• • مشاهدات:

هر تست را سه بار تکرار کرده و میانگین نتایج را در بررسی ها استفاده کرده ایم. پس از اجرای برنامه، خروجی در نشان داده شده است.
شکل ‏۴‑۳: تاثیر مقیاس پذیری عمودی بر زمان پردازش در حالت سریال و موازی

• • تحلیل:

همانطور که در مشاهده می‌شود در حالت اول که یک هسته داریم. زمان پردازش در هر دو روش تقریبا برابر است. اما با افزایش تعداد هسته های پردازنده، با وجود اینکه زمان پردازش در هر دو روش کاهش می یابد، اما این کاهش در حالت موازی شدیدتر است. در حالت موازی بهره‌وری از منابع بیشتر است زیرا چندین تصویر بصورت همزمان پردازش می‌شوند و تمامی هسته‌ها بطور همزمان در حال پردازش هستند. لذا از سیستم بصورت بهینه تری استفاده می‌شود. اما در پردازش سریال همانطور که از نام آن مشخص است تصاویر بصورت سریال و یکی پس از دیگری و نه بصورت همزمان پردازش می‌شوند.
با دو برابر شدن قدرت سخت افزاری، کاهش زمان در روش سریال تقریبا ۳٫۵% و در روش موازی ۳۸% است که کاهش در حالت موازی بسیار شدیدتر است. با سه برابر شدن توان سخت افزاری، نسبت به توان اولیه کاهش زمان در روش سریال ۱۳٫۸% و در روش موازی ۵۱٫۹% است که این کاهش چشمگیر بوده و بسیار بیشتر از حالت سریال می‌باشد.
همانطور که مشاهده شد علی رغم کاهش زمان در روش سریال، این زمان بسیار کم می باشد. در حالی که این کاهش در حالت موازی بسیار بیشتر است. لذا مدل برنامه نویسی نگاشت‌کاهش با موازی سازی پردازش‌ها در سطح هسته ها می‌تواند هسته های یک سیستم را به شکل بهینه‌تری بکار گرفته و سرعت پردازش را افزایش دهد.
سناریو دوم: بررسی تاثیر مقیاس پذیری (Scale in) بر زمان پردازش

• • شرح سناریو:

همانطور که در نیز مشخص است در این سناریو با انجام آزمایشی، به بررسی تاثیر تعداد ماشین‌ها در یک کلاستر ثابت، بر سرعت اجرای برنامه می‌پردازیم. ما برای بررسی این پارامتر سه کلاستر با ساختارهای مختلف اما توان سخت افزاری برابر ایجاد کرده‌ایم. تمامی این سه کلاستر از نظر توان سخت‌افزای، برابر بوده ولی دارای ساختارهای متفاوتی می باشند. هر یک از این کلاستر ها مجموعا دارای ۱۶ هسته پردازنده و GB 32 حافظه اصلی می‌باشند. در هر کلاستر یکی از ماشین‌ها Master بوده و سایر ماشین‌ها Slave می باشند.

شکل ‏۴‑۴: ساختار مقیاس پذیری Scale In
[منبع [۵۰]]
اولین کلاستر شامل ۱۶ ماشین است که هر ماشین دارای یک هسته پردازنده است. کلاستر دوم دارای ۸ ماشین است که هر ماشین دو هسته پردازنده دارد و کلاستر سوم دارای ۵ ماشین می‌باشد که برای ثابت ماندن تعداد هسته ها، یکی از ماشین‌ها دارای ۴ هسته و سایر ماشین‌ها دارای ۳ هسته می باشند. در این سه کلاستر در صورتی که ماشین Master بخواهد فقط اجرای برنامه را کنترل کند و در پردازش ها شرکت نکند، تعداد هسته‌هایی که تصاویر را پردازش می‌کنند، در سه کلاستر متفاوت خواهند بود. لذا برای اینکه تعداد هسته های پردازشگر در تمامی کلاسترها برابر باشد، در بررسی این پارامتر، ماشین Master در پردازش ها نیز شرکت می‌کند. جزئیات این سه کلاستر به ترتیب در ، و نشان داده شده‌است.
جدول ‏۴‑۲: ساختار کلاستر اول با ۱۶ماشین

جدول ‏۴‑۳: ساختار کلاستر دوم با ۸ ماشین