CC BY
90
УДК 004.75, 004.272.45
В.Н. Ручкин, В.А. Романчук, В.В. Лукашенко
ОБОБЩЕННАЯ МОДЕЛЬ ВЫЧИСЛЕНИЙ КЛАСТЕРА НЕЙРОКОМПЬЮТЕРОВ
В статье рассматривается обобщенная модель вычислений кластера, рабочие узлы (машины) которого работают на базе нейропроцессоров. Данная работа выполнена в рамках гранта РФФИ 14-07-00261 «Кластеризация и организация облачных и распределенных вычислительных систем на базе нейропроцессоров».
Кластеризация, нейропроцессорные технологии, распределенные вычисления.
В общем виде любая задача, поступившая для выполнения в кластер, может быть представлена в виде алгоритма — последовательности машинных команд и данных [4]. Известно, что нейрокомпьютерные системы, осуществляя
© Ручкин В.Н., Романчук В.А., Лукашенко В.В., 2015 г^нты тоторью м°жн° сгруппир°-вать по классам эквивалентности и в зависимости от решения этой задачи формируют оптимальную структуру обработки [2]. Данный принцип был перенесен на распределенную структуру типа кластер, вычислительными узлами которого являются нейрокомпьютерные модули. В предлагаемой нами модели распределенный вычислительный кластер виртуализован до абстрактной вычислительной машины с пулом ресурсов, как описано в работе [1].
В основе предлагаемой модели вычислений кластера нейрокомпьютеров лежит функциональный принцип, согласно которому главную роль играет множество операций, выполняемых на процессорных модулях распределенной вычислительной системы нейрокомпьютеров.
Операции (О) — это последовательность действий в алгоритме:
O = {0„ 02,...,0, ,...Д,}.
В результате анализа алгоритма, поступившего в кластер, необходимо выбрать оптимальную структуру обработки. Множество возможных структур представим как S = S2,...,Si...}, где Si — конвейер, вектор или их сочетание в виде комбинаций конвейерно-векторной, или векторно-конвейерной, или матричной и других структур.
Проектируемая структура должна выполнять заданный список операций под управлением алгоритма.
Алгоритм (А ) — упорядоченная последовательность введенных операций или действий. Такая последовательность называется кортежем А = {01,02,...,0Ы} , под
которым понимается конечный ряд операций 01, определяемых согласно следующему выражению:
л( 1) = {О1,Од,...,ОЬ,02,О1,...,Ог}длиной| Л( 1) |.
Структура распределенного нейрокомпьютерного подкластера рассматривается на уровне устройств. Поэтому на первом этапе определяется элементная база. Решение такой задачи математически сводится к нахождению отображения
О, ^ [ЫКт};Ут = 1,Кт; V/ = 1,Ь , (1)
где под множеством команд МК = {МК1, МК2,..., МКт } конкретного комплекта СБИС подразумевается внутренний язык вычислительной системы; МКт —
минимальное количество команд, реализующее операцию О1.
Вопрос выбора элементной базы вычислительных машин в виде конечных узлов вычислительного кластера рассмотрен выше.
На следующем этапе в зависимости от решения задачи проектирования (1)
каждому 1 -му алгоритму обработки ставится в соответствие программа обработки PR(1) посредством определяемого отображения:
А(1) ^ РЯ(1), 1 = 1, N.
(2)
Под программой обработки информации РЯ (1) понимается кортеж команд РЯ(1) = {МК1,МК2,...,MKi,...,МКМ}. При этом характеристиками рассматриваемой программы РЯ(1)
РЯ1) ^ (РЯ1 ),Т(1),Хш(1)) (3)
являются длина программы | РЯ( 1) |, определяемая как число макрокоманд, входящих в программу, частота повторения макрокоманд Хт() , т = 1, М, и время выполнения программы Т = ^ ХШ1 ^т , где 1ш — время выполнения ш -й команды.
т=1
В результате решения задачи (2) определяется программа обработки однопроцессорного варианта нейрокомпьютера, что соответствует централизованной структуре обработки информации. Для решения задачи в распределенной вычислительной системе введем понятие структуры S, которую будем понимать как отношение параллельности выполнения подпрограмм ЯО/, ЯОк двумя раз-
личными процессорными модулями: R0/SwR0k; R0l, R0k е PR. Отношение
параллельности понимается как выполнение одновременно двух и более подпрограмм на разных вычислительных машинах кластера.
Тогда на третьем этапе проектирования определяется множество всевозможных структур Sw е S , позволяющих некоторой j -й программе обработки
РЯ поставить в соответствие множество подпрограмм R0i:
Sw е S : РЯ ^ {Я0г }; У г = 1,/;= 1,Ж. (4)
В результате решение задачи (4) определяет технические затраты Q(^w), такие как требуемое число нейрокомпьютеров кластера, программные затраты R(iw) , суммарный набор макрокоманд для каждой программы:
Я(^) =у " МК (;)
¿—ч=1 /=1 /
На четвертом этапе осуществляется оптимальный выбор вычислительной структуры для последующей реструктуризации вычислительного кластера или его части из пула виртуализованных ресурсов. Формирование оптимальной структуры также осложнено возможной стратегией проектирования, включающей в себя минимум аппаратных и программных средств и удовлетворяющей требованиям по производительности. Алгоритм разбиения поступившей для выполнения в вычислительный кластер задачи на подзадачи, а также задачи выбора оптимальной структуры кластера по заданной стратегии в рамках данной работы не рассматривается.
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. Лукашенко, В.В. Разработка математической модели реструктуризуемого под классы задач виртуализуемого кластера вычислительной grid-системы на базе нейропроцес-соров [Текст] / В.В. Лукашенко, В.А. Романчук // Вестник Рязанского государственного университета имени С.А. Есенина : науч. журнал. — 2014. — № 1/42. — С. 176-181.
2. Романчук, В.А. Разработка модели сложной нейропроцессорной системы [Текст] / В.А. Романчук, В.Н. Ручкин, В.А. Фулин // Цифровая обработка сигналов. — Рязань : Информационные технологии, 2012. — № 4. — С. 70-74.
3. Ручкин, В.Н. Когнитология и искусственный интеллект [Текст] / В.Н. Ручкин, В.А. Романчук, В.А. Фулин. — Рязань : Узорочье, 2012. — 260 с.
4. Ручкин, В.Н. Архитектура компьютерных сетей [Текст] / В.Н. Ручкин, В.А. Фулин // Диалог-МИФИ. — М., 2008. — С. 238.
5. Ручкин, В.Н. Проектирование и выбор специализированных средств обработки информации [Текст] / Московский государственный открытый университет. — М., 1997. — 120 с.
6. Foster, I. The anatomy of the GRID [Text] / I. Foster, C. Kesselman, S. Tuecke // International Journal of High Performance Computing Applications. — 2001. — № 3/15. — P. 200-222.
REFERENCES
1. Foster, I. The anatomy of the GRID [Text] / I. Foster, C. Kesselman, S. Tuecke // International Journal of High Performance Computing Applications. — 2001. — № 3/15. — P. 200-222.
2. Lukashenko, V.V. Razrabotka matematicheskoy modeli restrukturizuyemogo pod klassy zadach virtualizuyemogo klastera vychislitel'noy grid-sistemy na baze neyroprotsessorov [Development of Mathematical Model of restructured under the classes of problems virtualizue-mogo cluster computing grid-based systems neuroprocessors] / V.V. Lukashenko, V.A. Roman-chuk // Bulletin of the Ryazan State University named after S. A. Yessenin : science magazine. — 2014. — № 1/42. — P. 176-181.
3. Romanchuk, V.A. Razrabotka modeli slozhnoy neyroprotsessornoy sistemy [The development model of a complex system neuroprocessor] / V.A. Romanchuk, V.N. Ruchkin, V.A. Fulin // Digital signal processing. — Ryazan: Information Technology, 2012. — № 4. — P. 70-74.
4. Ruchkin, V.N. Kognitologiya i iskusstvennyy intellekt [Cognitive science and artificial intelligence] / V.N. Ruchkin, V.A. Romanchuk, V.A. Fulin. — Ryazan : Uzorochye, 2012. — 260 p.
5. Ruchkin, V.N. Arkhitektura komp'yuternykh setey [Architecture of computer networks] / V.N. Ruchkin, V.A. Fulin // Dialog-MIFI. — Moscow, 2008. — P. 238.
6. Ruchkin, V.N. Proyektirovaniye i vybor spetsializirovannykh sredstv obrabotki in-formatsii [Design and selection of specialized information processing facilities] / Moscow State Open University. — Moscow, 1997. — 120 p.
V.N. Ruchkin, V.A. Romanchuck, V.V. Lukashenko
A GENERALIZED MODEL OF NEUROCOMPUTER CLUSTERS
The paper presents a generalized model for computing clusters, the production nodes of which function on the basis of neuroprocessors. The research is supported by RFFI grant 14-07-00261 "The Formation of Cloud System and Distributed Computer System Based on Neuroprocessor".
Cluster formation, neuroprocessor technologies, distributed computing.
