并行算法的评价方法

并行算法通常包含三种评价的方法，用来评价算法各方面的优劣。

1.speedup

评测speedup的方法是，保持数据不变，增加计算机的数目。计算机数目为m时的speedup计算方法如下：

speedup(m)=在一台机器上面使用的时间/在m台机器上面使用的时间。

该评测指标，如果能够随着m保持一个线性的增长，则表示，多台机器能够很好的缩短所需时间。

然而，线性的speedup是非常难以达到的，因为当机器增加时，存在一个通讯损耗的问题，还有就是各个计算机节点本身的问题（the skew of the slaves），比如算法所花费的总时间通常是由最慢的机器决定的。如果各计算机需要的时间不一样的话，就存在这个the skew of the slaves的问题。

2.scaleup

评测scaleup的方法是，在扩大数据的同时，增加计算机的数目。scaleup计算方法如下：

scaleup(DB,m)=使用1台电脑在DB上运行算法使用的时间/使用m台电脑在m*DB上运行算法使用的时间。

如果scaleup值随着m的改变，一直在1.0附近，或者更低，则表示该算法，对数据集的大小有很好的适应性。

3.sizeup

评测sizeup的方法是，保持计算机的数目不变，扩大数据。用来测试算法本身的一个时间复杂度。

sizeup(DB,m)=在m*DB数据上面所花费的时间/在DB上面所花费的时间。

并行算法还有一个部分的评价可以单独拿出来进行分析，这就是I/O和通讯时间。

可以采用保持数据集的大小不变，增加计算机的数目，查看I/O操作和通讯的花费与计算机数目之间的关系。