檔案只能讀取不能複製的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

平行化多面體成圖在複雜場景下之研究

為了解決檔案只能讀取不能複製的問題，作者王建立 這樣論述：

隨著圖像複雜度的不斷提昇，在已有的一般分散式環境已不能滿足「快速產生高品質圖像」這個重要目標，將圖像的模型資料分散至各運算資源乃是必要的處理方式。雖然目前已有多位研究者利用平行多處理器電腦來加快成像時間，但是平行多處理器電腦並不普及且價格昂貴，實非一般研究單位所能負荷。目前個人電腦的效能已大幅提昇，利用網路相連接的異質性工作站群與個人電腦群所構成之分散式計算環境逐漸受到重視，因此善用分散式計算環境內之計算資源，將可提昇計算之效率。本研究主旨乃在探討在上述分散式計算環境中，快速產生高品質圖像所需之技術與技巧。 基於上述的動機及理由，我們發展了一套DiP

RCS（Distributed Polygon Rendering with Complex Scenes）系統，將多面體成圖計算實作到分散式計算環境中，運用資料分散的技巧，以多台計算資源同時運算的方式縮短成圖所需的漫長時間。我們所發展的DiPRCS系統目前可執行在網路相連之個人電腦群組，亦可跨平臺和區域網路上之Unix工作站群組共同執行。分散式計算環境（DCE）之發展工具是採用目前盛行使用的PVM （Parallel Virtual Machine），並採用訊息傳遞（Message Passing）的方式來完成。 DiPRCS系統的設計採用Master-Slave架構，在

所有加入Virtual Machine的機器中選一台運算能力最強的運算資源為Master，而其餘的運算資源（包含Master的這一台）設為Slave。資料分散的方式為將Y-Bucket切割成若干等分，再分別存檔以網路磁碟機的方式讓其他Slave可以讀取。至於工作（Task）則是將一張要成圖的影像切割成使用者自定的，許多大小一樣的像素區塊（Pixel Square），例如64x16或512x8像素區塊。通常切的愈小，造成工作數目愈多，能有較好的Load Balance，成圖時間也較短，但因為模型的複雜度極高，造成Scanline語法每次讀出一條線上所有的邊所花的時間太長，以致於最佳解出現在512

x8，雖然工作數目少，Load Balance較差，但成圖時間卻較短。Master所負責的工作則共有6項為：讀取3D模型檔，作前處理部份，產生並啟動Slave程式在遠端機器上，工作分配排程，接收Slave完成的區塊影像，最後的完整影像作輸出；相對的Slave則只作成圖計算的工作，包含3項：接受工作的指派，成圖運算（計算部份影像的色彩飽合度），完成後送回部份影像，再接收新的工作指定，如此循環。工作之分配係採用需求導向（Demand-Driven）行之，由Slave這一方向Master要求賦與工作量，而非Master主動賦與。如此作法，可讓計算能力較強之Slave被賦與更多之工作量，計算能力較弱之

Slave被賦與較少之工作量，間接達成系統之動態負載平衡（Dynamic Load Balancing）。而且在最後Master已無工作可分配時，則採用重覆指定尚未傳回結果之策略，來加快整個系統的完成時間。此也可確保系統能正常完成，間接達到容錯之目的。 在系統測試方面，DiPRCS系統已實際在中興資科所內之分散式計算環境內對工作站群組與個人電腦群組作執行測試，在測試時使用的模型方面選擇以兩種不同方式產生的測試模型。第一種測試模型稱之為真實模型（Real Models），係選擇Eric Haines所設計的標準程序資料庫（Standard Procedural Databas

es）內之測試模型，但因其內含多面體個數介於312個到106,289個之間，不符合我們複雜場景之需求，於是在SPD模型的程式上作修改，以平移複製的方式作做出多面體個數達1,349,041的模型。第二種測試模型稱之為統計模型（Statistical Models），又可分為平均分配（Uniform Distribution）和常態分配（Normal Distribution）兩種方式來建構，依據分配的公式我們用亂數的方式來產生1,000,000個多面體的模型，來作為測試使用。 測試的環境為隸屬同一個區域網路內的10台異質性的個人電腦，模型以最平均的統計模型及最不平均的真實模型

來做測試，圖像解析度皆為1024x1024，切割數為32。經實際測試後，Ucr10000時間從1625秒（使用單台，相對比值為2.2）減少到只需234.82秒（使用十台，相對比值為17.86），加速可達6.92倍，效率為85.24% （6.92／(17.86／2.2)）；Tree8_19時間從6531.39秒（使用單台，相對比值為2.2）減少到只需1090.87秒（使用十台，相對比值為17.86），加速可達5.987倍，效率為73.75% （5.987／(17.86／2.2)），此結果可以看出成圖計算加速的良好效果。 本研究之結論如下: 藉由DiPRCS系統之發展與實現及最

後測試結果，證明我們所提的技術、技巧，在分散式計算環境中是有效、可行的。DiPRCS系統之分散式計算的加速效率可達85.24﹪，加快了成圖計算的速度，已經大大地縮短使用者需等待的時間。由於DPR系統對於模型的大小超過60,000個多面體就必須使用到虛擬記憶體，如此將大幅增加成圖計算的時間，所以採用資料切割乃是必要的方法。此外DiPRCS系統具備有相容性（Compatibility），在工作站群Unix平臺與個人電腦群Win32平臺可同時成功地執行。相較於平行電腦，DiPRCS系統可參與分散式計算的處理器數目將不會受到限制。此外DiPRCS系統具備有動態負載平衡之能力，所有計算資源幾乎是同時間結

束工作。藉由DiPRCS系統可證明不需用到高階平行多處理器電腦，藉由分散式計算環境所提供之平行運算能力，讓我們能享受到成圖運算速度效率的提昇。