Нечисловая обработка информации на вычислительной машине нетрадиционной архитектуры потока данных

• Автор: Провоторова, Анна Олеговна
• Шифр специальности: 05.13.13
• Научная степень: Кандидатская
• Год защиты: 1999
• Место защиты: Москва
• Количество страниц: 125 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ИССЛЕДОВАНИЕ ВОЗМОЖНОСТЕЙ
ВЫЧИСЛИТЕЛЬНОЙ МАШИНЫ ПОТОКА ДАННЫХ ДЛЯ НЕЧИСЛОВОЙ ОБРАБОТКИ ИНФОРМАЦИИ
1.1. Особенности нечисловой обработки информации
1.2. Ограничения традиционных архитектур и семантический разрыв
1.3. Требования к новым архитектурам,
ориентированным на нечисловую обработку
1.4. Анализ архитектурных решений и исследование возможностей вычислительной машины
потока данных для нечисловой обработки информации
1.5. Выводы
ГЛАВА 2. ВЫЧИСЛИТЕЛЬНАЯ МАШИНА ПОТОКА
ДАННЫХ В СИСТЕМЕ КЛИЕНТ/СЕРВЕР
2.1. Компоненты систем клиент/сервер и их задачи
2.2. Обзор архитектур, используемых для сервера базы данных
2.3. Программные средства поддержки сложных архитектур
2.4. Машина потока данных в составе вычислительной системы, используемой для сервера базы данных
2.5. Программные средства базового варианта вычислительного комплекса нечисловой обработки с машиной потока данных в качестве периферийного высокопроизводительного спецпроцессора
2.6. Выводы
ГЛАВА 3. РАЗРАБОТКА И РЕАЛИЗАЦИЯ
ИНФОРМАЦИОННОЙ СИСТЕМЫ “БИБЛИОТЕКА”
КАК ПРОТОТИПА ИС ДЛЯ ВЫЧИСЛИТЕЛЬНОЙ МАШИНЫ ПОТОКА ДАННЫХ
3.1. Принципы построения информационной системы
3.2. Структурные особенности ИС “Библиотека”
3.3. Разработка и реализация версии ИС “Библиотека” на базе многопроцессорного вычислительного комплекса
3.4. Разработка и реализация версии ИС “Библиотека” на базе персональных компьютеров

3.5. Разработка и реализация версии ИС “Библиотека” на базе локальной вычислительной сети и файлового сервера
3.6. Реализация модели вычислений клиент/сервер в информационной системе “Библиотека”
3.7. Совершенствование ИС “Библиотека ” и ее адаптация к вычислительной среде потока данных
3.8. Выводы
Глава 4. ОБРАБОТКА ПРИЛОЖЕНИЙ НА
ВЫЧИСЛИТЕЛЬНОЙ МАШИНЕ ПОТОКА ДАННЫХ
4.1. Анализ языка запросов высокого уровня БСД,
4.2. Разработка общей схемы трансляции БСТЕ-запросов для
их исполнения на вычислительной машине потока данных
4.3. Способы представления реляционных баз данных
в машине потока данных
4.4. Метод отображения конструкций языка запросов БСД.
на язык машины потока данных
4.5. Разработка методов доступа для различных классов приложений, обрабатываемых на машине потока данных
4.6. Особенности поиска и сортировки
на машине потока данных
4.7. Сравнительный анализ алгоритмов сортировки
для отображения на язык потока данных
4.8. Оценка аппаратных и программных средств
машины потока данных для нечисловой обработки
4.9. Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ
Приложение 1 Форматы команд и данных
(Система команд макета ОСВМ. Версия от 01.04.1997)
Приложение 2. Тестовые программы на Ассемблере машины
потока данных и их статистические данные
Приложение 3. Акты о внедрении результатов разработки
информационной системы “Библиотека ВЦ”
Приложение 4. Акт о внедрении системы тестов модели сверхвысокопроизводительной вычислительной машины нетрадиционной высокопараллельной архитектуры потока данных

ВВЕДЕНИЕ
Обработка экономической информации, использование
информационных систем (ИС) в медицинских и научных учреждениях, библиотеках и учебных заведениях, автоматизация работ на промышленных предприятиях требуют создания различных баз данных (БД) для хранения большого объема разнообразной информации. В настоящее время на обработку данных затрачивается значительно больше машинного времени, чем на числовую.
На современном этапе развития средств вычислительной техники множество различных вариантов архитектур применяются для нечисловой обработки информации, однако до сих пор остаются не до конца решенными следующие проблемы:
- преодоление ограничений традиционных аппаратных средств, главным образом памяти и процессора, используемых для обработки баз данных;
- повышение производительности информационных систем.
Разработка новых архитектур вычислительных машин для
нечисловой обработки осуществляется в двух направлениях. Одни исследования, целью которых является устранение ограничений традиционной архитектуры, концентрируются на вопросах
параллелизма и векторных операциях. Другие исследования посвящены ассоциативным структурам, так как недостаточная производительность информационных систем является следствием необходимости эмуляции ассоциативного доступа с помощью системы ссылок и соответствующего программного обеспечения.
Высокие показатели производительности (10'2оп/с и более) могут быть получены при использовании нового, нетрадиционного принципа организации вычислительного процесса. Вычислительная машина нетрадиционной архитектуры потока данных способна аппаратно обеспечить максимальное распараллеливание вычислений. Последовательность операций во времени определяется лишь готовностью данных. Память реализуется на базе ассоциативной памяти выборки информации по ключам.
Актуальность исследования и разработки методов нечисловой обработки информации на машине потока данных обуславливается следующими причинами:

Как и в предыдущем варианте сервер размещается на ведущей машине и формирует запросы на обработку данных к спецпроцессору. Отличие данного варианта от предыдущего состоит в том, машина потока данных предназначена целиком для исполнения массовых запросов к БД, что позволяет существенно упростить программное обеспечение.
На ведущей ЭВМ устанавливается специальный пакет прикладных программ в составе СУБД для обработки операторов, введенных для организации вычислительного процесса на машине потока данных. Например, чтобы задать исполнение по умолчанию всех операций базы данных с конкретной таблицей на ОСВМ, могут используются следующие операторы:
CREATE DFCTABLE ТЕКСТЫ
(... спецификация столбцов...)
DFCPARALLEL
Таблица ТЕКСТЫ будет организована в ассоциативной памяти специальным образом и в дальнейшем храниться в ВЗУ в виде токенов.
Разработчики приложений могут управлять степенью параллельности для каждой таблицы, на которую ссылаются отдельные операторы. Для этого используются указания PARALLEL, NOPARALLEL (и DFCPARALLEL). С помощью этих указаний можно будет настроить производительность приложения, разумно используя доступные ресурсы сервера базы данных. Можно также увеличить распараллеливание одних операторов и устранить его для других. Применяя DFCPARALLEL, не нужно использовать для распараллеливания одного оператора большого количества серверов запросов, не страдает производительность других запросов из-за последовательной обработки. Особенно это касается операций поиска в таблицах. На машине потока данных мы фактически получаем один процесс поиска для каждой запрошенной оператором строки, не используя серверы запросов, что невозможно в других системах.
Как уже отмечалось, основным преимуществом данного подхода является относительная простота программного обеспечения потоковой машины. К числу недостатков можно отнести потенциально невысокую загрузку потоковой машины в случае использования ее для ограниченного набора операций с БД.