CC BY
28
Дмитрий Петрович Сопин
Данила Ярославович Ульянов
Вадим Евгеньевич Турлапов
Нижегородский государственный университет им. Н. И. Лобачевского, кафедра математического обеспечения ЭВМ; ассистент; E-mail: sopindm@gmail.com
студент; Нижегородский государственный технический университет им. Р. Е. Алексеева, кафедра вычислительных систем и технологий; E-mail: danila-ulyanov@yandex.ru
д-р техн. наук, доцент; Нижегородский государственный университет им. Н. И. Лобачевского, кафедра математического обеспечения ЭВМ; E-mail: vadim.turlapov@gmail.com, vadim.turlapov@cs.vmk.unn.ru
Рекомендована НИИ НКТ
Поступила в редакцию 15.05.11 г.
УДК 004.925.3
Д. А. Насонов, С. В. Иванов, А. В. Бухановский
РАСПРЕДЕЛЕННАЯ ПРОГРАММНАЯ ПЛАТФОРМА ДЛЯ ПРОТИПИРОВАНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ СЛОЖНЫМИ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ
Рассмотрены принципы построения инструментальной среды для прототипиро-вания и исследования бортовых систем поддержки оператора сложных динамических объектов в рамках концепции облачных вычислений.
Ключевые слова: бортовая система, поддержка оператора, распределенная среда, Грид, облачные вычисления, прикладные сервисы, прототипирование.
Усложнение принципов управления сложными динамическими объектами требует разработки и внедрения бортовых систем поддержки оператора (СПО) в экстремальных условиях эксплуатации. Однако технология разработки таких систем в настоящее время не унифицирована в должной мере. В частности, отсутствуют эффективные средства прототипирования, которые могли бы обеспечить всестороннее экспериментальное исследование характеристик разрабатываемых систем на макетах в составе виртуального испытательного стенда.
В рамках настоящей работы рассматриваются принципы построения распределенной программной платформы (РПП) для прототипирования интеллектуальных систем управления сложными динамическими объектами, функционирующей в рамках концепции облачных вычислений.
РПП представляет собой открытую iPSE-систему [1], функционирующую в распределенной среде. Она включает в себя выделенные вычислительные системы, в том числе обеспечивающие интерфейс с устройствами сбора данных в режиме реального времени, вычислители с графическими процессорами (GPU) и суперкомпьютерные системы, необходимые для решения ресурсоемких задач численного моделирования. Кроме того, в состав среды могут входить уже существующие ресурсы Грид-систем первого поколения. При этом доступ ко всем ресурсам обеспечивается в рамках модели облачных вычислений [2], реализуемой на основе многофункциональной инструментально-технологической платформы CLAVIRE (CLoud Applications VIRtual Environment).
Встраивание компонентов в РПП выполняется на высшем уровне изоляции — в форме прикладных пакетов, взаимодействующих друг с другом через файлы входных и выходных данных. Это обеспечивает возможность выбора и использования уже готовых прикладных пакетов без модификации исходных кодов. Содержательной основой РПП является репози-
Распределенная программная платформа для протипирования интеллектуальных систем 95
торий проблемно-ориентированных сервисов, отвечающих за процесс поддержки принятия решений. В состав репозитория входят прикладные сервисы:
— сбора данных (обращение к датчикам в режиме реального времени через IP или к программам-симуляторам, а также технологические сервисы для эмуляции режимов реального времени);
— обработки и анализа данных (фильтрация и контроль ошибок, статистический анализ, data mining и пр.);
— организации баз знаний (поддержка описания знаний в разных структурах, средства формализации знаний, средства проверки качества баз знаний);
— машин логического вывода (во многом привязаны к структуре баз знаний — вывод по правилам, учет неопределенности, анализ альтернатив, прецедентные технологии и пр.);
— технологий машинного обучения (нейросетевые модели, эволюционное программирование);
— человеко-компьютерного взаимодействия (формирование прикладных интерфейсов системы, визуализации и когнитивной графики);
— компьютерного моделирования объекта и среды (по видам динамических объектов).
В целом проблемно-ориентированные сервисы рассматриваются в связке с вычислительными системами соответствующей архитектуры, управляемыми посредством РПП. Это позволяет пользователю в ходе прототипирования экспериментировать не только с функциональными элементами программного обеспечения СПО, но и с аппаратной составляющей. Пользователь (разработчик конкретной бортовой СПО) взаимодействует с РПП посредством сети Интернет через web-интерфейс. Он имеет возможность создавать распределенные образы-прототипы собственных СПО, описывая их в форме потока заданий (workflow, WF) на языке EasyFlow [3]. Это позволяет в ходе прототипирования исследовать отдельные этапы разработки СПО, постепенно наращивая функционал, заменяя компоненты и пр., в процессе отработки окончательного решения. В том случае, когда доступные в РПП сервисы не могут в полной мере удовлетворить пользователя, он имеет возможность встраивать в WF собственные компоненты; при этом процесс исполнения WF будет замыкаться только на пользовательскую вычислительную систему. Все результаты работы пользователя (создаваемые WF, структуры данных и знаний и пр.) размещаются в соответствующем хранилище, что позволяет географически распределенным группам пользователей работать над проектом поэтапно.
В целом РПП является средством эмуляции работы бортовых СПО с ограничением на реализацию технологий реального времени вследствие существенной инерционности распределенной среды и неопределенности временных характеристик исполнения WF. Дополнительным ограничением является привязка сервисов к конкретным вычислительным ресурсам (например, суперкомпьютерам), которые a priori не могут быть использованы в бортовых системах. Вместе с тем РПП позволяет получать информацию о временных характеристиках по отдельным элементам WF и операциям их взаимодействия, а также предоставляет данные о сложности реализуемых алгоритмов, что дает возможность оценить время исполнения WF при изменении архитектуры (без изменения алгоритма). Для моделирования процессов реального времени в состав WF необходимо включать дополнительные компоненты „моделирования времени", обеспечивающие, в частности, синхронизацию и ранжирование передачи данных между элементами WF.
На рисунке приведена принципиальная архитектура РПП. На схеме отмечены четыре основных уровня. Верхний уровень (анализ прототипа и принятие решений) связан с процессами интеллектуальной поддержки и взаимодействия с пользователем. Следующий уровень относится к автоматическим средствам конструирования и исполнения прототипа. Третий уровень составляют собственно прикладные сервисы (их декларативные описания в репози-тории). На четвертом уровне находится облако вычислительных ресурсов, включающих как
выделенные системы, так и существующие распределенные Грид-среды первого поколения. На вычислительных ресурсах установлены пакеты, входящие в состав проблемно-ориентированных сервисов.
Анализ прототипа и принятие решений
Новые сервисы для
конструирования
СПО
Поддержка прототипирования
Конструирование и исполнение прототипа
Управление WF
Управление проектами
Управление инфраструктурой —
WF прототипа СПО
Прикладные сервисы
Другие виды сервисов
_ Моделирование сценариев поведения объекта
ЛИЖИ
Работа сданными и знаниями
Моделирование внешней среды
Обеспечение чеповеко-компьютерного взаимодействия
Другие виды сервисов
Таким образом, посредством РПП разработчик получает возможность в процессе прототипирования сосредоточиться на отработке уникальных частей СПО; для обеспечения функционирования макета в целом используются подходящие сервисы, предоставляемые РПП. Это дает возможность эксперту осуществлять выбор способа реализации различных компонентов СПО путем сравнения работы различных реализаций сервисов в рамках решения отдельных тестовых задач. В целом это позволяет создавать виртуальное окружение для тестирования и обучения уже разработанных бортовых систем; в данном случае сама СПО функционирует на вычислительной системе пользователя, а РПП является лишь эмулятором источников входных данных, характеризующих внешнюю среду. Дополнительно данный подход позволяет минимизировать затраты пользователей на содержание собственной аппаратной инфраструктуры, особенно в области систем ограниченной доступности (например, бортовых вычислителей или суперкомпьютеров нестандартной архитектуры).
Работа выполнена в рамках проектов по реализации Постановлений № 218 и 220 при поддержке ФЦП „Научные и научно-педагогические кадры инновационной России на 2009— 2013 гг.".
СПИСОК ЛИТЕРАТУРЫ
1. Бухановский А. В., Ковальчук С. В., Марьин С. В. Интеллектуальные высокопроизводительные программные комплексы моделирования сложных систем: концепция, архитектура и примеры реализации // Изв. вузов. Приборостроение. 2009. Т. 52, № 10. С. 5—24.
2. Foster I., Zhao Y., Raicu I., Lu S. Cloud Computing and Grid Computing 360-Degree Compared // eprint arXiv:0901.0131. 2008 [Электронный ресурс]: <http://arxiv.org/ftp/arxiv/papers/0901/0901.0131.pdf>.
3. Князьков К. В., Ларченко А. В. Предметно-ориентированные технологии разработки приложений в распределенных средах // Изв. вузов. Приборостроение. 2011. Т. 54, № 10. С. 36—43.
Особенности работы с потоками задач длительного исполнения в рамках концепции ¡Р8Е 97
Сведения об авторах
— НИИ Наукоемких компьютерных технологий Санкт-Петербургского государственного университета информационных технологий, механики и оптики; младший научный сотрудник;
E-mail: denis.nasonov@gmail.com
— канд. техн. наук; НИИ Наукоемких компьютерных технологий Санкт-Петербургского государственного университета информационных технологий, механики и оптики; старший научный сотрудник; E-mail: Sergey.v.ivanov@rambler.ru
— д-р техн. наук, профессор; НИИ Наукоемких компьютерных технологий Санкт-Петербургского государственного университета информационных технологий, механики и оптики; директор; E-mail: avb_mail@mail.ru
Поступила в редакцию 15.05.11 г.
УДК 681.3.069, 681.324
К. В. Князьков
ОСОБЕННОСТИ РАБОТЫ С ПОТОКАМИ ЗАДАЧ ДЛИТЕЛЬНОГО ИСПОЛНЕНИЯ В РАМКАХ КОНЦЕПЦИИ iPSE
Рассмотрены особенности применения модели потоков заданий длительного исполнения для повышения эффективности вычислительных экспериментов с динамически изменяющимися параметрами в распределенной среде.
Ключевые слова: потоки заданий, задания длительного исполнения, методы коммуникаций, динамическое управление исполнением, усвоение данных.
Перспективы развития технологий решения мультидисциплинарных задач компьютерного моделирования в распределенных средах определяются возможностями абстрактного описания структуры композитных приложений в форме, не зависящей от низкоуровневой вычислительной архитектуры. Для этого применяется формализм потоков заданий (workflow, WF), описывающий сценарий вычислительного эксперимента в виде направленного ациклического графа, узлами которого являются задания, а ребра представляют зависимости (по данным и по управлению) между заданиями. В большинстве случаев система исполнения WF основывается на модели запуска в пакетном режиме, в соответствии с которой WF и его задания после запуска переходят в режим непрерывного исполнения без возможности их модификации и взаимодействия с ними [1]. Однако существует ряд задач, которые сложно адаптировать к пакетному режиму работы без снижения эффективности использования ресурсов. В основном они характеризуются непрерывным поступлением данных в распределенную среду через внешние источники, при котором условия эксперимента могут динамически изменяться в ходе функционирования WF без его перезапуска (см., например, [2]). В настоящей работе рассматриваются возможности использования расширенной модели WF длительного исполнения (long running WF, LRWF) для динамического управления процессом вычислений в облачной среде на основе многофункциональной инструментально-технологической платформы (МИТП) CLAVIRE (CLoud Applications VIRtual Environment), разрабатываемой в рамках концепции iPSE [3].
Модель LRWF имеет следующие характерные особенности:
Денис Александрович Насонов
Сергей Владимирович Иванов
Александр Валерьевич Бухановский
Рекомендована НИИ НКТ
