分布式内存体系结构的并行化

19/24分布式内存体系结构的并行化第一部分分布式内存并行化架构 2第二部分NUMA体系结构及缓存一致性 5第三部分非一致性内存模型（NVMe） 7第四部分共享内存并行编程模型 10第五部分消息传递并行编程模型 12第六部分软件和硬件支持的分布式锁机制 14第七部分并行化算法在分布式内存上的优化 16第八部分分布式内存体系结构的未来趋势 19

第一部分分布式内存并行化架构关键词关键要点共享地址空间模型

1.允许多个处理单元访问同一全局地址空间。

2.提供统一的内存视图，简化并行编程。

3.需要高效的缓存一致性机制来确保数据一致性。

分布式地址空间模型

1.处理单元拥有自己的本地地址空间，并且只访问自己的内存区域。

2.需要明确的数据通信机制来在不同地址空间之间共享数据。

3.提供较大的灵活性，但需要更复杂的编程模型。

消息传递接口（MPI）

1.广泛使用的分布式内存并行编程标准。

2.提供明确的数据通信和同步机制。

3.适用于各种并行计算平台，具有良好的可移植性。

分布式共享内存（DSM）

1.将分布式内存抽象为一个共享内存空间，隐藏了数据通信的复杂性。

2.提供一致、高效的内存访问，简化了并行编程。

3.需要额外的系统开销来维护内存一致性。

远程直接内存访问（RDMA）

1.允许处理单元直接访问远程内存，无需CPU干预。

2.提供超低延迟的高性能数据传输。

3.适用于对延迟敏感的并行应用程序，如金融计算和科学计算。

并行虚拟化

1.允许在单个物理服务器上运行多个虚拟机，并共享分布式内存。

2.提高资源利用率并隔离不同应用程序。

3.需要高效的虚拟化技术和内核支持来支持并行化。分布式内存并行化架构

分布式内存并行化架构是一种并行计算架构，其中处理元件通过一个分布式内存系统相连，每个处理元件拥有自己的局部内存。分布式内存并行化架构可以分为两种主要类型：集中式共享内存架构和分布式共享内存架构。

1.集中式共享内存架构(CSMA)

在集中式共享内存架构中，所有处理元件通过一个高速共享内存总线连接到一个中央共享内存。共享内存对所有处理元件可见，并可由任何处理元件访问。

优点：

*简单性和可编程性：由于所有处理元件都共享一个统一的地址空间，因此编程模型相对简单明了。

*低延迟：访问共享内存的延迟通常较低，因为所有处理元件都直接连接到内存总线。

*高带宽：共享内存总线通常提供高带宽，允许高效的数据传输。

缺点：

*可扩展性有限：随着处理元件数量的增加，共享内存总线上的争用和延迟可能会成为瓶颈。

*成本高：实现高速共享内存总线和提供对所有处理元件的公平访问需要额外的硬件成本。

2.分布式共享内存架构(DSMA)

在分布式共享内存架构中，内存被分布在处理元件之间，每个处理元件拥有自己的局部内存。处理元件通过一个分布式互连网络访问共享内存，共享内存由一个虚拟地址空间抽象表示。

优点：

*可扩展性：分布式互连网络允许更容易地扩展系统而不会遇到严重的争用或延迟问题。

*成本低：分布式互连网络通常比高速共享内存总线成本更低。

*避免单点故障：多个共享内存模块之间的分布可以减轻单点故障的影响。

缺点：

*更高的访问延迟：访问远程共享内存的延迟比访问局部内存的延迟高，因为数据必须通过分布式互连网络传输。

*编程复杂性：DSMA编程模型比CSMA复杂，因为处理元件必须明确管理数据在局部和共享内存之间的移动。

并行化粒度

分布式内存并行化架构可以支持不同粒度的并行化：

*线程级并行化：创建多个线程在同一处理元件上运行。

*进程级并行化：创建多个进程在同一处理元件或不同处理元件上运行。

*分布式内存并行化：创建多个并发进程在分布式内存架构的不同处理元件上运行。

选择并行化粒度取决于应用程序的特性，例如，数据并行性、通信模式和负载均衡要求。

应用

分布式内存并行化架构广泛应用于需要高性能计算的各种领域，包括：

*科学计算和建模

*大数据分析和机器学习

*图形渲染和可视化

*高性能计算(HPC)

相关概念

*分布式内存：分布在不同处理元件之间并可通过分布式互连网络访问的内存。

*共享内存：所有处理元件都可以访问并修改的内存。

*虚拟地址空间：一种抽象表示，允许处理元件引用共享内存，而不管其物理位置。

*分布式互连网络：一种将处理元件连接到分布式内存的通信网络。

*消息传递接口(MPI)：一种标准，用于在分布式内存并行化架构中进行通信。第二部分NUMA体系结构及缓存一致性关键词关键要点【NUMA体系结构】

*

*NUMA（非统一内存访问）是一种计算机体系结构，其中处理器的访问延迟取决于访问的内存位置。

*NUMA系统通常使用一个或多个内存控制器，每个内存控制器控制一组内存模块。

*处理器可以更快速地访问与其本地内存控制器关联的内存，称为本地内存，但访问远程内存时会延迟更高。

【缓存一致性】

*NUMA体系结构及缓存一致性

NUMA体系结构

非一致性内存访问(NUMA)体系结构是多处理器系统中的一种内存架构，其中处理器具有对本地内存的快速访问权限，并且访问远端内存的速度较慢。

在NUMA系统中，内存被划分为多个被称为节点的区域，每个节点都与一个或多个处理器关联。每个处理器都有一个高速缓存，用于存储最近访问过的内存数据。

处理器可以快速访问其本地节点中的内存，而访问远端节点中的内存则需要更长的时间。这是因为远端访问涉及通过互连网络发送消息，而本地访问则只涉及访问本地高速缓存。

缓存一致性

在多处理器系统中，多个处理器可以同时访问同一块内存。为了确保所有处理器看到内存中的相同数据，必须使用缓存一致性机制。

缓存一致性协议是一组规则，它规定了处理器在访问内存时如何更新和失效其缓存。这些协议确保所有处理器看到内存中的相同数据，即使它们具有自己的本地高速缓存副本。

有两种主要类型的缓存一致性协议：

*写回协议：处理器将更改写入其本地高速缓存，但不会立即更新内存。只有当高速缓存中的数据需要被另一个处理器读取时，才会将其写回内存。

*直写协议：处理器将更改直接写入内存，并且不会将其保存在其本地高速缓存中。这确保了所有处理器始终看到内存中的最新数据，但是可能会导致更频繁的内存访问。

NUMA系统中的缓存一致性

在NUMA系统中，缓存一致性协议必须考虑到处理器的非一致性内存访问特性。以下是NUMA系统中常见的缓存一致性协议类型：

*分布式目录协议：每个内存节点都有一个目录，它跟踪该节点中内存块的状态。当一个处理器需要从远端节点读取数据时，它会首先查询目录以查看该数据的状态。

*伪共享协议：将内存块划分为较小的块，称为伪共享线。每个伪共享线只有一个处理器可以写入它。这可以减少由于多个处理器同时访问同一内存块而引起的总线争用。

*基于所有权的协议：当一个处理器获取内存块的独占所有权时，它可以对其进行修改。其他处理器不能访问该内存块，直到所有权被释放。这可以防止同时写入同一个内存块，从而提高性能。

通过使用适当的缓存一致性协议，NUMA系统可以提供高性能并确保所有处理器始终看到内存中的相同数据。第三部分非一致性内存模型（NVMe）关键词关键要点【非一致性内存模型（NVMe）】

1.NVMe概述：NVMe是一种为非易失性存储器（NVM）设计的高速存储接口，旨在提供比传统存储技术更高的性能和更低的延迟。它通过PCIe总线提供直接连接，减少了软件和硬件之间的开销，提高了数据吞吐量。

2.NVMe的非一致性特性：与传统的一致性内存模型不同，NVMe采用了非一致性模型，允许不同的CPU核心在同一时间读取和写入内存中的不同位置。这种非一致性可以提高并行性，从而提高吞吐量和降低延迟。

3.NVMe的应用场景：NVMe在对性能要求较高的应用中非常适用于，例如：大数据分析、机器学习、数据库管理和视频流。

【NVMeoverFabrics（NVMe-oF）】

非一致性内存模型（NVMe）

非一致性内存模型（NVMe）是一种计算机内存体系结构，允许多个处理器或设备并行访问共享内存，而不需要传统的锁和同步机制。NVMe的核心概念是放弃一致性保证，以换取更高的性能和可扩展性。

NVMe的原理

在传统的一致性内存模型中，所有处理器对共享内存的修改都会立即反映在所有其他处理器的缓存中。这确保了所有处理器看到内存中的相同数据，并防止数据不一致。然而，这种一致性要求需要复杂的锁和同步机制来协调对内存的访问，从而限制了系统性能和可扩展性。

NVMe放弃了这种一致性保证。它允许每个处理器拥有自己的本地内存副本，称为“私有缓存”。当一个处理器修改私有缓存中的数据时，它不会立即反映在其他处理器的私有缓存中。这允许多个处理器并发地修改共享内存，而不需要同步。

NVMe的优点

*更高的性能：通过消除锁和同步开销，NVMe可以显著提高并行应用程序的性能。

*更好的可扩展性：NVMe允许系统轻松添加更多的处理器或设备，而不会遇到同步瓶颈。

*更低的功耗：NVMe的私有缓存模型减少了数据传输和同步所需的功耗。

NVMe的挑战

*数据不一致：由于NVMe放弃了一致性保证，因此可能导致数据不一致，即不同处理器看到的内存数据不同。

*编程复杂性：NVMe编程模型比传统的一致性内存模型更复杂，因为它要求程序员显式处理数据不一致性。

*硬件支持：NVMe需要特殊的硬件支持，例如支持私有缓存和非阻塞加载/存储操作的处理器和内存控制器。

NVMe的应用

NVMe主要适用于并行应用程序，这些应用程序需要高性能和可扩展性。一些典型的应用场景包括：

*科学计算：NVMe可以加速并行科学计算，例如模拟和机器学习。

*数据库：NVMe可以提高数据库管理系统的性能和可扩展性。

*云计算：NVMe可以为云计算环境提供高性能和弹性的内存解决方案。

NVMe的发展

NVMe仍处于早期发展阶段，但已引起业界的广泛关注。随着硬件和软件技术的不断进步，NVMe有望成为下一代高性能并行计算系统的关键技术。

总结

非一致性内存模型（NVMe）是一种突破性的内存体系结构，它允许多个处理器或设备并行访问共享内存，而不需要传统的锁和同步机制。NVMe提供了更高的性能、更好的可扩展性和更低的功耗，但它也带来了数据不一致性和编程复杂性的挑战。NVMe主要适用于并行应用程序，这些应用程序需要高性能和可扩展性。随着硬件和软件技术的不断发展，NVMe有望成为下一代高性能并行计算系统的关键技术。第四部分共享内存并行编程模型关键词关键要点【一致性协议】

1.确保分布式共享内存系统中的数据在所有节点上始终一致。

2.常用的一致性协议包括严格一致性、顺序一致性、因果一致性等。

3.选择合适的协议取决于应用程序对数据一致性的需求和系统的性能要求。

【锁服务】

共享内存并行编程模型

共享内存并行编程模型是一种并行编程模型，其中多个处理器共享一个全局地址空间。这意味着所有处理器都可以访问相同的内存位置，从而允许它们直接通信和协作。

优点：

*简单性：共享内存模型易于理解和实现，因为程序员不必明确管理消息传递或同步操作。

*高性能：由于处理器可以直接访问共享内存，因此可以实现低延迟和高吞吐量。

*可扩展性：随着处理器数量的增加，共享内存模型可以轻松扩展，因为它们不需要额外的通信机制。

*数据一致性：所有处理器对共享内存的访问都是一致的，消除了数据不一致的可能性。

缺点：

*可伸缩性受限：当处理器数量很大时，共享内存模型可能难以扩展，因为内存带宽和一致性维护成为瓶颈。

*同步复杂性：为了防止竞争条件，多个处理器对共享内存的访问必须通过同步机制进行协调。

*死锁可能性：当处理器等待彼此释放锁时，可能会发生死锁，从而导致程序停止。

编程接口：

*OpenMP：一个众所周知的共享内存编程接口，它提供了用于并行化代码的编译器指令。

*Pthreads：一个POSIX线程库，它提供了用于创建和管理线程以及同步操作的函数。

*Java并发实用程序：一个Java库，它提供了用于并发编程的高级抽象，例如锁和线程池。

同步机制：

*互斥锁：一个用于防止多个处理器同时访问共享内存区域的锁。

*信号量：一种表示资源可用性的计数器，它用于控制处理器对共享资源的访问。

*条件变量：一种允许处理器等待特定条件满足的同步机制。

适用于共享内存并行编程模型的算法：

*并行归并排序：一种使用多个处理器将给定数组并行排序的算法。

*并行前缀和：一种使用多个处理器计算元素数组的前缀和的算法。

*LU分解：一种用于解决线性方程组的算法，可以并行化以提高性能。

总的来说，共享内存并行编程模型对于需要高性能和简单性的并行应用程序非常有用。然而，在处理大规模并行系统时，程序员需要小心地管理同步和可伸缩性问题。第五部分消息传递并行编程模型消息传递并行编程模型

消息传递并行编程模型（MessagePassingParallelProgrammingModel，简称MPP）将并行程序组织成多个独立的进程，每个进程拥有自己的私有地址空间，并通过显式消息传递机制进行通信。

特性

*显式通信：进程之间通过消息传递进行通信，消息由发送进程主动发送，接收进程被动接收。

*私有地址空间：每个进程拥有自己的私有地址空间，其他进程无法直接访问其数据。

*同步和异步操作：消息传递可以是同步的（发送进程等待接收进程确认收到消息）或异步的（发送进程不等待确认）。

*数据并行性：MPP通常用于分布式内存系统中，其中数据被并行分布在不同的进程中。

通信模型

*单边传输（SPMD）：所有进程执行相同的代码，但使用不同的数据，通过消息传递交换信息。

*多边传输（MIMD）：每个进程执行不同的代码，通过消息传递实现相互协作。

消息传递库和接口

MPP使用消息传递库和接口来实现进程间通信，常用的库包括MPI（MessagePassingInterface）和PVM（ParallelVirtualMachine）。这些库提供了一组API函数，用于发送和接收消息，创建和管理进程组，以及同步操作。

优势

*灵活性：MPP允许程序员明确控制进程间的通信，提供最大的灵活性。

*可扩展性：MPP易于扩展到大量进程，因为进程之间的通信是显式的，不会导致隐式数据共享。

*效率：MPP通过避免不必要的通信和同步开销，可以实现高性能。

劣势

*编程复杂性：显式消息传递编程模型需要程序员手动管理进程间通信，这可能比较复杂。

*可移植性：MPP程序通常依赖于特定的消息传递库，这可能会限制其在不同平台上的可移植性。

*调试困难：MPP程序的调试难度较高，因为需要跟踪多个进程之间的通信。

应用

MPP广泛用于分布式内存并行计算，特别是以下领域：

*科学计算和数值建模

*数据分析和机器学习

*并行图像处理

*分布式仿真

总结

消息传递并行编程模型是分布式内存系统的关键并行化技术，它提供了显式消息传递机制和私有地址空间，允许程序员灵活且高效地实现并行程序。虽然它具有编程复杂性，但其灵活性、可扩展性和效率使其成为分布式内存系统并行计算的强大工具。第六部分软件和硬件支持的分布式锁机制软件和硬件支持的分布式锁机制

在分布式系统中，协调对共享资源的访问至关重要。分布式锁是一种机制，它允许多个进程或线程独占地访问特定的资源。以下介绍了软件和硬件支持的分布式锁机制：

软件支持的锁机制

基于内存的锁

*轻量级锁：使用原子操作（如CAS）在内存中维护一个标志。

*重量级锁：使用互斥量或自旋锁等机制来防止多个线程同时持有锁。

基于数据库的锁

*行级锁：锁住数据库中的特定行或记录，以防止多个事务同时修改它们。

*表级锁：锁住整个表，以防止多个事务同时对表进行读写操作。

基于分布式消息系统的锁

*Redis锁：利用Redis的SETNX命令来获取锁，并通过EXPIRE命令来设置锁的生存时间。

*ZooKeeper锁：利用ZooKeeper的临时节点来创建分布式锁。当节点消失时，锁被释放。

基于分布式协调服务的锁

*etcd锁：利用etcd的乐观锁机制来实现分布式锁。

*Consul锁：提供会话锁和密钥锁，支持分布式协调和锁获取。

硬件支持的锁机制

原子操作

*比较并交换（CAS）：一种原子操作，允许一个进程在修改内存中的值之前对其进行检查和比较。

*加载链接/存储条件（LL/SC）：一种原子操作，允许一个进程在加载内存中的值之前先对其进行比较。

互连总线锁定

*总线锁定：一种硬件机制，允许一个处理器在访问总线时禁止其他处理器访问。

*网格锁定：一种硬件机制，允许网格中的处理器基于资源可用性来获取锁。

分布式锁机制的比较

|特性|软件支持的锁|硬件支持的锁|

||||

|性能|通常较慢|通常较快|

|可扩展性|可扩展到大型集群|可扩展到一定程度|

|可用性|可能受单点故障影响|通常较高的可用性|

|成本|通常免费或低成本|可能需要专用的硬件|

|复杂性|实现可能更复杂|通常更简单|

选择分布式锁机制的考虑因素

*性能要求：对于高性能应用程序，硬件支持的锁可能是更好的选择。

*可扩展性需求：对于大型集群，软件支持的锁通常更易于扩展。

*可用性要求：对于需要高可用性的系统，基于分布式协调服务或硬件支持的锁可能是更好的选择。

*成本考虑：硬件支持的锁可能需要额外的硬件，这可能会增加成本。

*复杂性考虑：软件支持的锁的实现可能更复杂，需要更多的开发工作。第七部分并行化算法在分布式内存上的优化关键词关键要点主题名称：数据分区和分布

1.将大型数据集划分成更小的块，并将其分布在不同的节点上，以实现并行处理。

2.优化数据分区策略，以平衡计算负载并最大限度地减少通信开销。

3.探索新型分区技术，例如图分区和递归分区，以处理复杂和非结构化数据集。

主题名称：通信优化

并行化算法在分布式内存上的优化

并行化算法实现并行性的方式

并行化算法可以通过以下方式实现并行性：

*数据并行：使用多个处理器同时处理不同数据元素。

*任务并行：将任务分解为较小的子任务，并将这些子任务分配给多个处理器。

*管道并行：将任务组织成流水线，每个任务的输出作为下一个任务的输入。

分布式内存上的挑战

在分布式内存系统中，并行化算法面临以下挑战：

*数据通信开销：处理器之间的数据通信可能成为性能瓶颈。

*数据一致性：在并行处理期间必须保证数据的完整性和一致性。

*负载均衡：确保所有处理器的工作量均匀分布以最大化效率。

优化策略

为了在分布式内存上优化并行化算法，可以采用以下策略：

1.数据分区和分布

*将数据集划分为较小的分区，并将其分布在不同的处理器上。

*使用合适的分布策略，例如分块、循环或散列分区，以平衡负载和减少通信开销。

2.通信优化

*使用高效的通信协议，例如消息传递接口（MPI）或全局地址空间（GAS）编程模型。

*采用通信重叠技术，例如缓冲区和消息队列，以减少通信延迟。

*利用进程内通信机制，例如共享内存，以在同一处理器上的进程之间进行快速通信。

3.同步和一致性

*使用同步机制，例如屏障和锁，以确保在执行关键部分之前所有处理器都处于同一状态。

*采用分布式一致性协议，例如两阶段提交或Paxos，以保证数据的完整性和一致性。

4.负载均衡

*使用动态负载均衡算法，根据处理器负载情况动态调整任务分配。

*采用任务窃取机制，允许处理器从负载较重的处理器窃取任务。

5.并行算法选择

*选择适合分布式内存环境的并行算法。

*考虑数据并行、任务并行或管道并行等不同类型的并行性。

6.性能分析和优化

*使用性能分析工具来识别性能瓶颈和优化算法。

*调整并行参数，例如线程数和块大小，以提高性能。

案例研究：矩阵乘法

矩阵乘法是一个常见的并行化算法，在分布式内存系统上的优化方案如下：

*数据分区：将矩阵划分为较小的块，并将其分布在不同的处理器上。

*数据并行：使用不同的处理器同时处理矩阵块的元素乘法。

*通信优化：使用环形通信模式，以高效地交换处理器之间的中间结果。

通过采用这些优化策略，矩阵乘法算法可以在分布式内存系统上实现高效的并行化。第八部分分布式内存体系结构的未来趋势关键词关键要点可扩展性

1.探索新型网络拓扑和通信协议，提升系统可扩展性，支持更大规模的集群。

2.开发弹性资源管理机制，实现分布式内存系统的动态扩缩容，满足不断变化的工作负载需求。

3.采用分层存储架构，优化数据访问和存储成本，提升系统整体性能和可扩展性。

异构计算

1.整合CPU、GPU、FPGA等异构计算资源，充分利用不同设备的优势，提升分布式内存系统的计算能力。

2.发展异构编程模型，简化和优化异构环境下应用程序的开发，实现高性能计算。

3.探索新的硬件加速技术，如光子计算和内存计算，提升异构计算系统的性能和效率。

持久化和可靠性

1.开发持久化存储技术，确保分布式内存系统中数据的高可靠性和持久性，避免数据丢失。

2.探索分布式一致性算法，提升系统容错性和数据一致性，保证分布式内存系统的高可用性。

3.采用多副本冗余、数据校验和故障恢复机制，增强分布式内存系统的可靠性，保障数据安全和系统稳定。

智能化

1.引入人工智能技术，实现分布式内存系统的自动调优和故障诊断，降低运维成本和提高系统效率。

2.探索基于机器学习和深度学习的预测性分析技术，预判系统负载和资源需求，实现主动资源管理和性能优化。

3.发展自适应资源管理算法，动态调整系统资源分配，满足不同应用程序和工作负载的性能要求。

安全与隐私

1.增强分布式内存系统的访问控制和身份认证机制，防止未经授权的访问和数据泄露。

2.探索数据加密和混淆技术，保护敏感数据在传输和存储过程中的安全。

3.开发隐私保护算法，实现分布式内存系统中的数据共享和处理，同时保护个人信息和隐私。

软硬件协同

1.探索软硬件协同设计方法，优化分布式内存系统的硬件体系结构和软件算法，提升系统整体性能。

2.整合硬件加速器，如RDMA和NVMe，降低数据传输延迟和提升数据处理能力，提升分布式内存系统的性能和效率。

3.发展软件定义内存技术，提供灵活的内存资源管理和配置，满足不同应用程序和工作负载的需求。分布式内存体系结构的未来趋势

分布式内存体系结构在高性能计算和数据密集型应用程序中发挥着至关重要的作用。随着数据量和计算需求的不断增长，分布式内存体系结构正在经历着重大的演变，以满足未来的挑战。以下概述了一些主要的未来趋势：

非易失性内存（NVM）的集成

非易失性内存（NVM）技术，例如3DXPoint和存储级内存（SCM），具有写入持久化、高带宽和低延迟的优点。通过将NVM集成到分布式内存体系结构中，可以显著提高系统性能，同时降低能耗。NVM可以作为内存扩展或作为存储分层中的中间层，从而改善应用程序的吞吐量和延迟。

异构内存体系结构

异构内存体系结构利用不同类型的内存技术，例如DRAM、NVM和存储级内存（SCM），以满足各种应用程序的性能和成本要求。通过动态分配不同的内存类型来满足特定的工作负载，异构内存体系结构可以优化资源利用，提高整体性能。

内存语义的重新定义

传统分布式内存体系结构依赖于一致性模型，例如顺序一致性和弱一致性。随着应用程序变得更加复杂，对更细粒度的内存语义的需求也在不断增长。未来，分布式内存体系结构将支持更广泛的语义选择，允许应用程序根据其特定需求调整其一致性要求。

软件定义内存

软件定义内存(SDM)是一种新的范式，它将内存管理和配置抽象化到软件层。SDM允许系统管理员和应用程序开发人员根据工作负载的特定要求动态地配置和管理内存资源。通过启用灵活的内存管理，SDM可以提高资源利用率，并简化分布式内存体系结构的部署和管理。

分布式事务内存

分布式事务内存(DTM)提供了一种编程模型，允许应用程序以事务方式访问分布式内存。DTM确保原子性、一致性、隔离性和持久性(ACID)属性，从而简化了并发编程并提高了应用程序的可靠性。随着分布式应用程序的复杂性不断增加，DTM将成为分布式内存体系结构中越来越重要的功能。

基于硬件的安全机制

分布式内存体系结构固有的分布式性质使其易受安全漏洞的影响。未来，分布式内存体系结构将整合基于硬件的安全机制，例如内存加密和隔离，以保护数据免受未经授权的访