MPI 프로그램은 mpicc를 사용하여 컴파일되어야 하며, 생성할 프로세서 수를 나타내는 플래그가 있는 mpirun을 사용하여 실행해야 합니다(위의 예에서 4). 스레드를 사용하는 문제는 동기화를 사용하여 해결할 수 있는 충돌 및 경합 조건의 문제입니다. 여러 스레드가 공유 메모리 변수에 쓰고 종속되는 경우 여러 스레드가 동일한 위치에 동시에 쓰려고 하지 않도록 주의해야 합니다. 인종 조건에 대한 위키백과 페이지에는 이것이 어떻게 문제가 될 수 있는지에 대한 좋은 설명(예)이 있습니다. 스레드를 사용하여 동기화를 구현하고 공유 변수를 한 스레드로 잠근 다음 해제할 수 있도록 상호 독점성(mutex 변수)을 구현할 때 메커니즘이 있으므로 다른 스레드에 의한 충돌이 방지됩니다. 이러한 메커니즘은 보호된 데이터에 액세스할 때 스레드가 „번갈아 가며” 있어야 합니다. 직렬 종속성 속성뿐만 아니라 병렬 속성이 모두 있는 문제의 좋은 예는 ANN(인공 신경망)을 교육하고 실행하는 데 관련된 계산입니다. ANN은 뉴런과 같은 처리 단위의 여러 층으로 구성되어 있으며, 각 층은 이러한 단위의 많은 (심지어 수백 또는 수천)을 갖는다. ANN이 순수 피드포워드 아키텍처인 경우 각 계층 내의 계산은 당황스럽게 병렬처리되고 레이어 간의 계산은 직렬입니다. 학생 ID로 파일을 컴파일합니다. 예를 들어 학생 ID가 BC123456789인 경우 5개의 스레드를 생성하는 간단한 예제 프로그램이 있는데, 여기서 각 스레드는 myFun() 함수를 실행합니다: 전제 조건 – 포크 소개, getpid() 및 getppid() 문제 문 – 하나의 부모를 만드는 프로그램을 작성합니다.
fork() 함수를 사용하여 각 프로세스가 Id를 찾습니다. 예를 들어: 직렬 문제가 있더라도 병렬 처리를 활용하는 방법은 메타 계산을 병렬화하는 것입니다. 예를 들어 일반적으로 암 모델의 일부 매개 변수를 변경하고 시뮬레이션을 다시 실행하는 „민감도 분석”을 실행하려고 합니다. 이러한 시뮬레이션을 100개 실행하면 각 시뮬레이션이 자체적으로 직렬 문제임에도 불구하고 서로 독립적이므로 100개의 시뮬레이션을 여러 처리 장치에 배포하여 감도 해석을 병렬화할 수 있습니다. 당황병렬 계산 문제는 병렬화하는 것이 가장 쉽고 코어가 많은 컴퓨터가 있는 경우 인상적인 속도를 높일 수 있습니다. 코어가 두 개뿐이라 하더라도 2배 의 속도 향상에 가까워질 수 있습니다. 당황병렬 문제의 예는 15개의 주제에 대해 수집된 데이터 집합에서 전처리 파이프라인을 실행해야 하는 경우입니다. 각 주체의 데이터는 다른 피사체와 독립적으로 처리될 수 있습니다. 즉, 한 주체의 데이터를 처리하는 데 관련된 계산은 다른 주체의 데이터를 처리하기 위한 계산 결과에 따라 달라지지 않습니다.