本书深入浅出介绍后摩尔时代的并行计算核心技术，理论与实践并重，同时兼顾数学模型、结构模型、编程模型。本书具有以下特色：从概念上明确算势与算力的联系与区别，强调在后摩尔时代背景下从潜在能力（算势）到实际能力（算力）的充分转化的重要性；注重量化分析和理论推导，单列一章对计算性能模型和存储性能进行了介绍；注重并行应用程序的设计，单列一章介绍并对比分析了共享存储编程与非共享存储编程的基本原理；注重融会贯通，培养整体观念，分别考察了共享存储结构和分布式存储结构，揭示潜在的可利用的并行硬件资源以及对应的编程方法；编制了大量的原创的有助于提高读者理解深度和应用知识能力的例题；在国内外同类教材或专著中，率先以算势和算力的统一的视角，系统对比了经典并行计算与量子并行计算，促进两个领域的沟通融合。 本书可供计算机系统和芯片设计人员、期望利用并行计算的思想和技术解决具体领域问题的人员使用，也可作为教材供理工科专业的高年级本科生和研究生及相关专业技术人员使用。

推荐序一
推荐序二
前言
第1章 计算概念的谱系
1.1 引言
1.2 计算概念谱系化的意义
1.3 计算概念的谱系
1.3.1 算势
1.3.2 算力
1.3.3 算术
1.3.4 算法
1.3.5 算礼
1.4 计算概念谱系组分的相互关系
1.5 从场的角度认识算势与算力的异同
1.6 证明与计算之间的关系
1.7 本章小结
1.8 思考题
参考文献
第2章 并行处理的意义及挑战
2.1 引言
2.2 并行计算机与应用和工艺的关系
2.3 并行处理的普遍性
2.4 多核微处理器技术
2.5 并行处理需要应对的挑战
2.6 并行处理的学科任务
2.7 本章小结
2.8 思考题
参考文献
第3章 并行处理的一般原理
3.1 引言
3.2 冯·诺依曼结构
3.3 通过实例说明指令级并行与数据依赖
3.4 通过实例说明线程级并行
3.5 延迟隐藏和延迟减少
3.6 并行处理技术的图形化表示
3.7 费林分类法
3.8 指令级并行
3.8.1 流水线技术
3.8.2 指令的动态调度
3.8.3 多发射技术
3.9 并行计算机系统的分类
3.9.1 向量计算机
3.9.2 多处理机
3.9.3 多主机
3.9.4 大规模并行处理计算机
3.10 并行结构的类型
3.10.1 单处理器的并行结构
3.10.2 多处理器的并行结构
3.10.3 处理机结构创新的历史
3.10.4 多核共享内存模型
3.10.5 多核消息传递模型
3.11 本章小结
3.12 思考题
参考文献
第4章 计算性能模型和存储性能模型
4.1 引言
4.2 并行执行时间效率模型
4.3 可扩展定律
4.3.1 阿姆达尔定律
4.3.2 古斯塔夫森-巴西斯定律
4.3.3 存储受限的扩展定律（孙-倪定律）
4.4 并行计算模型
4.4.1 PRAM模型
4.4.2 BSP模型
4.4.3 LogP模型
4.5 程序性能指标
4.5.1 单道程序工作负载的性能指标
4.5.2 多道程序工作负载的性能指标
4.6 存储系统的性能指标
4.6.1 平均存储访问时间
4.6.2 存储延迟与存储带宽
4.6.3 单位时钟周期完成的存储访问数量
4.6.4 并发平均存储访问时间
4.6.5 存储级并行性
4.6.6 并发感知的局部性
4.7 基准测试
4.7.1 基准测试的定义和分类
4.7.2 基准测试运行的规范
4.7.3 基准测试程序组的要求
4.7.4 基准测试的开发者
4.7.5 性能测试结果的总结
4.8 性能评估方式
4.8.1 Roofline模型
4.8.2 模拟器
4.8.3 需要避免的4个陷阱
4.9 本章小结
4.10 思考题
参考文献
第5章 共享存储结构与编程
5.1 引言
5.2 共享存储体系结构的类型
5.3 并行编程模型
5.3.1 抽象与实现的区别及其实例
5.3.2 通信与协作
5.3.3 通信层面三种并行编程模型的特点
5.3.4 混合编程模型
5.4 并行处理的流程
5.4.1 思路和实例
5.4.2 问题分解
5.4.3 任务分配
5.4.4 协调
5.4.5 进程映射
5.5 并行编程优化
5.5.1 静态分配与动态分配
5.5.2 延迟与带宽
5.5.3 内在通信与人为通信
5.6 减少通信的技术
5.6.1 利用时间局部性
5.6.2 利用空间局部性
5.7 共享内存体系结构
5.8 共享内存体系结构编程——OpenMP
5.9 实验——OpenMP
5.9.1 实验——OpenMP求sinx
5.9.2 实验——OpenMP求π值
5.9.3 实验——OpenMP求斐波那契数列第n项
5.9.4 实验——Gauss-Seidel迭代算法的并行实现及其优化
5.10 本章小结
5.11 思考题
参考文献
第6章 分布式存储结构与编程
6.1 引言
6.2 向量处理机体系结构
6.2.1 结构特点
6.2.2 性能分析
6.2.3 向量指令并行
6.2.4 向量链
6.2.5 向量分解strip-mining技术
6.2.6 向量条件执行
6.2.7 压缩/展开操作
6.2.8 向量归约
6.2.9 存储访问
6.2.10 分散和聚集
6.3 SIMD编程
6.3.1 SIMD简介
6.3.2 实现向量化的几种方法
6.3.3 向量化编译指令
6.3.4 向量化过程中的主要挑战
6.3.5 编译器向量化方式
6.3.6 循环变换
6.3.7 数据地址对齐
6.3.8 别名
6.3.9 条件语句
6.3.10 原生SIMD支持
6.4 CUDA编程
6.4.1 异构计算的定义
6.4.2 CUDA
6.4.3 GPU的并发控制
6.4.4 GPU的内存管理
6.4.5 SIMT
6.4.6 CUDA编程
6.4.7 CUDA与GPU硬件之间的映射
6.4.8 深流水线设计
6.4.9 GPU内存
6.4.10 GPU并发策略
6.4.11 库函数介绍
6.5 MPI编程
6.5.1 MPI在编程模型内的分类定位
6.5.2 信息交互模型与通信方式
6.5.3 MPI基本函数
6.5.4 MPI程序执行（以C on linux为例）