Аппаратно-программные средства управления задачами и организация виртуальной памяти в системе с автоматическим распределением ресурсов

• Автор: Окунев, Анатолий Семенович
• Шифр специальности: 05.13.15
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Москва
• Количество страниц: 160 с. : ил.

1.1. Проблемы повышения производительности в вычислительных системах массового параллелизма
1.2. Обзор архитектур, которые реализуют модель вычислений, управляемых потоком данных
1.3. Проблема переполнения памяти токенов в вычислительных системах, управляемых потоком данных и способы сс решения.

1.3.1. Основные причины переполнения памяти совпадений

1.3.2. Методы преодоления проблемы переполнения памяти совпадений в предыдущих реализациях вычислительных систем, управляемых потоком данных.

1.3.2.1. Принципы управления распределением ресурса памяти в проекте I

1.3.2.2. Методы ограничения параллелизма программ в проекте

Выводы к первой главе.

ГЛАВА 2. РАЗРАБОТКА МЕТОДОВ ПРЕОДОЛЕНИЯ ПЕРЕПОЛНЕНИЯ АП ВСАРР И РЕАЛИЗАЦИЯ ВИРТУАЛЬНОЙ ПАМЯТИ ТОКЕНОВ.

2.1. Архитектура вычислительной системы с автоматическим распределением ресурсов

2.1.1. Представление информации в ВСАРР.

2.1.2. Общая структура ВСАРР
2.1.3. Функционирование отдельных устройств ВСАРР.
2.2. Исследование проблемы переполнения ассоциативной памяти ВСАРР и методы
сс решения
2.2.1. Основные причины переполнения ассоциативной памяти.
2.2.2. Методы решения проблемы переполнения ассоциативной памяти ВСАРР
2.3. Построение иерархии памяти ВСАРР.
2.3.1. Использование буферов токенов и пар в ВСАРР
2.3.2. Блокировка вычислительного процесса в ВСАРР
2.3.2.1. Блокировка вычислительного процесса в результате переполнения буферов токенов и пар.
2.3.2.2. Блокировка вычислительного процесса в результате переполнения модулей ассоциативной памяти
2.3.3. Построение иерархии памяти ВСАРР.
2.3.4. Статистика.
2.4. Принципы организации виртуальной памяти токенов и аппаратная поддержка
многозадачного режима работы системы
2.4.1. Механизм реализации виртуальной памяти токенов.
2.4.2. Аппаратная поддержка многозадачного режима работы системы
2.4.2.1. Многозадачный режим работы без подзадач
2.4.2.2. Многозадачный режим работы с включением номера подзадачи в ключ
2.4.2.3. Многозадачный режим работы с использованием областей.
2А2.4. Алгоритм работы ЦУУП по откачке и подкачке токенов.
2.5. Аппаратнопрограммные методы регулирования параллелизма в ВСАРР
Выводы ко второй главе.
ГЛАВА 3. АЛГОРИТМЫ ВЫПОЛНЕНИЯ КОМАНД УПРАВЛЕНИЯ ЗАДАЧАМИ И РАБОТЫ ЦУУП, РЕАЛИЗУЮЩИХ МНОГОЗАДАЧНЫЙ РЕЖИМ РАБОТЫ СИСТЕМЫ И ВИРТУАЛЬНУЮ ПАМЯТЬ ТОКЕНОВ.
3.1. Специальные команды унравленнн задачами.
3.1.1. Описание команд управления задачами и их классификация
3.1.2. Алгоритмы выполнения команд управления задачами.
3.1.3. Форматы дополнительных токенов, обеспечивающих выполнение команд управления.
3.2. Структура и режимы функционирования ЦУУП
3.2.1. Основные функциональные блоки ЦУУП.
3.2.2. Взаимодействие ЦУУП с адаптером ООЗУ и модулями АП.
3.2.3. Основные режимы работы ЦУУП
3.3. Методы аппаратной поддержки программных конструкций и специальных
режимов работы системы
3.3.1. Аппаратная поддержка механизма подсчета глобальной кратности.
3.3.2. Аппаратная поддержка многовходовых узлов.
3.3.3. Реализации механизма восстановления системы после сбоя или отказа
Выводы к третьей главе
ГЛАВА 4. ИССЛЕДОВАНИЕ ФУНКЦИОНИРОВАНИЯ ВЫЧИСЛИТЕЛЬНОЙ СИСТЕМЫ НА ИНСТРУМЕНТАЛЬНОМ ИСПЫТАТЕЛЬНОМ КОМПЛЕКСЕ ВСАРР.
4.1. Имитационная модель системы
4.2. Программная блочнорегистровая модель системы
4.3. Проведение экспериментов на инструментальном испытательном комплексе с использованием разработанных специальных команд управления
4.3.1. Описание задач, на которых проводились исследования
4.3.2. Результаты исследований прохождения задач в различных режимах запуска.
4.4. Макет вычислительной системы с автоматическим распределением ресурсов.
4.4.1. Структура макета ВСАРР и конструктивные решения для него.
4.4.2. Перспективы развития макета ВСАРР
Выводы к четвертой главе
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


В числе основных причин падения реальной производительности вычислительных комплексов, можно выделить следующие вопервых, необходимость синхронизации вычислительных процессов по данным, вовторых обмен данными между процессами, втретьих проблема распараллеливания вычислений, решение которой заключается в создании методов и средств, позволяющих максимально выявить параллелизм исходной задачи. Таким образом существует проблема создания такой архитектуры вычислительной системы, которая обеспечила бы автоматическое распределение параллельно идущих процессов по аппаратным ресурсам системы, используя выявленный параллелизм исходной задачи. Эта задача при достаточно большом количестве параллельно работающих вычислительных устройств процессоров, блоков памяти, коммутационных устройств, не может быть решена программистом в статике, так как заранее не известно время использования устройств параллельно выполняемыми вычислительными процессами. Задача распределения аппаратных средств комплекса по выполняемым параллельным вычислительным процессам может быть решена только в динамике па аппаратном уровне, то есть без непосредственного участия человека. В настоящее время высокая производительность всех современных мощных вычислительных систем достигается в основном за счет выявления и использования внугреннего параллелизма выполняемых программ . Конечно это требует соответствующего роста производительности вычислительных систем. Самых высоких значении производительности достигают вычислительные системы массивнопараллельной обработки, которые содержат тысячи узлов из микропроцессора с памятью, объединенных сетью в единую систему . Тем не менее, реальная производительность подобных систем далека от пиковой. Задержка в передаче данных между узлами вычислительной системы. Причем число параллельно выполняемых блоков, на которые может быть разбита программа оказывается недостаточным, чтобы загрузить работой все процессоры в подобных системах. Поэтому видна связь между медленными механизмами синхронизации выполнения программных блоков в системе и увеличением размеров блоков в параллельной программе. Вторая причина связана с особенностями иерархии памяти в данных компьютерах. Речь идет о том, что при обработке больших массивов данных в кэшпамяти микропроцессор узла параллельного компьютера может разместить только малую часть этих массивов данных. Массивы данных, требуемые для вычислений, в результате, приходится подкачивать в узел из оперативной памяти 8. Вообще, останов конвейера выдачи команд микропроцессора, который вызван отсутствием данных в кэшпамяти, является одной из основных причин снижения реальной производительности многопроцессорных систем. В вычислительных системах массивнопараллельной архитектуры оперативная память является распределенной и при отсутствии данных в кэшпамяти их необходимо читать не только из локальной памяти узла, но и из памяти удаленных узлов, что увеличивает задержку выборки данных и обостряет данную проблему. Подход, в котором вычислительный процесс управляется потоком данных, готовых к обработке, в течение длительного времени привлекает к себе внимание разработчиков компьютеров многими особенностями, которые могут позволить достичь предельной производительности вычислений ,,,. Основным аргументом в пользу вычислительных систем, управляемых потоком данных является принципиальная возможность использовать большое количество однородных процессоров, выполняющих готовые команды потокового графа, и возможность реализовать естественный параллелизм на таких графах ,,. Это связано с отказом от принципа последовательного управления потоком команд в программе, который заменяется синхронизацией выполнения команд их данными операндами . Вычислительные системы потока данных или потоковые вычислительные системы один из архитектурных путей достижения высокой производительности . Компьютеры потока данных представляют собой подход к организации вычислений полностью отличный от традиционной вычислительной машины фоннеймановской архитектуры. Рис.