Title: Question No.2

Question:
         What is the difference between a multi-core processor and a vector processor?
 
Motivation:
         在面对耗时和困难计算任务时，我们最自然的想法一定是在更加快速的设备上执行这个运算。那么多核心处理和矢量处理器就是加强运算能力的两种可选的途径，事实上现在更经济的选择应该是使用公有云计算服务，比如Amazon的EC2和Google的GAE，花费要低廉的多。
 
Answer:
详细的讨论非常复杂，足够单独开设课程，我们在这方面没有深入的了解和经验，只能结合文献简单谈谈。密码学中经常涉及复杂的运算，比如快速傅里叶变换FFT、矩阵相乘或者1024比特的长整数相乘等等。而所有已知的最快的算法，基本都是基于Divide-and-conquer原理进行的设计，把复杂任务分割成可以并行处理的若干子任务，以期能够加速完成。如果各个任务的数据相对独立，那么利用Multi-core processor的特性就非常合适。如果需要花大力气来保证依赖的正确性，或者每个运算都涉及到相邻的一组数组，那么利用Vector processor的特性可能更好。
Multi-core processor:
 

 

图 1 ： Multi-core processor
(From: www.soundonsound.com/sos/jan08/articles/pcmusician_0108.htm)
由于集成电路技术的限制，复杂度不能任意提高，时钟频率不能无限提高（否则耗电量巨大），制造商在同一个集成电路晶片上整合多个计算核心。多个核心之间可以共享储存空间，例如i7，四个处理核心，每个核心有各自的L1和L2缓存，四个核心共享L3缓存。注意由于延迟的不可避免，各个核心之间如果数据有相互依赖，还要加入指令保证正确的依赖顺序。
 
Vector processor:
 

图 2. 标量计算与矢量计算
不增加计算核心的数目，而是把指令操作的寄存器标量文件，扩展成寄存器矢量文件，每个寄存器都是一个矢量，含有多个数据项，同时对多个数据项进行操作。减少了指令取码和译码所占据的带宽空间。现代桌面处理器都融合了一部分Vector processor的设计思想，特别是SSE指令集，而显卡GPU则是大量使用vector processor units。由于每次对一组数据进行操作，同步要求应用在整组数据上，而非单个数据，同步开销要小很多。
 
References: