Operaciones de coma flotante por segundo

Ir a la navegaciónIr a la búsqueda
Rendimiento de una computadora
Nombre Unidad FLOPS
Kilo-FLOPS kFLOPS 103
Mega-FLOPS MFLOPS 106
Giga-FLOPS GFLOPS 109
Tera-FLOPS TFLOPS 1012
Peta-FLOPS PFLOPS 1015
Exa-FLOPS EFLOPS 1018
Zetta-FLOPS ZFLOPS 1021
Yotta-FLOPS YFLOPS 1024
En informática, las operaciones de coma flotante por segundo son una medida del
rendimiento de una computadora, especialmente en cálculos científicos que requieren
un gran uso de operaciones de coma flotante.1 Es más conocido su acrónimo, FLOPS
(del inglés floating point operations per second). FLOPS, al ser un acrónimo, no
debe nombrarse en singular como FLOP, ya que la S final alude a second (o segundo)
y no al plural.

Las computadoras exhiben un amplio rango de rendimientos en coma flotante, por lo

que a menudo se usan unidades mayores que el FLOPS. Los prefijos estándar del SI
pueden ser usados para este propósito, dando como resultado kilo-FLOPS (kFLOPS, 103
FLOPS), mega-FLOPS (MFLOPS, 106 FLOPS), giga-FLOPS (GFLOPS, 109 FLOPS), tera-FLOPS
(TFLOPS, 1012 FLOPS), peta-FLOPS (PFLOPS, 1015 FLOPS), exa-FLOPS (EFLOPS, 1018
FLOPS), zetta-FLOPS (ZFLOPS, 1021 FLOPS), yotta-FLOPS (YFLOPS, 1024 FLOPS).

Índice
1 Rango de rendimiento
2 FLOPS como medida de rendimiento
3 FLOPS, GPU y consolas de videojuegos, entre otros
4 Referencias
5 Véase también
Rango de rendimiento
Una computadora de escritorio, que usa por ejemplo un procesador Pentium 4 o Athlon
64, típicamente opera a más de 3 GHz, provee de un desempeño computacional del
rango de unos cuantos GFLOPS. Aun algunas consolas de videojuegos del final de los
años noventa y principios del 2000, tales como Gamecube y Dreamcast, tuvieron un
rendimiento mayor a un GFLOPS.

La primera supercomputadora, Cray-1 fue puesta en marcha en el Laboratorio Nacional

de Los Álamos en 1976. La Cray-1 era capaz de operar a 80 MFLOPS. En poco más de
treinta años desde entonces, la velocidad computacional de las supercomputadoras es
más de un millón de veces mayor.

La supercomputadora más rápida del planeta (junio de 2020) es Fugaku (nombre con
que también se llama al monte Fuji), desarrollada conjuntamente por el Instituto
Nacional de Investigación de Japón Riken y la compañía Fujitsu, con una capacidad
de 415,53 petaflops, arrebatando el primer puesto a Summit, que cuenta con una
capacidad de 148 petaflops. En el ranking total, el tercer puesto también es para
EE. UU., con otra máquina de IBM (Sierra), mientras que la cuarta y quinta posición
es para China con Sunway TaihuLight, que cuenta con una capacidad de 93 petaflops y
Tianhe-2, con 34 petaflops, creados por el Centro Nacional de Investigación de
Ingeniería y Tecnología de Computadoras Paralelas (NRCPC) y la Universidad Nacional
de Tecnología de Defensa de China (NUDT).

La computación distribuida usa internet para conectar computadoras personales y

lograr un efecto similar; ha permitido a SETI@Home, el mayor de dichos proyectos,
computar a una velocidad de más de 100 TFLOPS. Einstein@Home ha ganado terreno y
actualmente ha logrado una velocidad sostenida de 886,6 TFLOPS convirtiéndola en
una de las supercomputadoras más poderosas del mundo. Otros proyectos similares son
DistrRTgen Archivado el 6 de diciembre de 2008 en la Wayback Machine. y
climateprediction.net.

En marzo de 2020 Folding@Home priorizó proyectos para luchar contra el Covid19.

Como resultado, el número de usuarios que se conectaron a esta red de computación
distribuida, aumentó hasta que el 15 de abril de 2020, Folding@Home anunció que
tenía una potencia de cálculo de más de 2.480 petaFLOPS, o 2 exaFLOPS, rompiendo la
barrera del exaFLOPS antes que lo logren empresas como Intel, AMD o IBM.2

FLOPS como medida de rendimiento

Para que se pueda usar el FLOPS como medida de rendimiento de coma flotante una
referencia estándar debe ser establecida para todas las computadoras de interés.
Uno de ellos es el estándar LINPACK.

Los FLOPS por sí solos no son un muy útil estándar para computadoras modernas.
Existen muchos otros factores de rendimiento tales como E/S (entrada-salida),
comunicación interprocesador, coherencia del caché y jerarquía de memoria. Esto
significa que las computadoras en general son solamente capaces de una fracción del
pico teórico en FLOPS, obtenido adicionando el pico teórico en FLOPS de cada uno de
los componentes del sistema. Aun cuando se trabaje en problemas grandes y altamente
paralelos, su rendimiento será irregular, debido en gran medida a efectos
residuales de la ley de Amdahl. Por tanto, los estándares efectivos medirán
rendimiento tanto de FLOPS actuales (tiempo real) como de FLOPS sostenidos.

Para aplicaciones ordinarias (no científicas) las operaciones sobre enteros

(medidos en MIPS) son mucho más comunes. De lo anterior se deduce que medir el
rendimiento en FLOPS no predice con precisión la rapidez con la que un procesador
realizará cualquier tarea. Sin embargo, para muchas aplicaciones científicas, como
el análisis de datos, el rendimiento en FLOPS es una medida efectiva.

FLOPS, GPU y consolas de videojuegos, entre otros

Frecuentemente se publican cifras astronómicas en FLOPS para tarjetas de video y
consolas de videojuegos. En comparación, un computador de propósito general tendrá
un rendimiento de unos cuantos GFLOPS si se considera únicamente su CPU.

Sin embargo, estas cifras deben ser tratadas con precaución, ya que no son
comparables uno a uno con FLOPS de un computador totalmente programable de
propósito general. Estas cifras se basan en el rendimiento total del sistema (CPU +
GPU).

La mayor parte del rendimiento en FLOPS de una consola de videojuegos proviene de

su GPU, que es un procesador de vectores altamente ductilizado o segmentado
(pipelined en inglés) optimizado para operaciones gráficas, con muy limitada
programabilidad. Esto es posible porque las gráficas en 3D son un ejemplo clásico
de un problema altamente paralelizable. Esto significa que el problema puede ser
fácilmente dividido entre diferentes unidades de ejecución y «ductos», permitiendo
una alta ganancia en velocidad que será obtenida de «escalar» el número de
compuertas lógicas en vez de únicamente la velocidad de reloj.

Esta capacidad de cómputo en un computador permite por ejemplo:

Simulaciones de fenómenos naturales altamente precisas (huracanes, terremotos,

maremotos, impacto de asteroides)
Desdoblamiento de cadenas de ADN
Plegamiento de proteínas
Simulación de explosiones nucleares
Referencias
 «【 FLOPS 】¿Qué son las operaciones de coma flotante por segundo? ▷ 2019».
InternetPasoaPaso. 6 de junio de 2019. Consultado el 17 de noviembre de 2019.

https://www.theregister.co.uk/2020/04/14/reg_teams_top_1000_foldingathome_coronavir
us/