【发布时间】：2014-05-02 05:20:48
【问题描述】：
您能举一个此类任务的示例吗？
我对与大量人员相关的任务特别感兴趣，这些任务可以通过使用分布式计算来解决。 （不是全球性项目，例如 SETI@Home、Folding@Home 等）
作为示例，我们可以使用渲染和http://www.renderfarm.fi 社区。
加密货币挖掘不相关。
谢谢！
【问题讨论】：
标签： rendering distributed-computing blender boinc
【发布时间】：2014-05-02 05:20:48
【问题描述】：
好吧，我对渲染知之甚少，但是当谈到可以通过分布式计算解决的任务时，您可能会想看看 Bag-of-Tasks (BoT) 应用程序。
"Bag-of-Tasks 应用程序（那些并行应用程序的任务是 独立）对于在计算网格上执行都是相关的和可修改的。事实上，有人可以说任务包应用程序 是最适合网格的应用程序，其中通信可以 很容易成为紧耦合并行应用程序的瓶颈。”
这摘自一篇论文，该论文准确地讨论了使用网格计算的任务袋应用程序。你可以read the full paper here。
现在找到与用户相关的任务是一个创造性的问题。 This list of distributed computing projects 可能会给你一些见解。
设置 BOINC 服务器，主要是编程 BOINC 应用程序将是这里的艰巨任务。 This BOINC wiki 帮助您了解 BOINC 项目的“背景”需要什么。
【讨论】：
老问题，但新答案。
我有自己的分布式计算库，完全用 C++ 编写（搜索 gridman raspberry pi）。
我将它用于： - 分布式神经网络训练/验证 - 分布式光线追踪（为了好玩） - 分布式 MD5 运算（为了好玩） - 分布式 WEP 处理（为了好玩） - 分布式 WPA 处理（为了好玩）
总的来说，我总是这样想：如果某件事对我来说花费的时间太长，那么我会将它分成几台 PC。现实世界的例子？
以投资银行为例，所有这些模型都必须使用不同的参数进行数百万次计算。
以神经网络为例——一个很好的例子，学习需要很长时间（取决于数据）——如果你把它分成 10 台 PC，你的结果会快 10 倍。
【讨论】：