了。要注意字符编码问题，中文数据时常会碰到乱码，记得下 byte 到字符串的转换。嗯，还有，依赖管理交给 Maven 挺省心的，配置好pom.xml，各种 Hadoop 相关包都能拉得稳稳的。

今天的软件并行程序开发工具与硬件潜力之间存在着一个巨大的软件鸿沟。这些工具需要程序员手动干预以实现代码的并行化。编写并行计算程序需要对目标算法或应用程序进行深入研究，比传统的顺序编程更为复杂。程序员必须了解算法或应用程序的通信和数据依赖关系。本书提供了探索为特定应用程序编写并行计算程序的技术。

Oracle SQL 的并行查询笔记还挺实用的，尤其是对性能卡顿比较敏感的项目来说，手动控制并行度比交给优化器靠谱多了。你可以直接在语句里加 /*+parallel(table_name, n)*/ 来指定线程数，用起来也蛮灵活，像查表、插入、多表联查全都能加速。还有一些小技巧，比如 NVL 系列函数、NULLS LAST 排序选项，日常开发中用得也不少。嗯，如果你是经常写 SQL 的前端或者后端，这份整理真值得收藏一下。

详细解析如何优化Oracle10g的并行查询，内容涵盖全面且深入。