Samaradorlikni ochish: Parallel ishlov berish orqali koʻp yadroli protsessorlardan foydalanish

Bugungi hisoblash olamida koʻp yadroli protsessorlar hamma joyda mavjud. Smartfonlardan tortib serverlargacha, bu protsessorlar samaradorlikni sezilarli darajada oshirish imkoniyatini taqdim etadi. Biroq, bu imkoniyatdan foydalanish uchun parallel ishlov berishni chuqur tushunish va bir vaqtning oʻzida bir nechta yadrodan samarali foydalanishni bilish kerak. Ushbu qoʻllanma butun dunyodagi dasturchilar va tizim ma'murlari uchun mos boʻlgan asosiy tushunchalar, usullar va amaliy misollarni qamrab olgan holda, parallel ishlov berish orqali koʻp yadroli protsessorlardan foydalanish boʻyicha keng qamrovli ma'lumot berishni maqsad qilgan.

Koʻp yadroli protsessorlarni tushunish

Koʻp yadroli protsessor – bu bitta jismoniy chipga birlashtirilgan bir nechta mustaqil ishlov berish birliklari (yadrolar) demakdir. Har bir yadro koʻrsatmalarni mustaqil ravishda bajara oladi, bu esa protsessorga bir vaqtning oʻzida bir nechta vazifani bajarish imkonini beradi. Bu bir vaqtning oʻzida faqat bitta koʻrsatmani bajara oladigan bir yadroli protsessorlardan sezilarli darajada farq qiladi. Protsessordagi yadrolar soni uning parallel yuklamalarni qayta ishlash qobiliyatidagi asosiy omil hisoblanadi. Keng tarqalgan konfiguratsiyalar qatoriga ikki yadroli, toʻrt yadroli, olti yadroli (6 yadro), sakkiz yadroli (8 yadro) va server hamda yuqori samarali hisoblash muhitlarida undan ham koʻp yadroli protsessorlar kiradi.

Koʻp yadroli protsessorlarning afzalliklari

• Oʻtkazuvchanlikning oshishi: Koʻp yadroli protsessorlar bir vaqtning oʻzida koʻproq vazifalarni qayta ishlay oladi, bu esa umumiy oʻtkazuvchanlikni oshiradi.
• Javob berish qobiliyatining yaxshilanishi: Vazifalarni bir nechta yadroga taqsimlash orqali ilovalar katta yuklama ostida ham tezkor boʻlib qolishi mumkin.
• Samaradorlikning oshishi: Parallel ishlov berish hisoblash jihatidan murakkab vazifalarni bajarish vaqtini sezilarli darajada qisqartirishi mumkin.
• Energiya samaradorligi: Ba'zi hollarda, bir nechta vazifani bir vaqtning oʻzida koʻp yadrolarda bajarish ularni bitta yadroda ketma-ket bajarishdan koʻra energiyani tejashga yordam beradi.

Parallel ishlov berish tushunchalari

Parallel ishlov berish – bu bir vaqtning oʻzida bir nechta koʻrsatma bajariladigan hisoblash paradigmasidir. Bu koʻrsatmalar birin-ketin bajariladigan ketma-ket ishlov berishdan farq qiladi. Parallel ishlov berishning bir necha turlari mavjud boʻlib, ularning har biri oʻz xususiyatlari va qoʻllanilish sohalariga ega.

Parallellik turlari

• Ma'lumotlar parallelligi: Bir xil operatsiya bir vaqtning oʻzida bir nechta ma'lumot elementida bajariladi. Bu rasmga ishlov berish, ilmiy simulyatsiyalar va ma'lumotlarni tahlil qilish kabi vazifalar uchun juda mos keladi. Masalan, tasvirdagi har bir pikselga bir xil filtrni qoʻllash parallel ravishda amalga oshirilishi mumkin.
• Vazifalar parallelligi: Turli vazifalar bir vaqtning oʻzida bajariladi. Bu yuklamani mustaqil vazifalarga boʻlish mumkin boʻlgan ilovalar uchun mos keladi. Masalan, veb-server bir vaqtning oʻzida bir nechta mijoz soʻrovlariga ishlov bera oladi.
• Koʻrsatmalar darajasidagi parallellik (ILP): Bu protsessorning oʻzi tomonidan qoʻllaniladigan parallellik shaklidir. Zamonaviy protsessorlar bitta yadro ichida bir vaqtning oʻzida bir nechta koʻrsatmani bajarish uchun konveyerlash va tartibsiz bajarish kabi usullardan foydalanadi.

Konkurentlik va Parallellik

Konkurentlik va parallellikni farqlash muhim. Konkurentlik – bu tizimning bir nechta vazifani bir vaqtda bajarilayotgandek koʻrsatish qobiliyatidir. Parallellik esa bir nechta vazifaning haqiqatda bir vaqtning oʻzida bajarilishidir. Bir yadroli protsessor vaqtni taqsimlash kabi usullar orqali konkurentlikka erisha oladi, ammo haqiqiy parallellikka erisha olmaydi. Koʻp yadroli protsessorlar bir nechta vazifaning turli yadrolarda bir vaqtning oʻzida bajarilishiga imkon berib, haqiqiy parallellikni ta'minlaydi.

Amdal qonuni va Gustafson qonuni

Amdal qonuni va Gustafson qonuni parallellashtirish orqali samaradorlikni oshirish chegaralarini belgilovchi ikkita asosiy tamoyildir. Ushbu qonunlarni tushunish samarali parallel algoritmlarni loyihalash uchun juda muhimdir.

Amdal qonuni

Amdal qonuniga koʻra, dasturni parallellashtirish orqali erishilishi mumkin boʻlgan maksimal tezlanish dasturning ketma-ket bajarilishi kerak boʻlgan qismi bilan cheklanadi. Amdal qonunining formulasi:

Tezlanish = 1 / (S + (P / N))

Bu yerda:

• S dasturning ketma-ket (parallellashtirib boʻlmaydigan) qismidir.
• P dasturning parallellashtirilishi mumkin boʻlgan qismidir (P = 1 - S).
• N protsessorlar (yadrolar) soni.

Amdal qonuni parallellashtirish orqali sezilarli tezlanishga erishish uchun dasturning ketma-ket qismini minimallashtirish muhimligini ta'kidlaydi. Masalan, agar dasturning 10% qismi ketma-ket boʻlsa, protsessorlar sonidan qat'i nazar, erishish mumkin boʻlgan maksimal tezlanish 10 barobarni tashkil etadi.

Gustafson qonuni

Gustafson qonuni parallellashtirishga boshqacha nuqtai nazarni taklif qiladi. Unga koʻra, parallel ravishda bajarilishi mumkin boʻlgan ish hajmi protsessorlar soni bilan ortadi. Gustafson qonunining formulasi:

Tezlanish = S + P * N

Bu yerda:

• S dasturning ketma-ket qismidir.
• P dasturning parallellashtirilishi mumkin boʻlgan qismidir (P = 1 - S).
• N protsessorlar (yadrolar) soni.

Gustafson qonuni muammo hajmi ortib borishi bilan dasturning parallellashtirilishi mumkin boʻlgan qismi ham ortishini va bu koʻproq protsessorlarda yaxshiroq tezlanishga olib kelishini koʻrsatadi. Bu, ayniqsa, keng koʻlamli ilmiy simulyatsiyalar va ma'lumotlarni tahlil qilish vazifalari uchun dolzarbdir.

Asosiy xulosa: Amdal qonuni qat'iy belgilangan muammo hajmiga e'tibor qaratadi, Gustafson qonuni esa muammo hajmini protsessorlar soniga qarab kengaytirishga e'tibor qaratadi.

Koʻp yadroli protsessorlardan foydalanish usullari

Koʻp yadroli protsessorlardan samarali foydalanishning bir nechta usullari mavjud. Bu usullar ish yukini parallel ravishda bajarilishi mumkin boʻlgan kichikroq vazifalarga boʻlishni oʻz ichiga oladi.

Koʻp oqimli ishlash (Threading)

Koʻp oqimli ishlash – bu bitta jarayon ichida bir nechta bajarish oqimini yaratish usulidir. Har bir oqim mustaqil ravishda bajarilishi mumkin, bu esa jarayonga bir vaqtning oʻzida bir nechta vazifani bajarish imkonini beradi. Oqimlar bir xil xotira maydonini boʻlishadi, bu ularga osongina muloqot qilish va ma'lumot almashish imkonini beradi. Biroq, bu umumiy xotira maydoni, shuningdek, poyga holatlari (race conditions) va boshqa sinxronizatsiya muammolari xavfini keltirib chiqaradi, bu esa ehtiyotkorlik bilan dasturlashni talab qiladi.

Koʻp oqimli ishlashning afzalliklari

• Resurslarni boʻlishish: Oqimlar bir xil xotira maydonini boʻlishadi, bu esa ma'lumotlarni uzatishdagi qoʻshimcha xarajatlarni kamaytiradi.
• Yengillik: Oqimlar odatda jarayonlarga qaraganda yengilroq boʻlib, ularni yaratish va ular oʻrtasida almashinish tezroq boʻladi.
• Javob berish qobiliyatining yaxshilanishi: Fon vazifalarini bajarish paytida foydalanuvchi interfeysini tezkor saqlash uchun oqimlardan foydalanish mumkin.

Koʻp oqimli ishlashning kamchiliklari

• Sinxronizatsiya muammolari: Bir xil xotira maydonini boʻlishadigan oqimlar poyga holatlari va blokirovkalar (deadlocks) ga olib kelishi mumkin.
• Nosozliklarni tuzatishning murakkabligi: Koʻp oqimli ilovalarni disk raskadrovka qilish bir oqimli ilovalarga qaraganda ancha qiyin boʻlishi mumkin.
• Global Interpretator Qulfi (GIL): Python kabi ba'zi tillarda Global Interpretator Qulfi (GIL) oqimlarning haqiqiy parallelligini cheklaydi, chunki bir vaqtning oʻzida faqat bitta oqim Python interpretatorini boshqarishi mumkin.

Koʻp oqimli ishlash kutubxonalari

Aksariyat dasturlash tillari oqimlarni yaratish va boshqarish uchun kutubxonalarni taqdim etadi. Misollar:

• POSIX Oqimlari (pthreads): Unix-ga oʻxshash tizimlar uchun standart oqimlar API.
• Windows Oqimlari: Windows uchun mahalliy oqimlar API.
• Java Oqimlari: Java-da oʻrnatilgan oqimlarni qoʻllab-quvvatlash.
• .NET Oqimlari: .NET Framework-da oqimlarni qoʻllab-quvvatlash.
• Python threading moduli: Python-da yuqori darajali oqim interfeysi (protsessorga bogʻliq vazifalar uchun GIL cheklovlariga duchor boʻladi).

Koʻp jarayonli ishlash (Multiprocessing)

Koʻp jarayonli ishlash har biri oʻz xotira maydoniga ega boʻlgan bir nechta jarayonni yaratishni oʻz ichiga oladi. Bu jarayonlarga GIL cheklovlari yoki umumiy xotira mojarolari xavfisiz haqiqiy parallel ravishda ishlash imkonini beradi. Biroq, jarayonlar oqimlarga qaraganda ogʻirroq va jarayonlar oʻrtasidagi aloqa ancha murakkab.

Koʻp jarayonli ishlashning afzalliklari

• Haqiqiy parallellik: Jarayonlar hatto GIL mavjud boʻlgan tillarda ham haqiqiy parallel ravishda bajarilishi mumkin.
• Izolyatsiya: Jarayonlar oʻzlarining xotira maydoniga ega, bu esa mojarolar va ishdan chiqish xavfini kamaytiradi.
• Masshtablashuvchanlik: Koʻp jarayonli ishlash koʻp sonli yadrolarga yaxshi moslasha oladi.

Koʻp jarayonli ishlashning kamchiliklari

• Qoʻshimcha xarajatlar: Jarayonlar oqimlarga qaraganda ogʻirroq boʻlib, ularni yaratish va ular oʻrtasida almashinish sekinroq kechadi.
• Aloqaning murakkabligi: Jarayonlar oʻrtasidagi aloqa oqimlar oʻrtasidagi aloqaga qaraganda murakkabroq.
• Resurslar iste'moli: Jarayonlar oqimlarga qaraganda koʻproq xotira va boshqa resurslarni iste'mol qiladi.

Koʻp jarayonli ishlash kutubxonalari

Koʻpgina dasturlash tillari jarayonlarni yaratish va boshqarish uchun kutubxonalarni ham taqdim etadi. Misollar:

• Python multiprocessing moduli: Python-da jarayonlarni yaratish va boshqarish uchun kuchli modul.
• Java ProcessBuilder: Java-da tashqi jarayonlarni yaratish va boshqarish uchun.
• C++ fork() va exec(): C++ da jarayonlarni yaratish va bajarish uchun tizim chaqiruvlari.

OpenMP

OpenMP (Ochiq Koʻp Ishlov Berish) umumiy xotirali parallel dasturlash uchun API hisoblanadi. U C, C++ va Fortran dasturlarini parallellashtirish uchun ishlatilishi mumkin boʻlgan kompilyator direktivalari, kutubxona tartiblari va muhit oʻzgaruvchilari toʻplamini taqdim etadi. OpenMP, ayniqsa, sikllarni parallellashtirish kabi ma'lumotlar-parallel vazifalari uchun juda mos keladi.

OpenMP afzalliklari

• Foydalanish qulayligi: OpenMP nisbatan oson ishlatiladi va kodni parallellashtirish uchun bir nechta kompilyator direktivasini talab qiladi.
• Portativlik: OpenMP koʻpchilik yirik kompilyatorlar va operatsion tizimlar tomonidan qoʻllab-quvvatlanadi.
• Bosqichma-bosqich parallellashtirish: OpenMP butun dasturni qayta yozmasdan, kodni bosqichma-bosqich parallellashtirish imkonini beradi.

OpenMP kamchiliklari

• Umumiy xotira cheklovi: OpenMP umumiy xotirali tizimlar uchun moʻljallangan va taqsimlangan xotirali tizimlar uchun mos emas.
• Sinxronizatsiya qoʻshimcha xarajatlari: Agar ehtiyotkorlik bilan boshqarilmasa, sinxronizatsiya qoʻshimcha xarajatlari samaradorlikni pasaytirishi mumkin.

MPI (Xabar Uzatish Interfeysi)

MPI (Xabar Uzatish Interfeysi) jarayonlar oʻrtasida xabar almashish uchun standart hisoblanadi. U klasterlar va superkompyuterlar kabi taqsimlangan xotirali tizimlarda parallel dasturlash uchun keng qoʻllaniladi. MPI jarayonlarga xabarlarni yuborish va qabul qilish orqali oʻz ishlarini muvofiqlashtirish va muloqot qilish imkonini beradi.

MPI afzalliklari

• Masshtablashuvchanlik: MPI taqsimlangan xotirali tizimlarda koʻp sonli protsessorlarga moslasha oladi.
• Moslashuvchanlik: MPI murakkab parallel algoritmlarni amalga oshirish uchun ishlatilishi mumkin boʻlgan boy aloqa vositalari toʻplamini taqdim etadi.

MPI kamchiliklari

• Murakkablik: MPI dasturlash umumiy xotirali dasturlashga qaraganda murakkabroq boʻlishi mumkin.
• Aloqa qoʻshimcha xarajatlari: Aloqa qoʻshimcha xarajatlari MPI ilovalarining ishlashida muhim omil boʻlishi mumkin.

Amaliy misollar va kod parchalari

Yuqorida muhokama qilingan tushunchalarni koʻrsatish uchun, keling, turli dasturlash tillarida bir nechta amaliy misollar va kod parchalarini koʻrib chiqaylik.

Python koʻp jarayonli ishlash misoli

Ushbu misol Python-dagi multiprocessing modulidan foydalanib, sonlar roʻyxatining kvadratlari yigʻindisini parallel ravishda qanday hisoblashni koʻrsatadi.

import multiprocessing
import time

def square_sum(numbers):
  """Sonlar roʻyxatining kvadratlari yigʻindisini hisoblaydi."""
  total = 0
  for n in numbers:
    total += n * n
  return total

if __name__ == '__main__':
  numbers = list(range(1, 1001))
  num_processes = multiprocessing.cpu_count()  # Protsessor yadrolari sonini olish
  chunk_size = len(numbers) // num_processes
  chunks = [numbers[i:i + chunk_size] for i in range(0, len(numbers), chunk_size)]

  with multiprocessing.Pool(processes=num_processes) as pool:
    start_time = time.time()
    results = pool.map(square_sum, chunks)
    end_time = time.time()

  total_sum = sum(results)
  print(f"Kvadratlar umumiy yigʻindisi: {total_sum}")
  print(f"Bajarilish vaqti: {end_time - start_time:.4f} soniya")

Bu misol sonlar roʻyxatini qismlarga boʻladi va har bir qismni alohida jarayonga tayinlaydi. multiprocessing.Pool sinfi jarayonlarni yaratish va bajarishni boshqaradi.

Java Konkurentlik misoli

Ushbu misol Java-ning konkurentlik API-sidan foydalanib, shunga oʻxshash vazifani parallel ravishda qanday bajarishni koʻrsatadi.

import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.Callable;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.Future;

public class SquareSumTask implements Callable {
  private final List numbers;

  public SquareSumTask(List numbers) {
    this.numbers = numbers;
  }

  @Override
  public Long call() {
    long total = 0;
    for (int n : numbers) {
      total += n * n;
    }
    return total;
  }

  public static void main(String[] args) throws Exception {
    List numbers = new ArrayList<>();
    for (int i = 1; i <= 1000; i++) {
      numbers.add(i);
    }

    int numThreads = Runtime.getRuntime().availableProcessors(); // Protsessor yadrolari sonini olish
    ExecutorService executor = Executors.newFixedThreadPool(numThreads);

    int chunkSize = numbers.size() / numThreads;
    List> futures = new ArrayList<>();

    for (int i = 0; i < numThreads; i++) {
      int start = i * chunkSize;
      int end = (i == numThreads - 1) ? numbers.size() : (i + 1) * chunkSize;
      List chunk = numbers.subList(start, end);
      SquareSumTask task = new SquareSumTask(chunk);
      futures.add(executor.submit(task));
    }

    long totalSum = 0;
    for (Future future : futures) {
      totalSum += future.get();
    }

    executor.shutdown();

    System.out.println("Kvadratlar umumiy yigʻindisi: " + totalSum);
  }
}

Bu misol oqimlar pulini boshqarish uchun ExecutorService dan foydalanadi. Har bir oqim sonlar roʻyxatining bir qismining kvadratlari yigʻindisini hisoblaydi. Future interfeysi asinxron vazifalar natijalarini olish imkonini beradi.

C++ OpenMP misoli

Ushbu misol C++ da siklni parallellashtirish uchun OpenMP-dan qanday foydalanishni koʻrsatadi.

#include 
#include 
#include 
#include 

int main() {
  int n = 1000;
  std::vector numbers(n);
  std::iota(numbers.begin(), numbers.end(), 1);

  long long total_sum = 0;

  #pragma omp parallel for reduction(+:total_sum)
  for (int i = 0; i < n; ++i) {
    total_sum += (long long)numbers[i] * numbers[i];
  }

  std::cout << "Kvadratlar umumiy yigʻindisi: " << total_sum << std::endl;

  return 0;
}

#pragma omp parallel for direktivasi kompilyatorga siklni parallellashtirishni buyuradi. reduction(+:total_sum) bandi total_sum oʻzgaruvchisini barcha oqimlar boʻyicha qisqartirish kerakligini belgilaydi, bu esa yakuniy natijaning toʻgʻriligini ta'minlaydi.

Protsessor yuklanishini monitoring qilish vositalari

Ilovalaringiz koʻp yadroli protsessorlardan qanchalik yaxshi foydalanayotganini tushunish uchun protsessor yuklanishini monitoring qilish muhimdir. Turli operatsion tizimlarda protsessor yuklanishini monitoring qilish uchun bir nechta vositalar mavjud.

• Linux: top, htop, vmstat, iostat, perf
• Windows: Task Manager (Vazifalar menejeri), Resource Monitor (Resurslar monitori), Performance Monitor (Samaradorlik monitori)
• macOS: Activity Monitor (Faoliyat monitori), top

Ushbu vositalar protsessor, xotira, disk I/O va boshqa tizim koʻrsatkichlari haqida ma'lumot beradi. Ular sizga toʻsiqlarni aniqlashga va ilovalaringizni yaxshiroq ishlashi uchun optimallashtirishga yordam beradi.

Koʻp yadroli protsessorlardan foydalanish boʻyicha eng yaxshi amaliyotlar

Koʻp yadroli protsessorlardan samarali foydalanish uchun quyidagi eng yaxshi amaliyotlarni koʻrib chiqing:

• Parallellashtiriladigan vazifalarni aniqlang: Ilovangizni tahlil qilib, parallel ravishda bajarilishi mumkin boʻlgan vazifalarni aniqlang.
• Toʻgʻri usulni tanlang: Vazifa xususiyatlari va tizim arxitekturasiga qarab mos parallel dasturlash usulini (koʻp oqimli ishlash, koʻp jarayonli ishlash, OpenMP, MPI) tanlang.
• Sinxronizatsiya qoʻshimcha xarajatlarini minimallashtiring: Qoʻshimcha xarajatlarni kamaytirish uchun oqimlar yoki jarayonlar oʻrtasida talab qilinadigan sinxronizatsiya miqdorini kamaytiring.
• Soxta boʻlishishdan saqlaning (False Sharing): Oqimlar bir xil kesh qatorida joylashgan turli ma'lumotlarga kiradigan va keraksiz keshni bekor qilish va samaradorlikning pasayishiga olib keladigan soxta boʻlishish hodisasidan xabardor boʻling.
• Ish yukini muvozanatlashtiring: Boshqalari ortiqcha yuklangan paytda hech bir yadro boʻsh turmasligini ta'minlash uchun ish yukini barcha yadrolarga teng taqsimlang.
• Samaradorlikni monitoring qiling: Toʻsiqlarni aniqlash va ilovangizni optimallashtirish uchun protsessor yuklanishini va boshqa samaradorlik koʻrsatkichlarini doimiy ravishda kuzatib boring.
• Amdal va Gustafson qonunlarini hisobga oling: Kodingizning ketma-ket qismi va muammo hajmining masshtablashuvchanligiga asoslangan tezlanishning nazariy chegaralarini tushuning.
• Profil yaratish vositalaridan foydalaning: Kodingizdagi samaradorlik toʻsiqlari va "issiq nuqtalar"ni aniqlash uchun profil yaratish vositalaridan foydalaning. Misollar: Intel VTune Amplifier, perf (Linux) va Xcode Instruments (macOS).

Global mulohazalar va xalqarolashtirish

Global auditoriya uchun ilovalar ishlab chiqishda xalqarolashtirish va mahalliylashtirishni hisobga olish muhim. Bunga quyidagilar kiradi:

• Belgilar kodirovkasi: Keng doiradagi belgilarni qoʻllab-quvvatlash uchun Unicode (UTF-8) dan foydalaning.
• Mahalliylashtirish: Ilovani turli tillar, mintaqalar va madaniyatlarga moslashtiring.
• Vaqt zonalari: Turli joylardagi foydalanuvchilar uchun sana va vaqt toʻgʻri koʻrsatilishini ta'minlash uchun vaqt zonalari bilan toʻgʻri ishlang.
• Valyuta: Bir nechta valyutani qoʻllab-quvvatlang va valyuta belgilarini mos ravishda koʻrsating.
• Raqam va sana formatlari: Turli mintaqalar uchun mos raqam va sana formatlaridan foydalaning.

Ushbu mulohazalar ilovalaringizning butun dunyo boʻylab foydalanuvchilar uchun qulay va foydalanishga yaroqli boʻlishini ta'minlash uchun juda muhimdir.

Xulosa

Koʻp yadroli protsessorlar parallel ishlov berish orqali samaradorlikni sezilarli darajada oshirish imkoniyatini taqdim etadi. Ushbu qoʻllanmada muhokama qilingan tushunchalar va usullarni tushunib, dasturchilar va tizim ma'murlari oʻz ilovalarining samaradorligini, javob berish qobiliyatini va masshtablashuvchanligini yaxshilash uchun koʻp yadroli protsessorlardan samarali foydalanishlari mumkin. Toʻgʻri parallel dasturlash modelini tanlashdan tortib, protsessor yuklanishini diqqat bilan kuzatish va global omillarni hisobga olishgacha, bugungi xilma-xil va talabchan hisoblash muhitlarida koʻp yadroli protsessorlarning toʻliq imkoniyatlarini ochish uchun yaxlit yondashuv muhimdir. Haqiqiy dunyo samaradorlik ma'lumotlariga asoslanib, kodingizni doimiy ravishda profil qiling va optimallashtiring hamda parallel ishlov berish texnologiyalaridagi soʻnggi yutuqlardan xabardor boʻlib turing.