CC BY
42
Раздел V. Моделирование сложных систем
УДК 534.883.001.57:681.3.06
В.Ф. Гузик, В.Е. Золотовский, М.А. Аль-Ханани СИСТЕМА ВЫСОКОПРОИЗВОДИТЕЛЬНОГО МОДЕЛИРОВАНИЯ РАСПРОСТРАНЕНИЯ ГИДРОАКУСТИЧЕСКИХ ВОЛН
На современном этапе развития аппаратных и программных средств вычислительной техники остро стоит проблема повышения эффективности вычислительного процесса не только за счет увеличения производительности аппаратуры и оптимизации программных средств, но и за счет использования принципиально новых подходов к организации вычислительного процесса вообще [2].
Одним из наиболее эффективных методов решения сложных вычислительных задач является использование параллельных вычислений на основе многомашинных комплексов, локальных сетей или суперкомпьютеров. Однако, в связи с ограниченными возможностями аппаратных и программных средств реализации
, -
.
программных и аппаратных средств, появляется возможность расширения класса задач и возможных новых приложений на основе перспективной теоретической и алгоритмической базы [1].
До настоящего времени, параллельные системы находили свое основное практическое применение как средство проведения сложнейших математических вычислений и решение задач распределенного моделирования.
Бурное развитие технологий НРС (High Performance Computing) привело к естественной экспансии параллельной архитектуры (в основном, кластерной) во все направления компьютерной отрасли: суперкомпьютеры, серверы, рабочие станции. Эта тенденция коснулась уже и самого массового звена средств вычислительной техники - персональных компьютеров. Как показал анализ тенденций развития компьютерных технологий появились и уже становятся привычными термины "персональный суперкомпьютинг", "персональные кластеры" и "персональные суперкомпьютеры", появляются уже и соответствующие программно-технические , .
Такие тенденции и такие достижения в области вычислительной техники дали возможность применить новые подходы к традиционным методам решения , -лее высокой эффективностью и меньшими затратами [5].
Данная работа посвящена оценке и оптимизации процесса моделирования и вычислений в области распространения гидроакустических лучей с помощью па. -полнения такого класса задач за счет сокращения временных затрат в процессе обработки гидроакустических данных по сравнению с традиционными решениями на однопроцессорных системах.
Для решения поставленной задачи была проведена адаптация вычислительного алгоритма для нескольких процессов по следующей схеме. Главный процесс, который выполняется на главном компьютере, отвечает за управление и решает задачу предварительной подготовки и отправки данных для дочерних процессов.
, -щий результат вычисления и отправляется к главному процессу.
Время выполнения программы - время, прошедшее с момента запуска первого процессора до момента завершения выполнения последнего (получения результата) [3].
T = f (N, P, U, ...),
где N - размерность задачи, P - количество процессоров, U - количество задач
.
Во время выполнения каждый процессор может находиться в трёх состояниях: вычисление (computation), обмен данными (communication) и ожидание (idle).
,
определяется как
T i t i t i
comp comm ’ idle '
Следовательно, время выполнения T может быть определено следующим об:
T = T 1 + T 1 + T
comp comm idle
или
1 1 P - 1
T = — (T + T + T.,, ) = — ( X T1 + T1 + T* ).
P comp comm idle p . = о comp comm idle
Tcomp -
ния соответствующего не распараллеленного (последовательного) алгоритма и зависит от размерности N задачи. Если параллельный алгоритм вносит дополни,
U и процессоров P.
Данная задача была реализована на однородном кластере, который состоит из четырех одинаковых компьютеров (Р =4). Первый берет на себя задачу управ, . процесс. Так как этот кластер однородный, то временные затраты на пересылки и ожидания и сбора результатов максимум минимизированы.
При движении кораблей происходит сканирование морской глубины лучами. Отражающие лучи принимаются датчиками, и эти данные, считываемые дат, ( ),
( ).
Результаты обработки этих данных дочерними процессами отправляются
, , ,
.
Программный комплекс для выполнения поставленных задач обработки данных и проведения серии экспериментов был разработан с использованием языка высокого уровня C++ в среде разработки Visual Studio 2005. Для параллельной
реализации вычислительных процессов была использована библиотека MPI. В качестве базовой аппаратной конфигурации были использован однородный кластер, состоящий из четырех ЭВМ с одинаковыми характеристиками, один из которых выполнял функции мониторинга, управления и вычислений, а три остальные вы- .
Анализируя методы измерения временных характеристик параллельных программ в реальном времени видно, что метод рабочего профиля лучше, чем счетчики событий или совокупность времени и трассировка событий.
Рис. 1. Графическое представление алгоритма обработки данных
В основе этого метода формируется автоматически для каждого процессора рабочий профиль. При этом используется метод выборки данных через фиксированные промежутки времени, сумма этих промежутков и есть время выполнения . -, , , -тельного времени параллельного алгоритма на текущий момент и так как в нашем случае задача одна на всех процессорах, то этот метод самый подходящий.
В ходе экспериментов было достигнуто сокращение временных затрат параллельной схемы по сравнению с однопроцессорным вариантом, что позволяет сделать вывод о чрезвычайной эффективности предложенной методики для решения трудоемких задач распространения гидроакустических лучей.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Воеводин В.В., Капитонова Л.П. Методы описания и классификации архитектур вычислительных систем. - М.: МГУ. 1994. - 79 с.
2. Золотовский В.Е., Поленов ММ. Программно-инструментальный комплекс оценки эффективности параллельных систем при разработке их архитектуры // Многопроцессорные вычислительные структуры. Вып.15.(ХХ1У). - Таганрог, 1995. - С. 4-7.
3. http://parallel.rb.ru.
4. Ian Foster, «Designing and Building Parallel Programs», 1995.
5. Barton P. Miller and others, «The Paradyn Parallel Performance Measurement Tools» Computer Sciences Department, University of Wisconsin-Madison.
6. http://www.cs.wisc.edu/paradyn/.
7. Бертекас, Галлагер. Сети передачи данных. - 1989.
УДК 658.512.2.011.57
В.Ф. Гузик, А.В. Дагаев, А.В. Тарасенко РЕАЛИЗАЦИЯ МЕТОДИК СИСТЕМНОГО АНАЛИЗА ПРИ МОДЕЛИРОВАНИИ СЛОЖНЫХ ОБЪЕКТОВ
Введение. Системный анализ (СА) за последние десятилетия получил широкое развитие и утверждение как отдельной синтетической междисциплинарной . -деленные этапы СА, так, например, элементарный анализ цен товаров относится к первому этапу системного анализа. Следует отметить, что СА нашел применение в экономических, информационных, технических, лингвистических, социальных и многих других типов задач. Любой тип системного анализа включает этап анализа , , -за. В качестве системы может выступать явление, образ, набор объектов с определенными характеристиками, реальные устройства и т.д. Главным моментом при анализе системы является определение целей системного анализа, которые бывают трудно формализуемы и расплывчаты, и умение системного аналитика обозначить « » , -кого представления объектов, с которыми в дальнейшем придется работать [1, 2].
Методики проведения СА. Методики или другим и словами этапы системного анализа могут быть реализованы поразному [3, 4], причем их состав и последовательность зависит от поставленной задачи. На сегодняшний день существует большое количество методик применения системного анализа, так, например, ме-,
альтернатив принятия решений, т.е. на конечных этапах системного анализа. Черняк уделяет внимание агрегированию и структуризации целей, Янг - процессу реализации принятого решения, Антонов - моделированию и методам обработки информации [5].
,
( ),
скорость выполнения системного анализа. Информационные системы позволяют автоматизировать ручной труд, выполнять сложные расчеты, накапливать и син, -мационные системы. Хотя ИС имеют ряд неоспоримых достоинств, их разработка часто осложняется реализацией сложных математических, физических и других ,
месяцами и годами.
Представим методику проведения СА, включающего разработку ИС:
1. Анализ системы.
2. Определение целей СА, этапов проведения СА.
