Sterke schaling:

* Doel: Verkort de tijd tot oplossing voor een *vaste* probleemgrootte door het aantal processors te vergroten. Het probleem blijft hetzelfde.

* Scenario: U heeft een specifiek probleem dat u zo snel mogelijk wilt oplossen. Je gooit er meer middelen (processors) tegenaan, in de hoop de uitvoeringstijd drastisch te verkorten.

* Efficiëntie: Sterke schaalefficiëntie wordt gemeten aan de hand van de mate waarin de uitvoeringstijd afneemt naarmate u het aantal processors vergroot. Idealiter zou een verdubbeling van het aantal processors de uitvoeringstijd halveren. Dit gebeurt echter zelden perfect.

* Formule: `Efficiëntie =(Versnelling) / (Aantal processors)`

* `Versnelling =(uitvoeringstijd op 1 processor) / (uitvoeringstijd op N processors)`

* Een efficiëntie van 1 (of 100%) is een perfecte sterke schaling.

* Beperkingen: Sterke schaalvergroting kent inherente grenzen. Naarmate u meer processors toevoegt, wordt het werk dat elke processor moet doen steeds kleiner. Uiteindelijk overweldigt de overhead van communicatie, synchronisatie en inactieve tijd (processors die op anderen wachten) de voordelen van parallellisatie. Je bereikt een punt waarop het toevoegen van meer processors de uitvoeringstijd feitelijk *verlengt*. Dit komt door de wet van Amdahl, die stelt dat de versnelling van een programma wordt beperkt door het deel van het programma dat inherent opeenvolgend is (niet kan worden geparallelliseerd).

* Impact op prestaties:

* Positief (aanvankelijk): Kortere uitvoeringstijd voor dezelfde probleemomvang.

* Negatief (uiteindelijk): Vermindering van de opbrengsten omdat de communicatie-overhead domineert. Kan de uitvoeringstijd zelfs verlengen tot voorbij een bepaald aantal processors. Knelpunten in gedeelde bronnen (bijvoorbeeld de geheugenbus) worden prominenter.

Zwakke schaling:

* Doel: Handhaaf een *constante* uitvoeringstijd door zowel de probleemgrootte * als* het aantal processors proportioneel te vergroten. Idealiter verwerkt elke processor dezelfde hoeveelheid werk.

* Scenario: U heeft een probleem dat u op een bepaald prestatieniveau wilt oplossen, en u wilt steeds grotere versies van dat probleem oplossen met behoud van die prestaties. Je voegt processors toe en vergroot de omvang van het probleem dienovereenkomstig.

* Efficiëntie: Zwakke schaalefficiëntie wordt gemeten aan de hand van hoe goed de uitvoeringstijd constant blijft naarmate u het aantal processors en de omvang van het probleem vergroot. Als de uitvoeringstijd constant blijft, heb je een perfecte zwakke schaling.

* Formule: `Efficiëntie =(uitvoeringstijd voor N processors en geschaald probleem) / (uitvoeringstijd voor 1 processor en basisprobleem)`

* Een efficiëntie van 1 (of 100%) duidt op een perfecte zwakke schaling (constante uitvoeringstijd). Praktischer meet je hoe dicht bij 1 de efficiëntie blijft als je het probleem opschaalt.

* Voordelen: Zwakke schaalvergroting is vaak gemakkelijker te bereiken dan sterke schaalvergroting, vooral bij zeer grote problemen. Omdat de hoeveelheid werk per processor relatief constant blijft, worden communicatie- en synchronisatie-overhead niet zo dominant. Het is met name handig voor problemen waarbij u een grotere parameterruimte wilt verkennen of een groter systeem binnen een vaste tijd wilt simuleren.

* Beperkingen: Zwakke schaalvergroting heeft alleen zin als het probleem op de juiste manier kan worden geschaald. Sommige problemen hebben inherente beperkingen wat betreft hun omvang of complexiteit.

* Impact op prestaties:

* Positief: Hiermee kunt u veel grotere problemen binnen een redelijke tijd oplossen zonder dat de uitvoeringstijd aanzienlijk toeneemt. Demonstreert de schaalbaarheid van het parallelle algoritme en systeem.

* Negatief: Vermindert niet de tijd om een ​​*specifiek* vast probleem op te lossen. De efficiëntie kan afnemen naarmate het probleem en het aantal processoren toenemen, omdat de communicatiekosten uiteindelijk aanzienlijk worden.

Samengevat:

| Kenmerk | Sterke schaling | Zwakke schaling |

|---------------|---------------------------------------- -------|------------------------------------------------|

| Probleemgrootte | Vast | Neemt proportioneel toe met het aantal processors |

| Doel | Verkort de uitvoeringstijd voor een opgelost probleem | Handhaaf een constante uitvoeringstijd voor geschaalde problemen |

| Focus | Versnellen voor een bepaalde taak | Schaalbaarheid van het systeem en algoritme |

| Kernvraag | Hoeveel sneller kan ik dit probleem oplossen? | Hoe groot kan ik een probleem in een bepaalde tijd oplossen? |

| Efficiëntie | Neemt af naarmate de communicatie-overhead toeneemt | Blijft relatief constant als de schaling efficiënt is |

| De wet van Amdahl | Aanzienlijke beperking | Minder een beperking |

Voorbeeld:

* Sterke schaling: Simulatie van het weer voor een specifieke stad voor de komende 24 uur. U wilt zo snel mogelijk de meest nauwkeurige voorspelling krijgen. U verhoogt het aantal processors om de berekening te versnellen.

* Zwakke schaling: Het weer voor een regio simuleren. U wilt het weer over een steeds groter geografisch gebied simuleren met behoud van een specifieke resolutie en simulatietijd. U voegt meer processors toe naarmate de regio groter wordt.

In de praktijk zijn zowel sterke als zwakke schaling belangrijke overwegingen bij het ontwerpen en evalueren van parallelle algoritmen en systemen. De keuze waarop u zich wilt richten, hangt af van het specifieke probleem en de gewenste prestatiedoelen.