Формализация и реализация логико-вероятностных и логико-алгебраических операционных моделей функциональной архитектуры кластерных вычислительных систем

Обложка

Цитировать

Полный текст

Аннотация

Актуальность и цели. На основе проведенного исследования разработок в области функциональной архитектуры кластерных вычислительных систем показана актуальность выполнения работ в данном направлении, что обусловлено увеличением спроса на доступные высокопроизводительные вычисления, растущим внедрением методов искусственного интеллекта и машинного обучения. Цель – разработка и экспериментальная апробация на уровне имитационных моделей методики и технологии реализации функциональной архитектуры вычислительных систем кластерного типа на основе высокоскоростных коммутаторов. Материалы и методы. Использован логико-вероятностный подход к созданию моделей определяемой приложениями и программным обеспечением промежуточного уровня middleware функциональной архитектуры кластерных вычислительных систем, позволяющий ускорить создание имитационных моделей для ряда важных режимов использования кластера и осуществить переход к логико-алгебраическим формализованным спецификациям на программные приложения. Результаты. Построены имитационные логико-вероятностные и логико-алгебраические модели для ряда важных вариантов использования вычислительного кластера, проведены необходимые статистические эксперименты с данными моделями, давшие обоснования к реализациям соответствующему моделям программному обеспечению промежуточного уровня middleware. Выводы. Предложена методология разработки функциональной архитектуры вычислительной системы кластерного типа, определяемой спецификациями в форме логико-вероятностных и родственных им логико-алгебраических моделей, что может ускорить подготовку кластера к эксплуатации в организации.

Об авторах

Григорий Валерьевич Петушков

МИРЭА – Российский технологический университет

Автор, ответственный за переписку.
Email: petushkov@mirea.ru

проректор

(Россия, г. Москва, пр-кт Вернадского, 78)

Александр Сергеевич Сигов

МИРЭА – Российский технологический университет

Email: sigov@mirea.ru

доктор физико-математических наук,
профессор, президент МИРЭА, академик Российской
академии наук 

(Россия, г. Москва, пр-кт Вернадского, 78)

Список литературы

  1. Воеводин В. В., Воеводин Вл. В. Параллельные вычисления. СПб. : БХВ- Петербург, 2002. 608 с.
  2. Архитектурные аспекты параллелизма. URL: http://www.intuit.ru/studies/courses/ 4447/983/lecture/14921?Page=3 (дата обращения: 02.03.2025).
  3. Хенесси Д. Л., Паттерсон Д. А. Компьютерная архитектура. Количественный подход. 5-е изд. М. : Техносфера, 2016. 936 с.
  4. Архитектуры вычислительных систем: кластерные системы. URL: https://uzor.belturs.ru/arkhitektury-vychislitel-nykh-sistem-klasternyye-sistemy (дата обращения: 02.03.2025).
  5. Вычислительный кластер: его компоненты, виды и примеры реализации. URL: https://itelon.ru/blog/vychislitelnyy-klaster/?ysclid=maavbfouji850319464 (дата обращения: 02.03.2025).
  6. Эффективные кластерные решения. URL: https://www.ixbt.com/cpu/clustering. shtml?ysclid=maavg9yxkq334655198 (дата обращения: 02.03.2025).
  7. Чем распределенная ВС отличается от кластерной? URL: https://ru.stackoverflow.com/ (дата обращения: 02.03.2025).
  8. Петушков Г. В., Сигов А. С. Анализ и выбор структуры многопроцессорной вы- числительной системы по критерию быстродействия // Russian Technological Journal. 2024. Т. 12, № 6. С. 20−25. doi: 10.32362/2500-316X-2024-12-6-20-25
  9. Многопроцессорные и многомашинные вычислительные системы. URL: https://intuit.ru/studies/educational_groups/960/courses/460/lecture/10345?page=2&ysc lid=maawtf2w8o719310938 (дата обращения: 02.03.2025).
  10. Виды кластерных систем. URL: https://vuzlit.com/963152/vidy_klasternyh_sistem (дата обращения: 02.03.2025).
  11. Computer cluster. URL: https://en.wikipedia.org/wiki/Computer_cluster (дата обращения: 02.03.2025).
  12. Суперкомпьютеры «Яндекса». URL: https://ru.wikipedia.org/wiki/ Суперкомпьютеры_«Яндекса» (дата обращения: 02.03.2025).
  13. Симонов А. С., Жабин И. А., Куштанов Е. Р., Макагон Д. В., Семенов А. С., Щербак А. Н. Высокоскоростная сеть Ангара: архитектура и результаты применения // Вопросы кибербезопасности. 2019. № 4 (32). С. 46–53.
  14. Евреинов Э. В., Хорошевский В. Г. Однородные вычислительные системы. Новосибирск : Наука, Сибирское отделение, 1978. 319 с.
  15. Димитриев Ю. К., Хорошевский В. Г. Вычислительные системы из мини-ЭВМ / под ред. Э. В. Евреинова. М. : Радио и связь, 1982. 304 с.
  16. Хорошевский В. Г. Инженерный анализ функционирования вычислительных машин и систем. М. : Радио и связь, 1987. 254 с.
  17. Миренков М. М. Параллельное программирование для многомодульных вычислительных систем. М. : Радио и связь, 1989. 320 с.
  18. Хорошевский В. Г. Архитектура вычислительных систем. М. : Изд-во МГТУ им. Н. Э. Баумана, 2005. 510 с.
  19. Feng Liu, Haitao Wu, Xiaochun Lu, Xiyang Liu. Parallel Distributed Acceleration Based on MPI and OpenMP Technology // International Journal of Grid Distribution Computing. 2015. Vol. 8, № 6. P. 171‒184.
  20. Mittal G., Kesswani N, Goswami K. A Survey of Current Trends in Distributed, Grid and Cloud Computing // International Journal of Advanced Studies in Computer Science and Engineering (IJASCSE). 2013. Vol. 2, iss. 3. P. 1‒6.
  21. Kahanwal B., Singh T. P. The Distributed Computing Paradigms: P2P, Grid, Cluster, Cloud, and Jungle // International Journal of Latest Research in Science and Technology. 2012. Vol. 1, iss. 2. P. 183‒187.
  22. Seinstra F. J., Maassen J., van Nieuwpoort R. V., Drost N. [et al.]. Jungle Computing: Distributed Supercomputing beyond Clusters, Grids, and Clouds / Department of Computer Science, Vrije Universiteit, De Boelelaan 1081A, 1081 HV Amsterdam, The Netherlands, 2010. P. 1‒31.
  23. Kumar R. Comparison between Cloud Computing, Grid Computing, Cluster Computing and Virtualization // International Journal of Modern Computer Science and Applications (IJMCSA). 2015. Vol. 3, № 1. P. 42‒47.
  24. Sterling T., Cwik T., Becker D., Salmon J., Warren M., Nitzberg B. An Assessment of Beowulf-class Computing for NASA Requirements: Initial Findings from the First NASA Workshop on Beowulf-class Clustered Computing // IEEE Aerospace Conference Proceedings. 1998. P. 1–16. doi: 10.1109/AERO.1998.682207
  25. MPI: A Message-Passing Interface Standard. Version 3.1 // Message Passing Interface Forum. 2015. 836 p. URL: https://www.mpi-forum.org/docs/mpi-3.1/mpi31-report.pdf (дата обращения: 02.03.2025).
  26. Almasi G. S., Bhanot G. V. [et al.]. Early Experience with Scientific Applications on the Blue Gene/L Supercomputer // Lecture Notes in Computer Science. 2005. Vol. 3648. P. 560–570. doi: 10.1007/11549468_63
  27. Hamada T., Nitadori K. 190 TFlops astrophysical N-body simulation on a cluster of GPUs // In Proceedings of the 2010 ACM/IEEE International Conference for High Performance Computing, Networking, Storage and Analysis (SC '10). Washington, DC, 2010. P. 1–9. doi: 10.1109/SC.2010.1
  28. Enabling the Modern Data Center – RDMA for the Enterprise. URL: https://www.infinibandta.org/wp-ontent/uploads/2019/05/IBTA_WhitePaper_May-20- 2019.pdf (дата обращения: 02.03.2025).
  29. RDMA_over_Converged_Ethernet. URL: https://en.wikipedia.org/wiki/ RDMA_over_Converged_Ethernet (дата обращения: 02.03.2025).
  30. Deploying HPC Cluster with Mellanox InfiniBand Interconnect Solutions / Reference Design. Rev 1.3. 2017. 40 p.
  31. На пути к созданию отечественного суперкомпьютера субэкзафлопсной производительности. URL: https://www.ospcon.ru/files/media/Simonov.pdf (дата обращения: 02.03.2025).
  32. Sugon. URL: https://en.wikipedia.org/wiki/Sugon (дата обращения: 02.03.2025).
  33. InfiniBand Clustering. Delivering Better Price/Performance than Ethernet. URL: https://network.nvidia.com/pdf/whitepapers/IB_vs_Ethernet_Clustering_WP_100.pdf (дата обращения: 02.03.2025).
  34. Список 500 самых мощных компьютеров мира. URL: https://parallel.ru/ computers/top500.list61.html (дата обращения: 02.03.2025).
  35. Anderson D. P. BOINC: A System for Public-Resource Computing and Storage. URL: https://boinc.berkeley.edu/grid_paper_04.pdf (дата обращения: 02.03.2025).
  36. Зелов С. Кластерные технологии. URL: https://compress.ru/ article.aspx?id=9958&ysclid=maawhrd9vh678328188 (дата обращения: 02.03.2025).
  37. Forouzan B. A. TCP/IP Protocol Suite. McGraw-Hill, 2009. 1024 p.
  38. Standard Group MAC Addresses : a Tutorial Guide. URL: http://standards.ieee.org/ regauth/groupmac/tutorial.html (дата обращения: 02.03.2025).
  39. Прицкер А. Введение в имитационное моделирование и язык СЛАМ II. М. : Мир, 1987. 646 с.
  40. Ломакина Л. С., Базин А. С., Вигура А. Н., Киселев А. В. Теория и практика структурного тестирования программных систем. Воронеж : Научная книга, 2013. 220 с.
  41. Кулагин В. П. Формирование информационных ресурсов на основе параллельных вычислений // Перспективы науки и образования. 2013. № 6. С. 26‒31.
  42. Котов В. Е. Сети Петри. М. : Наука, 1984. 160 с.
  43. Поликарпова Н. И., Шалыто А. А. Автоматное программирование. СПб. : Изд-во Санкт-Петербургского государственного университета информационных технологий, механики и оптики, 2008. 167 с.
  44. Ющенко Е. Л., Цейтлин Г. Е., Грицай В. П., Терзян Т. К. Многоуровневое структурное проектирование программ: Теоретические основы, инструментарий. М. : Финансы и статистика, 1989. 208 с.
  45. Волчихин В. И., Зинкин С. А. Логико-алгебраические модели и методы в проектировании функциональной архитектуры распределенных систем хранения и обработки данных // Известия высших учебных заведений. Поволжский регион. Технические науки. 2012. № 2. С. 3‒16.
  46. Зинкин С. А. Элементы новой объектно-ориентированной технологии для моделирования и реализации систем и сетей хранения и обработки данных // Информационные технологии. 2008. № 10. С. 20‒27.
  47. Микроэкономика. URL: https://ru.wikipedia.org/wiki/Микроэкономика (дата обращения: 02.03.2025).
  48. Макроэкономика. URL: https://ru.wikipedia.org/wiki/Макроэкономика (дата обращения: 02.03.2025).
  49. Петушков Г. В., Сигов А. С. Технико-экономический анализ серверов как вычислительных модулей вычислительных систем класса WSC // Russian Technological Journal. 2025. Vol. 13 (1). P. 49‒58. doi: 10.32362/2500-316X-2025-13-1-49-58 EDN: JQICRJ
  50. Евреинов Э. В., Косарев Ю. Г. Однородные универсальные системы высокой производительности. Новосибирск : Наука, Сибирское отделение. 1966. 308 с.
  51. Байцер Б. Микроанализ производительности вычислительных систем. М. : Радио и связь, 1983. 360 с.
  52. Капитонова Ю. В., Кривой С. Л., Летичевский А. А., Луцкий Г. М. Лекции по дискретной математике. СПб. : БХВ-Петербург, 2004. 624 с.
  53. Зинкин С. А. Интеллектуализация и интеграция систем и сетей хранения и обработки данных. Пенза : Изд-во ПГУ, 2023. 416 с.
  54. Кудрявцев Е. М. GPSS World. Основы имитационного моделирования различных систем. М. : ДМК Пресс, 2004. 320 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».