並列処理（SIMD / MIMD とフリンの分類）

📌

並列処理とは

並列処理とは、複数の処理を同時に実行して、全体の処理速度を上げる方式のことです。1つずつ順番に行う方式は逐次処理と呼び、並列処理と対になる概念です。

身近な例で考えると、大量の食器を洗う場面です。1人で順番に洗う（逐次）より、3人で手分けして同時に洗う（並列）方が早く終わります。コンピュータも、コアを複数使って仕事を分担すれば速くなる、という発想です。

上の図解①では、逐次処理（左）・SIMD（中央）・MIMD（右）の3つの処理スタイルを並べています。それぞれの違いを次のカードで詳しく見ていきましょう。

📌

SIMD/MIMDの分類

並列処理は、コンピュータの分類法であるフリンの分類で整理できます。これは「命令の流れの数」と「データの流れの数」の組み合わせで4種類に分ける方法です（上の図解②）。

4つの分類：
・SISD（Single Instruction Single Data）：1命令で1データ。昔の1コアCPUの逐次処理
・SIMD（Single Instruction Multiple Data）：1命令で複数データを一斉処理。GPUやベクトル演算が代表例
・MISD（Multiple Instruction Single Data）：1データに複数命令。実例は少なく、冗長化システムなど特殊用途
・MIMD（Multiple Instruction Multiple Data）：各コアが別々の命令で別々のデータを処理。マルチコアCPUが代表例

SIMD と MIMD の違いがとくに重要です。SIMDは「全員が同じ作業をする」（例: 全画素を同じルールで明るくする）、MIMDは「各自が違う作業をする」（例: 1コアは動画再生、別コアはダウンロード）と考えると分かりやすいです。

「SIMD＝1命令×複数データ、MIMD＝複数命令×複数データ」の対応と、それぞれの代表例（SIMD＝GPU、MIMD＝マルチコア）を結びつけて覚えると整理しやすいです。略語の頭文字「SI/MI＝命令、SD/MD＝データ」を意識すると区別が楽になります。

📌

並列化の効果

並列処理の効果は処理速度の向上です。仕事を分割して同時に進めるほど、理論上は速くなります。コアを増やせば、同時に進められる作業の数も増えます。

ただし、効果には限界があります。
・並列化できない部分が残る：処理の中には「順番にやるしかない部分」があり、そこは速くできない
・分割や同期のコストがかかる：仕事を分けたり結果をまとめたりする手間（オーバーヘッド）も発生する
・コア2倍でも2倍速にはならない：上の図のように、逐次部分があるぶん理想通りには速くならない

この「並列化できない部分が全体の速度向上の足かせになる」という法則をアムダールの法則と呼びます。たとえば全体の20%が逐次処理なら、いくらコアを増やしても5倍より速くはなりません。「並列化しても効果は頭打ちになる（アムダールの法則）」という考え方は重要なポイントです。