Стронгин Р.Г (ред.) Высокопроизводительные параллельные вычисления на кластерных системах
Подождите немного. Документ загружается.
291
Литература
1. Harchol-Balter M., Downey A. Exploiting Process Lifetime
Distributions for Load Balancing. ACM Transactions on Computer
Systems. vol. 15, 1997.
2.
Hui C. and Chanson S. Improved Strategies for Dynamic Load
Sharing IEEE Concurrency, vol.7, no.3, 1999.
3.
Du X., Zhang X. Coordinating parallel processes on networks of
workstations. Journal of Parallel and Distributed Computing. vol.
46, No. 2. 1997.
4.
Kunz T. The influence of different workload descriptions on a
heuristic load balancing scheme. IEEE Transactions on Software
Engineering, vol. 17, No. 7, 1991.
5.
Acharva A., Setia S. Availability and utility of idle memory in
workstation clusters. In: Proceedings of the ACM SIGMETRICS
Conf. on Measuring and Modeling of Computer Systems (1999).
6.
Voelker G. Managing Server Load in Global Memory Systems”,
Proc. ACM SIGMETRICS Conf. Measuring and Modeling of
Computer Systems, May 1997.
7.
Xiao L., Chen S., Zhang X. Dynamic Cluster Resource Allocations
for Jobs with Known and Unknown Memory Demands, IEEE
Transactions on Parallel and Distributed Systems, vol. 13, no.3,
2002.
8.
Zhang X., Qu Y., Xiao L. Improving Distributed Workload
Performance by Sharing both CPU and Memory Resources. Proc.
20
th
International Conf. Distributed Computing Systems (ICDCS
2000), April 2000.
9.
Xiao L., Zhang X., Qu Y. Effective load sharing on heterogeneous
networks of workstations. In: Proc. Of International Symposium on
Parallel and Distributed Processing (2000).
10.
Cho, Y., Winslett, M., S. Kuo, J.L., Chen, Y. Parallel I/O for
scientific applications on heterogeneous clusters: A resource-
utilization approach. In: Proceedings of Supercomputing. (1999).
11.
Lee L., Scheuermann P., Vingralek R. File Assignment in Parallel
I/O Systems with Minimal Variance of Service time, IEEE Trans.
on Computers, vol. 49, No. 2, 2000.
12.
Scheuermann, P., Weikum, G., Zabback, P. Data partitioning and
load balancing in parallel disk systems, The VLDB Journal (1998)
48–66.
292
13.
Isert C. and Schwan K, ACDS: Adapting Computational Data
Streams for High Performance. In: International Parallel and
Distributed Processing Symposium (IPDPS), 2000.
14.
Qin X., Jiang H., Zhu Y., Swanson D.R. Dynamic Load Balancing
for I/O-Intensive Tasks on Heterogeneous Clusters. In:
Proceedings of International Conf. on High Performance
Computing (HiPC03).
15.
Qin X., Jiang H., Zhu Y. Improving the Performance of I/O-
Intensive Applications on Cluster of Workstations. The Journal of
Networks, Software Tools and Applications, vol. 8, No.4, Oct.
2005.
16.
Qin X., Jiang H., Zhu Y., Swanson D.R. A Feedback control
mechanism for balancing I/O- and memory-intensive applications
on clusters. The Parallel and Distributed Computing Practices
Journal, 2005.
17.
Xiao, L., S. Chen, and X. Zhang, Dynamic Cluster Resource
Allocations for Jobs with Known and Unknown Memory
Demands. IEEE Trans. on Parallel and Distributed Systems 13(3),
2002.
ПРИМЕНЕНИЕ ПРОЧНОСТНОГО ПРОГРАММНОГО
КОМПЛЕКСА ABAQUS С ИСПОЛЬЗОВАНИЕМ
МНОГОПРОЦЕССОРНЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ
С.А. Рыжов
ООО «ТЕСИС», Москва
Программный конечноэлементный комплекс ABAQUS – это
универсальная программа общего назначения, предназначенная как
для проведения прочностного инженерного анализа, так и для научно-
исследовательских и учебных целей.
Основные сферы деятельности, где может и уже используется
ABAQUS:
Автомобилестроение (BMW, FORD, General Motors, Mercedes,
Toyota, Volvo, Goodyear);
Авиастроение/Оборона (General Dynamics, Lockheed Martin,
US Navy, Boeing);
Электроника (HP, Motorola, IBM, Digital);
Металлургия (British Steel, Dupont);
293
Производство энергии (ABB, AEA Technology, EPRI,
Атомэнергопроект);
Нефтедобыча и переработка (Exxon/Mobil, Shell, Dow);
Производство товаров народного потребления (3M, Kodak,
Gillette);
Общая механика и геомеханика (GeoConsult, ISMES, ВНИИГ
Веденеева).
С помощью ABAQUS можно проводить анализ таких сложных
проблем, как расчет прочности турбомашин, расчет двигательных
установок, шасси и трансмиссий, производство шин, сварка, анализ
аварийных столкновений (краш-тесты), тесты на падение,
сверхпластичное формирование, пробивание материала, расчет
композиционных структур, литье металлов, контактное
взаимодействие большого числа тел и самоконтакт
, сейсмические
воздействия, взрывные воздействия, расчет надежности ядерных
реакторов, расчет прочности электронных компонент.
ABAQUS изначально ориентировался на решение самых сложных
и ответственных задач, с учетом всех видов нелинейностей, а также
проведения многодисциплинарного статического и динамического
анализа в рамках единого алгоритма. Такой подход выгодно отличает
ABAQUS от других программ подобного уровня, что позволяет
с
помощью ABAQUS в рамках единого подхода решать многоцелевые
задачи, сочетая преимущества явной и неявной схем конечно-
элементного анализа и их комбинацию.
Одной из важнейших особенностей программного комплекса
ABAQUS является его универсальность. Данный пакет может
использоваться на всех этапах проектирования и создания
современных изделий и практически всеми расчетными, проектными и
технологическими службами
предприятия.
ABAQUS исповедует открытый подход к решению сложных
проблем и предоставляет неограниченные возможности по
подключению пользовательских программ на всех этапах расчета
конкретной задачи.
Необходимо отметить надежность программного комплекса
ABAQUS, строгий контроль за сходимостью исследуемых процессов,
автоматический выбор шага интегрирования, мониторинг задачи на
всех этапах расчета, многочисленные функции контроля.
294
ABAQUS тесно интегрирован практически со всеми CAD-
системами, имеет современный и мощный собственный пре-
постпроцессор ABAQUS/CAE. Следует также отметить связь через
интерфейсы с другими программными продуктами, такими как
ADAMS (кинематика и динамика узлов и механизмов), SYSNOISE
(акустика и виброакустика), Moldflow (литье пластмасс), FlowVision
(аэро- и гидродинамика).
Программный комплекс ABAQUS доступен на всех стандартных
платформах от персональных
компьютеров с Windows NT/2000/XP до
рабочих станций под UNIX и многопроцессорных систем.
ABAQUS удовлетворяет стандарту качества ISO 9001 и стандарту
качества установленного Американской ядерной контрольной
комиссией для проверки качества проектирования ядерных силовых
установок (ANSI/ASME NQA-1, 1983).
Приводятся результаты примеров расчетов задач из различных
предметных областей на многопроцессорных вычислительных
системах.
ИНТЕРАКТИВНОЕ УПРАВЛЕНИЕ ПАРАЛЛЕЛЬНЫМИ
ВЫЧИСЛЕНИЯМИ ПРИ РЕШЕНИИ ЗАДАЧ МНОГОМЕРНОЙ
МНОГОЭКСТРЕМАЛЬНОЙ ОПТИМИЗАЦИИ
В.В. Рябов, С.В. Сидоров, А.В. Сысоев
Нижегородский государственный университет
Введение
Во многих прикладных задачах возникает проблема нахождения
минимума некоторой функции при дополнительных ограничениях,
которые могут быть заданы функционально.
(
)
()
()
[]
{}(){}{}
⎪
⎩
⎪
⎨
⎧
∈=∈≤≤∈=∈
=≤
→
sTiiin
j
uuuuuUunibayyyDy
kjuyg
uyf
,...,:,...,,1,,:,...,
,...,1,0,
min,
111
u
– вектор дискретных параметров, который может принимать
значения из конечного числа наборов
{
}
s
uu ,...,
1
. Вектор
y
меняется
непрерывно.
295
Также предполагается, что функции
(
)
uyf ,
и
(
)
uyg
j
,
удовлетворяют условию Липшица. Кроме того, эти функции
существенно многоэкстремальны, что не позволяет применить
быстрые методы локальной оптимизации.
Для решения рассмотренного класса задач на кафедре МО ЭВМ
факультета ВМК ННГУ им. Н.И. Лобачевского группой
преподавателей, аспирантов и студентов разрабатывается
параллельный программный комплекс «Абсолют Эксперт».
Компоненты системы
Программный комплекс «Абсолют Эксперт» состоит из двух
основных подсистем. Возможности поиска глобально-оптимальных
решений обеспечивает подсистема оптимизации, включающая в себя
алгоритмы глобального поиска, а также средства хранения и
обработки поисковой информации. Подсистема управления, в свою
очередь, предоставляет возможности визуализации хода вычислений,
средства интерактивного управления глобальным поиском, а также
удобный пользовательский интерфейс
. Обе подсистемы представляют
собой отдельные приложения. При этом подсистема оптимизации
может использоваться автономно с интерфейсом командной строки.
Ввод пользовательской задачи осуществляется путём подключения
динамической библиотеки, в которой реализованы пользовательские
целевые функции и указаны параметры задачи с использованием
правил именования.
Алгоритмы глобального поиска, используемые в системе,
существенным образом используют информацию, полученную
в ходе
предыдущих шагов поиска (далее «поисковую информацию»),
поэтому её хранение и обработка имеют принципиальное значение.
Обработка поисковой информации
Подсистема оптимизации включает в себя реализацию алгоритмов
глобальной оптимизации (в том числе параллельных), средства
хранения и обработки поисковой информации и средства
взаимодействия с подсистемой управления. Поскольку вычисление
пользовательских функций зачастую занимает значительное время и
специфика задач требует немалого числа испытаний (испытанием
называется вычисление необходимых функций в конкретной точке),
многие алгоритмы активно
используют параллельное вычисление
целевых функций. Однако даже при использовании нескольких
296
вычислительных узлов время решения задачи остаётся значительным,
поэтому сбой аппаратуры на одном из узлов может привести к потере
или повреждению текущей поисковой информации.
Для повышения надёжности и гибкости системы на средства
хранения и обработки поисковой информации возлагается задача по
сохранению данных на жёсткий диск либо другую внешнюю память и
загрузке
этих данных при необходимости возобновления вычислений с
сохранённой точки останова.
При использовании параллельных алгоритмов с распределением
поисковой информации по всем узлам, данные для сохранения
передаются на нулевой процесс, где и сохраняются на одной машине.
Загрузка происходит после предварительной рассылки данных
каждому процессу. Это позволяет легко переносить текущую
поисковую информацию на другую
машину, а также возобновлять
поиск на другом количестве вычислительных узлов, в том числе на
одном с использованием соответствующего последовательного
алгоритма.
Интерактивное управление вычислениями
Подсистема управления позволяет визуализировать двухмерные
сечения многомерных функций вместе с точками испытаний,
полученными от подсистемы оптимизации, а также предоставляет
рычаги управления параллельным (или последовательным)
глобальным поиском, которые включают в себя остановку вычислений
с сохранением текущей поисковой информации, загрузку данных и
возобновление вычислений с сохранённой точки останова. Если
произошёл останов по максимальному
количеству испытаний либо по
точности, поисковая информация также сохраняется, чтобы
пользователь мог возобновить вычисления, увеличив максимальное
число испытаний и/или точность. Это очередной шаг на пути к
максимально полному использованию имеющейся поисковой
информации. И если в работе [4] используется математический
подход, то подход, используемый в данной работе, можно назвать
программно-эвристическим (
потому что пользователь может
корректировать параметры методов и задач, пользуясь эвристическими
соображениями).
297
Рис. 1.
Фрагмент окна настройки конфигурации запуска
Для удалённого запуска в подсистеме управления также имеются
средства настройки конфигурации (списка хостов и количества
процессов на каждом с проверкой их доступности).
Обмен данными между подсистемами
Необходимо отметить, что параллельное выполнение подсистемы
оптимизации обеспечивается использованием средств параллельной
библиотеки MPI. Взаимодействие же с управляющим приложением
обеспечивается использованием сокетов в неблокирующем режиме
(системная библиотека WinSock2, которая есть в стандартной поставке
любой версии Microsoft Visual Studio).
Общая схема обмена данными по сокетам выглядит следующим
образом:
управляющее
оконное
приложение
п
р
о
ц
есс 0
…
п
р
о
ц
есс 1
п
р
о
ц
есс N–1
Отправка задачи оптимизации
Отправка кода dll-модуля
точки испытаний
команда пользователя
сигнал о завершении вычислений
Рис. 2. Схема обмена данными между подсистемами
Как видно на рисунке 2, обмен данными происходит между
управляющим приложением и нулевым процессом подсистемы
оптимизации. И если постановка задачи, бинарный код
298
пользовательских функций и команды управления рассылаются затем
остальным процессам средствами MPI, то передача точек испытаний
визуализирующему приложению происходит только с нулевого
процесса. Это стало возможным благодаря специфике используемых
параллельных алгоритмов поиска.
Для алгоритмов, использующих распределённую поисковую
информацию, точки испытаний на каждом процессе хранятся в
преобразованном виде так, что одна точка многомерного
пространства
области поиска биективно отображается на множество точек отрезка
одномерной оси. Это множество точек и распределяется по процессам.
Кроме того, результаты испытания, проведённого на одном процессе,
рассылаются остальным (асинхронно) с той лишь разницей, что на
каждом процессе хранится свой образ многомерной точки испытания,
т.е. информации с одного процесса достаточно для
визуализации.
Результаты данной работы демонстрировались на международной
конференции CEBIT 2007 в Германии.
Литература
1. Гергель В.П., Сысоев А.В. О реализации параллельной версии
индексного метода поиска глобально-оптимальных решений в
многомерных задачах оптимизации в программном комплексе
“Абсолют Эксперт” // Труды всероссийской конференции
“Научный сервис в сети Интернет: технологии параллельного
программирования”, 2006, с. 115-118.
2.
Пояснительная записка к техническому проекту по созданию
подсистемы принятия решений для АСНИ и САПР
(подсистема СИМОП-НИПР). 1987.
3.
Стронгин Р.Г. Численные методы в многоэкстремальных
задачах. (Информационно-статистические алгоритмы). М.,
Наука, 1978.
4.
Стронгин Р.Г., Баркалов К.А. О сходимости индексного
алгоритма в задачах уcловной глобальной оптимизации с ε-
резервированными решениями. // «Вестник Нижегородского
Университета. Мат. моделирование и оптимальное
управление», вып. 2(21), 1999.
5.
Strongin R.G., Sergeev Ya.D. (2000). Global optimization with
non-convex constraints: Sequential and parallel algorithms.
Kluwer Academic Publisher, Dordrecht.
299
ДЕМОНСТРАЦИЯ ВОЗМОЖНОСТЕЙ МНОГОЯДЕРНЫХ
КОМПЬЮТЕРОВ ПРИ ОБУЧЕНИИ СТУДЕНТОВ
ЕСТЕСТВЕННО-НАУЧНЫХ СПЕЦИАЛЬНОСТЕЙ
А.М. Сивков, Д.А. Сивков
Удмуртский госуниверситет, Ижевск
Введение
Студентам естественно-научных специальностей часто приходится
ставить эксперименты, в том числе вычислительные. Как правило, эти
эксперименты требуют использования значительных ресурсов. Так,
например, для полного понимания динамики происходящих процессов
бывает полезным демонстрировать развитие процесса в режиме
реального времени или даже ускоренно.
Радикальное снижение стоимости многоядерных компьютеров и
их доступность позволяют использовать их
возможности при
проведении лабораторного практикума.
Однако, для того чтобы вычислительные ресурсы использовались
эффективно, необходимо подготовить специальное программное
обеспечение, ориентированное на применение таких систем, и
расширить навыки студентов, которые будут его использовать.
В данной работе в качестве одного примера из лабораторного
практикума для студентов физических и математических
специальностей, а также для
студентов компьютерных специальностей
предложено:
полная математическая модель физического явления;
программный комплекс;
руководство по лабораторному использованию.
Задача о горнолыжнике
Пусть горнолыжник совершает спуск из точки А в точку В на
плоском склоне горы, расположенном под некоторым углом к
горизонту. Требуется найти такую траекторию, спуск вдоль которой
занимает наименьшее время.
300
Рис.1. Положение точек старта и финиша на склоне
Заметим, что если бы скорость горнолыжника была постоянной и
не зависела от вида траектории, то решением задачи была бы самая
короткая из всех возможных траекторий: прямая, соединяющая точки
А и В.
Однако различные направления на склоне не равноправны.
Горнолыжник начинает спуск, имея нулевую (или очень небольшую)
начальную скорость. Затем, вследствие действия силы тяжести, его
скорость растет.
Быстрее всего скорость возрастает при спуске в направлении
наибольшей крутизны склона.
Если точка
В лежит хотя и ниже точки А, но несколько в стороне,
для горнолыжника может оказаться более выгодным, с точки зрения
затраченного времени, двигаться не сразу в направлении к точке
В, а
по траектории, отличной от прямолинейной. Так возможно вначале
набрать скорость, двигаясь круто вниз, и только потом повернуть к
точке
В.
Рис.2. Одна из возможных траекторий спуска из точки А в точку В
В простейшем случае такая траектория состоит из двух отрезков
прямых. Точку сопряжения отрезков будем называть узлом. Найти
оптимальную траекторию из двух отрезков прямых – значит найти
положение узла, поскольку точки начала и конца траектории