【亞馬遜創辦人貝索斯的人生故事】
1964年，
貝索斯出生在美國新墨西哥州🎉
.
作为一个初学走路的孩子👶
他卻试图拆卸自己的婴儿床，
可見貝索斯是多麼的頑皮好動
.
他並非含著金鎖匙出生的富二代
他的母親和經營自行車店的親生父親
結婚不到一年就宣告婚姻破裂💔
.
在他4歲時，
他的母親便與一位15歲時作為難民
移民到美國的古巴男子再次結婚👩❤️👨
.
儿时的他對科技表現出極大的興趣
他曾經設計了一个警報系統🛎
來抓住企圖潛入他房間的兄弟
也試過把繼父的車庫改裝成實驗室🛠
.
.
在中學時期
他每天放學後都會在麥當勞當廚師賺外快
利用僅剩不多的時間來學習📕
.
勤奮的他在高中畢業時
被選為畢業代表🎊
並榮獲美國優秀學生獎學金💰
.
在畢業典禮的演講上🎓
他說出了想要保護地球資源的願景
但對於當時的人們來說
那僅僅是一個遙不可及的夢想💭
.
.
在一開始進入大學的時候
貝索斯原本想学物理
.
但回想起小時候打造的警報系統
和實驗室改裝
他後來決定了修讀电机工程以及电脑科学
更獲選為「Phi Beta Kappa 」
（美國高府10%的尖子學員）
.
.
1986年從普林斯頓大學畢業後
貝索斯便到了華爾街的計算機領域工作
.
他先為國際貿易公司Fitel建造網絡系統
之後又在銀行信託公司擔任副總裁
不久後又跳槽到肖氏對沖基金公司
.
在那一段時間，
他獲得了許多寶貴的知識和經驗💎
還成了當時最大的投資管理公司的副總裁
同時也賺到了一生都花不完的錢💰
.
但這時的他還是不開心😔
他想創造一些以前從未有人做過的東西
.
當時30歲的他
必須做出人生的重大的抉擇
一是繼續在華爾街賺更多的錢💵
二是冒險追隨自己的夢想🌟
為世界創造一些不一樣的東西
.
他，選擇了追逐自己的夢想‼
.
在了解到互聯網驚人的發展史後
他寫下了成立亞馬遜公司的計劃書📒
並辭掉了待遇優厚的工作💼
.
在他辭職後
便開始尋找投資人🔎
並展開了60場的融資會議
其中對象就包括了自己的父母
親戚朋友和其他潛在投資者
.
當然，貝索斯也有告訴他們
這個生意有70%的概率是會失敗的⚠
因為結合互聯網和零售的想法
是以前從來沒有人沒做過的
.
最後，他成功說服了20個人
湊得了100萬美元創業資金💰
.
在1994年7月5日
也就是好葉出生的那一年🤗
他在自家的車庫宣佈公司成立🏢
.
不久之後人們便開始从亞馬遜网站
訂購各種类型的书籍📙和影音帶📼
他還為網站安裝了一個訂單警鈴系統
.
但幾周後，
他就不得不拆掉這個警鈴系統🛎
因為訂單實在太多了
鈴聲變得非常煩人💢
.
在2000年的時候
亞馬遜的股價跌倒了谷底
激烈的競爭以及互聯網泡沫
導致他們瀕臨破產😥
.
但幸運的是🍀
在互聯網泡沫爆發的前幾周
他們就從銀行借到了20億美元
得以渡過難關✨
.
.
亞馬遜的生意原則是：
①顧客至上 👨🦰
②保持創新⭐
③要有耐心💝
.
對貝索斯來說
創新不僅僅是電子商務
更意味著承認自己的不完美
這一個理念帶領亞馬遜渡過每一次難關
.
從最初不起眼的網絡書店
到現在變成了網絡百貨帝國
.
亞馬遜就像它的logo所示
從A到Z
任何你想要的東西都可以在上面找得到
.
“亞馬遜”的起名意義
在於「世界上體積最大的河流」
.
在貝索斯想到的所有目標裡面
成為福布斯第一位最有錢的人
從來都不是其中之一
.
他的想要的，
始終是創造出使生活更方便的服務
使人類變得更好🏖
.
只要有偉大的夢想🔥
它就永遠不會被殲滅
當你一步步朝你的目標前進時
其他人就會自動的跟隨你的規則
.
他曾經說過：
「你會被成就所帶來的驕傲和喜悅所吸引
但你不能依靠在自己的成就太久。
不然的話，生活就會停滯不前。」
.
.
所以，你必須努力💪
爭取更多的目標以及更多的成就
.
這雖然看起來很累😰
但當你對生活和工作充滿熱情的時候
這一種激情就會給你所需要的能量
辛苦的事將會變得愉悅而充滿意義✨
.
生活總不會一路平坦，
有時候人們不會同意你的想法
.
若你真想要創造一些獨特而新奇的事
就必須要有一個強大的心❤️
來包容別人的說三道四🗣
.
當然聽取別人的意見還是很重要👂
但如果你看不到他們的邏輯
那你就需要堅決自己所做的事🌻
(图片摘自维基百科）
phi計算機 在 [試題] 101上洪士顥計算機結構期末考- 看板NTU-Exam 的推薦與評價
課程名稱︰ 計算機結構
課程性質︰ 必修
課程教師︰ 洪士顥
開課學院： 電機資訊學院
開課系所︰ 資訊工程學系
考試日期（年月日）︰ 102.1.10
考試時限（分鐘）： 150min
是否需發放獎勵金： 是
（如未明確表示，則不予發放）
試題 :
Undergraduated Computer Architecture, Fall 2012
Final Exam, 2013-01-10
If you agree, please sign your name below.
I have not cheated nor have I received any help from other students in the
exam. Student ID & name:______________________
1. [15%] Branch Prediction.
(a) [5%] Why is branch prediction important for processors with long
pipelines? Draw a pipeline explain the problem(s) without branch
prediction, and describe how branch prediction solves the problems(s).
(b) [5%] A program consists of two nested loops, with a single branch
instruction at the end of each loop and no other branch instruction
anywhere. The outer loop is executed 20 times and their inner loop 10
times. What is the maximum accuracy of branch prediction if the branch
predictor uses 2 bit of history for each branch to predict the outcome
of the branches?
(c) [5%] What are the software and hardware methods for improving the accuracy
of branch prediction? What are the advantages and disadvantages of these
methods?
2. [15%] Instruction-Level Parallelism
(a) [5%] Given the following assembly code, if a pipeline processor can issue
two instructions each cycle, what is the average cycle per instruction
(CPI) without changing the code? Assuming the loop is repeated infinite
times and the branch prediction is perfect.
Loop: lw $t0, 0($s1) # $t0=array A[i]
lw $t1, 1024($s1) # $t1=array B[i]
addu $t0, $t0, $t1 # $t0=A[i]+B[i]
sw $t0, 2048($s1) # store result to C[i]
addi $s1, $s1, -4 # decrement pointer
bne $s1, $zero, Loop # branch $s1!=0
(b) [5%] Could you rewrite/restructure the code to improve the CPI for the
two-issue processor?
(c) [5%] Suppose the processor has a SIMD instruction set extension: l4w can
load four words from the memory to a 128-bit register, s4w can store four
words a 128-bit register to the memory, and add4u can add two sets of four
32-bit integers in two 128-bit registers and put the results in the third
128-bit register. Please optimize the code with the SIMD instruction.
3. [20%] Memory Hierarchy
(a) [5%] Consider a 4KB data cache. Each line (block) in the cache contains 8
words. Please draw the architecture of the cache for a direct-mapped
configuration and a 2-way set-associative configuration.
(b) [5%] A problem encountered with direct or even set-associate caches is
thrashing , defined as execessive conflict misses resulting from the
nature of particular memory address patterns. With the direct-mapped
configuration mentioned in 3(a), a single-issue pipelined processor
executes the code mentioned in 2(a). Calculate the CPI to show how
thrashing impacts the performance.
(c) [5%] Following 3(b), what if we change the data cache to 2-way
set-associative, calculate the CPI to show how thrashing impacts the
performance.
(d) [5%] Following 3(b), if you can modify the code, what can you do to
improve the performance? Show your modified code and calculate the CPI.
4. [10%] Virtual Machines
(a) [5%] The notion of "virtual machine" is very popular these days. What is a
virtual machine? What are virtual machine used for?
(b) [5%] What is "virtual machine monitor"? List the functions of a virtual
machine monitor. Describe how a virtual machine monitor works for each
function.
5. [40%] Multicore Systems and Input/Output
Please read this article before answering the following questions...
因為Nvidia早在1999年就推出第一款GPU繪圖卡，2006年時更發表了GPU的開發框架CUDA（
Compute Unified Device Architecture），協助開發人員透過C語言或Fortran語言來運
用GPU的平行運算核心，2008年更推出專供高效能運算用的GPU繪圖卡後，不只超級電腦，
許多HPC高運算伺服器也紛紛搭載Nvidia的GPU繪圖卡，來提高運算效能。 ... 不過，
Nvidia GPU繪圖卡在平行運算領域的地位，開始受到了挑戰。英特爾推出了Xeon Phi協
同處理器來對抗Nvidia的GPU。
英特爾推出超多核心架構的Xeon Phi協同處理器5110P，採用PCIe介面卡設計，可作為HPC
的運算加速卡，單顆處理器內建了60個運算核心，運算效能媲美1臺1997年的超級電腦。
這款處理器採用22奈米製程，時脈1.053GHz，採用常見的PCIe介面卡設計，並搭配被動式
散熱機制，功耗為225瓦，可搭載8GB的GDDR5記憶體。 除了5110P之外，另外還有還將推
出一款更低價的Xeon Phi 3100協同處理器，可支援6GB記憶體，同樣採用22奈米製程，但
熱設計功耗較高，達到300瓦特，預定明年上半年上市，售價將會低於2,000 美元。
英特爾亞太區暨大中華區高效能運算解決方案架構師Scott David表示，因為Xeon Phi協
同處理器延續了Xeon的x86架構，所以，可以沿用平行處理常用的開發語言如C、C++和
Fortran語言，也能沿用原有的平行運算模型，所以，在原有Xeon E5處理器環境中執行的
程式碼，略作調整並重新編譯，也可以在新的Xeon Phi處理器執行環境中，不需要重新改
寫程式碼，就可以提高效能。不過，臺灣大學大資工系副教授洪士灝認為，雖然可以執行
，但要充分發揮Xeon Phi的運算效能，還是得費心調校平行運算的程式。
若用核心數來比較，Nvidia的GPU繪圖卡擁有高達2千多個運算核心，而Xeon Phi介面卡只
搭載一顆Xeon Phi，只有60核心。看起來GPU的核心數比Xeon Phi多很多，但是，洪士灝
認為，Nvidia的GPU繪圖卡和Xeon Phi介面卡，同樣都是可以用來加速HPC平行運算的效能
，但兩者適合的運算架構截然不同，對於平行運算的加速效果，不一定能放在同一個標準
上比較。
臺灣大學大資工系副教授洪士灝表示，GPU類似SIMD架構，而Xeon Phi則是MIMD架構，兩
者的運算架構截然不同，擅長的平行運算任務也不同。HPC常見高效能運算方式有兩種，
第一種是資料平行化的運算方式，也就是Data Parallel，也可稱為Stream計算。這種作
法適合處理大量資料，資料就像水流一樣持續提供給處理器，處理器執行完運算指令後
，處理過的資料不需保存在GPU加速卡中，而是繼續提供下一筆資料給處理器，就像水
流一樣持續流動。洪士灝表示，GPU擅長這種運算方式，運算量不大，也不用保留資料，
處理完就送走。
因為GPU擅長Stream風格的平行計算方式，接近是SIMD（Single Instruction, Multiple
Data，單一指令多重資料）的運算模式，這是指所有運算核心都執行同一個指令，只是作
用在不同的資料上。而Xeon Phi則是MIMD架構（Multiple Instruction, Multiple Data
，多重指令多重資料）的運算模式，Xeon Phi中的60個核心，每個核心都可以處理不同的
指令和不同的資料。正因為如此，每個處理核心彼此需要許多同步和通訊的機制，所以，
Xeon Phi處理核心的電路遠比GPU的核心更複雜。
而SIMD架構的GPU，上千個處理核心會分群執行，例如一次使用256個核心，每個核心都是
同步執行相同的指令，所以，彼此之間不需複雜的通訊或同步機制，而且所有核心可以共
用同一個指令分派元件，所以，單一運算核心的電路可以簡化，就很容易在單一晶片中設
計出大量的運算核心。但是，洪士灝認為，遇到蒙地卡羅模擬這類運算需求，例如汽車碰
撞模擬，要對同樣的資料進行反覆大量運算的需求，GPU就不容易處理。
不過， Xeon Phi介面卡目前內建記憶體只有8GB，有些大型運算任務的資料量容易超過這
樣的規模，程式得先切割資料後才能放入Xeon Phi中計算，這樣作會影響運算效能，所以
，Xeon Phi目前也不一定能滿足這類大型運算的需求。
洪士灝表示，Xeon Phi的處理核心是x86架構，雖然複雜性相當於是十年前的處理器架構
，只是現在集中到同一個晶片中，就像是在一張主機板上有60顆處理器一樣，彼此組成運
算叢集。「若能找到適合這類處理器的應用，這種在單晶片中放入60核心的作法，能以更
低成本來取代現有的伺服器叢集或大型平行運算用的電腦。」他說。
(a) [5%] 以寫作OpenMP程式為例，說明「充分發揮Xeon Phi的運算效能，還是得費心調
校平行運算的程式。」這句話所代表意義。此外，如果拿到的是nVidia的GPU，要怎
麼寫平行程式？
(b) [5%] 假設你收到一台有Xeon Phi 5110P的機器，像要測試這台機器的計算能力，請
將2(a)的程式碼轉換成為C的程式，並且加入讀進輸入兩個各自含有1 Tera筆資料的
檔案和寫出結果存檔的部分，成為完整的C程式，然後將它改寫為OpenMP的程式。
(c) [5%] 請分析以上這個OpenMP程式的效能。在此請先忽略讀寫檔案的時間，假設A[]
和B[]皆已存在於頻寬為320GB/s的DDR5的記憶體上，以文章中所提及的數據，估算
這個程式在Xeon Phi上所需要的執行時間，並指出效能的瓶頸。
(d) [5%] 要充分發揮Xeon Phi的運算效能，除了寫OpenMP程式以外，還要使用到Xeon
Phi每個核心上面所配備的Vector Engine。我們從Intel官網上找到以下的規格資料
，請以此估算如果將你的OpenMP程式進一步作向量化(vectorize)之後，能夠達到的
效能。
Intel® Xeon Phi™ coprocessor 5110P Specifications
Ideal for:
‧Highly parallel applications using over 100 threads
‧Memory bandwidth‐bound applications
‧Applications with extensive vector use
Key Specifications:
‧60 cores/1.053 GHz/240 threads
‧Up to 1 teraflops double-precision performance
‧8 GB memory and 320 GB/s bandwidth
‧Standard PCle* x16 form factor
‧Linux* operating system, IP addressable
‧Supported by the latest Intel® software development products
‧512-bit wide vector engine
‧32KB L1 1/D cache, 512KB L2 cache (per core)
‧8GB DDR5 memory (up to 320GB/s)
‧225W TDP
‧X16 PCle form factor (requires IA host)
‧Host OS: Red Hat Enterprise Linux 6.x, SuSE Linux 12+
(e) [5%] 承上題。現在，讓我們考慮讀取和寫出資料所需的時間。假設輸入的資料存放
在主機(Host)上的記憶體，而且輸出的資料必須傳送到主機的記憶體上。主機是一
台典型的伺服器，配備有一顆3GHz雙核心的Intel Core i7處理器，50GB/s的DDR3
記憶體，而這張Xeon Phi 得加速卡裝置在PCle x16的插槽上。假設這裡的PCle其中
每一條通道(lane)的頻寬是500MB/s，請計算程式的執行時間。
(f) [5%] 承上題。實際上，要處理大量資料，程式的輸出入資料都必須放在硬碟或雲端
儲存空間上，假設主機上裝置了一顆硬碟，其規格如下：512B sector, 10000rpm,
4ms average seek time, 100MB/s data transfer rate (I/O interface), 0.2ms
controller overhead。請計算程式的執行時間，如果主機上可以加掛多顆硬碟，
以RAID5的方式建構，請問需要多少顆硬碟，才能讓硬碟不至於成為效能的瓶頸？
(g) [5%] 承上題，假設我們有32台如上數配備有Xeon Phi的主機，如果A[]循序散佈在
其中十六台主機的主記憶體中，B[]循序散佈在另外16台主機的主記憶體中，每台
機器各自都有一個10Gigabit Ethernet，32台透過一個10Gigabit Ethernet Switch
連接在一起成為cluster。請計算這個cluster可以完成上述程式的最少時間(lower
bound)。
(h) [5%] 承上題。如果我們把Xeon Phi換成nVidia的GPU卡，請說明：
(1) 寫作程式的方式有何不同？
(2) 程式的效能有何不同？
(3) 瓶頸會出現在哪裡？
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.112.30.136
修正標題
※ 編輯: bztfir 來自: 140.112.30.136 (01/10 15:45)
... <看更多>