Ежова Надежда Александровна Модель параллельных вычислений для оценки масштабируемости итерационных алгоритмов на кластерных вычислительных системах

Краткое описание

Ежова Надежда Александровна Модель параллельных вычислений для оценки масштабируемости итерационных алгоритмов на кластерных вычислительных системах
ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ
кандидат наук Ежова Надежда Александровна
Введение

Глава 1. Модели параллельных вычислений

1.1. Определение и классификация

1.2. Требования к модели параллельных вычислении

1.3. Обзор моделей параллельных вычислений

1.3.1. Одноуровневые модели с общей памятью

1.3.2. Многоуровневые модели с общей памятью

1.3.3. Одноуровневые модели с распределенной памятью

1.3.4. Многоуровневые модели с распределенной памятью

1.4. Параллельные каркасы

1.5. Формализм Бёрда-Миртенса

1.5.1. Основные понятия

1.5.2. Оператор map

1.5.3. Оператор reduce

1.6. Выводы по главе

Глава 2. Модель параллельных вычислений BSF

2.1. Базисные концепции

2.2. BSF-компьютер и BSF-алгоритм

2.3. Стоимостная метрика модели BSF

2.4. Выводы по главе

Глава 3. Программная поддержка модели BSF

3.1. BSF-каркас

3.1.1. Файловая структура каркаса

3.1.2. Логика работы каркаса

3.2. Визуальный конструктор BSF-программ

3.2.1. Проектирование и реализация клиентской части

3.2.2. Проектирование и реализация серверной части

3.3. Выводы по главе

Глава 4. Верификация модели BSF

4.1. Имитационное моделирование BSF-алгоритма

4.2. Метод Якоби для СЛАУ

4.2.1. Построение алгоритма Jacobi-BSF

4.2.2. Аналитическое исследование алгоритма Jacobi-BSF

4.2.3. Вычислительные эксперименты

4.3. Гравитационная задача

4.3.1. Алгоритм Gravitation-BSF

4.3.2. Аналитическое исследование алгоритма Gravitation-BSF

4.3.3. Вычислительные эксперименты

4.4. Выводы по главе

Заключение

Литература

ВВЕДЕНИЕ

По определению Джеффа Ротенберга (Jeff Rothenberg) моделирование в самом широком смысле - это экономически целесообразное использование чего-то искусственного вместо чего-то реального с целью исследования последнего. Моделирование позволяет нам использовать то, что проще, безопаснее или дешевле, чем реальность, для достижения определенного результата. Это дает нам возможность взаимодействовать с действительностью в упрощенном виде, преодолевая сложность, опасность и необратимость реальности [135]. Научное программирование сегодня является в высшей степени непростым процессом. Современные высокопроизводительные вычислительные платформы представляют собой технически сложные и дорогие системы, включающие в себя, как правило, две соединительные высокоскоростные сети, многоуровневую иерархическую память, многоядерные процессоры и мультиядерные ускорители. Индустрия высокопроизводительных вычислений предлагает сегодня широкий набор инструментов для исследования эффективности и профилирования программ при их выполнении на высокопроизводительных вычислительных системах. Преимуществом такого подходя является высокая точность и объективность получаемых характеристик и показателей эффективности программы по отношению к целевой аппаратной платформе. В качестве основных недостатков можно выделить следующие: 1) дорогостоящее процессорное время тратится не на получение эффективного результата, а на определение оптимальной конфигурации программы, которая этот результат должна выдать; 2) дефекты в проектировании программы, приводящие к неэффективному использованию целевой аппаратной платформы, выявляются в финальной фазе после ее полной реализации, что приводит к необходимости серьезной переработки исходных текстов вплоть до замены выбранного алгоритма; 3) зачастую исследование параллельной эффективности программы проводится на малом количестве

процессорных узлов, что не гарантирует приемлемую эффективность на «боевых» конфигурациях более высокого порядка. Использование формальных аналитических подходов для предсказания поведения программы на целевой платформе в значительной мере может устранить указанные недостатки натурного тестирования, сделав анализ алгоритмов и программ более быстрым, легким и дешевым. Предсказание производительности остается сложной нерешенной проблемой в области высокопроизводительных вычислений [132].