Герт-сетевой анализ временных характеристик работы узлов распределенных систем обработки информации

• Автор: Письман, Дмитрий Михайлович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Красноярск
• Количество страниц: 123 с. : ил.

Оглавление
Введение.
1. Различные подходы к анализу временных характеристик функционирования узлов гетерогенных систем обработки информации.

1.1. Составление расписания загрузки узлов системы с использованием методов

теории оптимизации

1.2. Моделирование функционирования распределенной системы обработки

информации при помощи сетей Петри и их расширений.

1.3. Марковские цепи и стохастические сети.

1.4. Конвейерные модели

1.5. Методы разработки и адоптации программ для выполнения в распределенной

системе обработки информации

1.6. Проблемы оценки временных характеристик распределенных гетерогенных
систем обработки информации.
1.6.1. ГРИДСЯГО.
1.6.2. Распределенная гетерогенная система обработки информации, использующая в качестве вычислительных узлов персональные компьютеры пользователей во время простоя .
1.7. Выводы
2 Математическая модели стохастической ГЕРТсети и МГсети
2.1 Математическая модель ГЕРТсети.
2.2 Математическая модель модифицированной ГЕРТсети
2.3 Выводы
3 Алгоритмы расчета МГсети.
3.1 Принятые обозначения
3.2 Обратный алгоритм расчета МГсети.
3.3 Прямой алгоритм расчета МГсети.
3.4 Численные методы, используемые для расчета и обработки результатов МГсети.
3.5 Сравнение производительности прямого и обратного алгоритмов расчета МГсети
3.6 Выводы
4 Анализ временных характеристик работы узлов распределенной системы обработки информации при помощи МГсетей с использованием среды проведения исследований МЖе1Уогк
4.1 Среда проведения исследований МОИе1Уогк
4.2 Анализ временных характеристик работы узлов распределенной системы обработки информации при помощи МГсетей.
4.3 Выводы
Заключение
Список использованной литературы


Диссертация состоит из введения, четырех глав, заключения, списка литературы общим объемом 8 с. Список использованной литературы содержит наименований. На сегодняшний день системы обработки информации все чаще используются для решения управленческих, исследовательских и производственных задач. Одним из видов таких систем являются гетерогенные вычислительные системы высокой надежности для высокопроизводительных вычислений (системы обработки высокой пропускной способности, high throughput computing). Наиболее известные технологии: Globus (http://www. Condor (http://www. OpenMPI (http://www. MPI, PVM и другие. Такие системы объединяют в единую вычислительную среду гетерогенные вычислительные ресурсы (суперкомпьютеры, серверы, рабочие станции, локальные и глобальные сети с различной пропускной способностью, хранилища данных и пр. В большинстве случаев при употреблении термина «системы высокопроизводительных вычислений» подразумеваются либо суперкомпьютеры, либо специализированные, как правило, однородные вычислительные кластеры, работающие под управлением библиотек параллельных вычислений MPI или PVM. Благодаря своей доступности, низкой стоимости, и простоте создания и эксплуатации, наибольшее распространение получили именно вычислительные кластеры. Для проведения эффективных расчетов или обработки информации на таких системах требуются специально разработанные программы, учитывающие архитектуру конкретного кластера и объем выделенных ресурсов (как временных, так и аппаратных). Считается, что такие системы надежны, поэтому для них не разработаны (или разработки находятся в начальной стадии [; ]) технологии, обеспечивающие устойчивость к сбоям. Иногда второй уровень разбивают на два: уровень операционной системы и уровень библиотеки, обеспечивающей поддержку распределенных вычислений. Большинство исследовательских задач, решаемых в этой сфере, направлены на создание системы поддержки параллельных или распределенных вычислений, стремящихся приблизить практическую продолжительность работы (производительность, коэффициент ускорения) к теоретически возможной для данного кластера. Очевидно, что для этого должны быть созданы системы сбора и обработки информации о работе вычислительной системы [5; ]. Наиболее полная классификация систем сбора информации о функционировании системы обработки информации приведена в работе []. Для этих же уровней создаются методы оценки предельной практической и теоретической производительности системы обработки информации. Система обработки информации, как правило, заранее не обладает информацией о потребностях задачи в тех или иных ресурсах, а «узнает» о них по запросу задачи. Также каждая система обладает определенными характеристиками, что требует адаптации самой задачи и оценки результатов адаптации (четвертый уровень). Наиболее эффективным, самым ресурсоемким является пробный запуск на реальных данных. Другой способ, используемый, как правило, для обучения, - это создание моделей выполнения задания на конкретной системе [; ]. При анализе эффективности работы, производительности и управляемости системы обработки информации и ее оптимизации, на всех уровнях возникает подзадача оценки временных характеристик системы или ее узлов, а также оценки времени выполнения задания в различных режимах запуска и на разных системах. Рассмотрим применяемые (или применимые) для этого методы. Исходя из списков публикаций в конференциях, наиболее популярными сейчас являются выделенные вычислительные кластеры, которые либо приобретаются целиком (специализированные), либо строятся на базе имеющегося компьютерного парка. Такие системы, как правило, работают под управлением библиотек параллельных вычислений, удовлетворяющих стандарту MPI. Наиболее важным с точки зрения анализа временных характеристик является то, что пользователь самостоятельно принимает решения о «поведении» задачи. Таким образом, эффективность работы задачи и реальная производительность системы в целом полностью зависят от правильной разработки алгоритма программы пользователем и выборе стратегии управления администратором кластера.