Сборник докладов кемерово 2017 the ministry of education and science of the russian federation federal State Budgetary Educational Institution «Kemerovo State University»



страница2/14
Дата14.08.2018
Размер2.09 Mb.
#44474
ТипСборник
1   2   3   4   5   6   7   8   9   ...   14

Литература


  1. Хорошевский В. Г. Распределенные вычислительные системы с программируемой структурой // Вестник СибГУТИ. 2010. № 2 (10). С. 3–41.

  2. MPI: A Message-Passing Interface Standard. Version 3.1 [Электронный ресурс] URL: http://mpi-forum.org/docs/mpi-3.1/mpi31-report.pdf

  3. Flajslik M., Dinan J., Underwood K. D. Mitigating mpi message matching misery // International conference on high performance computing. 2016. P. 281–299.

  4. Ghazimirsaeed S. M., Afsahi A. Accelerating MPI Message Matching by a Data Clustering Strategy // High Performance Computing Symposium (HPCS 2017). Kingston. 2017.


Мельник Э.В., Южный научный центр Российской академии наук,

главный научный сотрудник,

Клименко А.Б., НИИ Многопроцессорных вычислительных систем ЮФУ,

научный сотрудник

ПОВЫШЕНИЕ НАДЕЖНОСТИ СЕТЕЦЕНТРИЧЕСКИХ ИНФОРМАЦИОННО-УПРАВЛЯЮЩИХ СИСТЕМ ЗА СЧЕТ ПРИМЕНЕНИЯ ПРИНЦИПОВ ОРГАНИЗАЦИИ ТУМАННЫХ ВЫЧИСЛЕНИЙ*
Сетецентрические информационно-управляющие системы (СИУС) составляют достаточно обширную и интенсивно развивающуюся область современной науки. На базе сетецентрической концепции производится построение широкого круга информационно-управляющих систем, включая географически распределенные системы управления экономической инфраструктурой предприятий, системы управления сложными мехатронными комплексами, в том числе автономными и географически распределенными, системы управления авиацией и космическими объектами и многие другие. Среди таких ИУС традиционно выделяют класс систем, критичных к возникновению отказов [6]. Примерами могут служить ИУС различных объектов энергетической промышленности, в том числе, АЭС, ИУС опасных производств, летательных аппаратов и др. К выделенному классу систем применяются повышенные требования с точки зрения надежности.

Надежность ИУС – свойство объекта сохранять во времени способность выполнять требуемые функции в заданных рамках и условиях применения. Надежность – многоаспектная проблема и включает следующие показатели: безотказность, ремонтопригодность, восстанавливаемость, долговечность, сохраняемость, готовность. В рамках данной работы внимание будет акцентировано на безотказности ИУС, которая количественно характеризуется вероятностью безотказной работы (ВБР) системы.

Обобщенная архитектура сетецентрической ИУС предполагает три основных группы элементов: сенсорные устройства, устройства, предназначенные для обработки информации, актуаторы1. Такая архитектура аналогична традиционной организации «облачных» вычислений и, более того, в настоящее время многие ИУС используют сервисы, представленные в сети Интернет (например, Amazon Web Services). При этом концепция «облачных» вычислений привносит в функционирование ИУС ряд недостатков, основные из которых следующие [4]:

– высокая латентность системы за счет передачи больших объемов, данных в географически распределенной сети;

– плохая масштабируемость системы за счет существенного возрастания нагрузки на коммуникационную инфраструктуру;

– снижение ВБР устройств, предназначенных для обработки информации, а также коммуникационного оборудования (за счет высокой нагрузки).

Концепция «туманных» вычислений относительно нова и является следующим эволюционным шагом в развитии распределенных вычислений [7]. Основу данной концепции составляет перенос части вычислений на так называемый «край» сети (edge of network) и в «туманный» слой сети (fog layer). При этом достигаются следующие преимущества перед традиционной «облачной» архитектурой: происходит снижение нагрузки на устройства обработки информации, снижение нагрузки на коммуникационное оборудование, а также улучшение свойств масштабируемости системы.

Данная работа посвящена вопросам применения концепции «туманных» вычислений к построению высоконадежных ИУС.

Базовые элементы концепции «туманных» вычислений. Слой «туманных» вычислений расположен между «краем» сети, т.е. пользовательскими устройствами, и облаком, как показано на рис. 1.

Рисунок 1. Структурное представление концепции «туманных» вычислений
Туманные вычисления предполагают перенос вычислений и хранения данных из традиционного «облака» в промежуточный слой устройств, расположенных ближе к краю сети [3]. С точки зрения архитектуры различия между «облачными» и «туманными» вычислениями представлены на рис. 2.

Рисунок 2. Структурное представление «облачных» и «туманных» вычислений
В настоящее время, в соответствии с представленными в работе [1] сведениями, основными областями возможных приложений концепции туманных вычислений являются следующие:

– медицинские сервисы (e-health);

– сервисы логистики, связанные с поставками скоропортящихся продуктов (food chain);

– управление энергетическими комплексами;

– поддержка мобильных систем.

Также проведенный анализ открытых источников показывает, что в настоящее время применение концепции «туманных» вычислений в области построения информационно-вычислительных систем в большей мере находится на этапах исследования и разработки и представляет собой отдельные, слабо связанные друг с другом попытки применения концепции для различных предметных областей.

Поскольку в настоящее время сенсорные устройства, а также устройства сетевой инфраструктуры могут обладать достаточными вычислительными мощностями, а также средствами хранения данных, концепция «туманных» вычислений может быть применена для построения СИУС и позволяет повысить надежность системы путем соответствующего распределения нагрузки по устройствам обработки информации и по слою «туманных» вычислений [2].

На рис. 3. показана упрощенная схема, отображающая архитектуру СИУС с применением концепции «туманных» вычислений.




Рисунок 3. Схематичное представление СИУС с применением элементов концепции «туманных» вычислений
При этом возникает ряд нетривиальных задач, необходимых для решения:

1. Планирование вычислительных процессов (и их вычислительной сложности) таким образом, чтобы при перенесении части вычислений в «туманный» слой и на сенсорные устройства не произошло ухудшение ВБР системы в целом.

2. При распределении вычислительной нагрузки на сенсорные устройства и «туманный» слой необходимо учитывать такие факторы, как возможную мобильность устройств, нестационарность их пребывания в сети, а также возможную гетерогенность устройств.

3. При распределении вычислительной нагрузки на устройства обработки информации в пределах вычислительной среды необходимо производить выравнивание нагрузки, что, в свою очередь, приводит к повышению ВБР.

На начальных этапах решения перечисленных задач целесообразно свести основные параметры СИУС, построенной с использованием элементов концепции «туманных» вычислений, в причинно-следственную диаграмму (рис.4).

Рисунок 4. Причинно-следственная диаграмма основных параметров СИУС
на основе «туманных» вычислений
Распределение вычислительной нагрузки на сенсорные устройства может быть произведено путем решения следующей задачи многокритериальной оптимизации. Назовем устройство, осуществляющее предварительную обработку информации, устройством предварительной обработки (УП). УП характеризуется следующим кортежем: <j, pj, Ej, {Rjk}, {Fjk}, uj, sj>, где j – идентификатор УП; Pj – производительность УП; {Rjk} – список расстояний от УП до остальных функционирующих УП множества, определяется в процессе инициализации системы. Под расстоянием подразумевается количество транзиторных участков сети; {Fjk} – список вычислительных ресурсов УП системы, обновляется постоянно, в долях производительности; uj – доступный вычислительный ресурс УП; sj – стоимость j-го УП.

Формальная постановка задачи распределения вычислительной нагрузки для решения задач предварительной обработки информации имеет вид, представленный выражениями (1) (более подробно представленная модель описана в работе [5]):


;

(1)

Задача распределения вычислительной нагрузки между устройствами обработки информации в вычислительной среде имеет вид (2) и подробно описана в [7]:





0<uij<1, 0<uij<1, . (2)

В данной работе рассмотрена возможность применения элементов концепции «туманных» вычислений к построению СИУС высокой надежности. На основании аналитического исследования открытых источников обоснована целесообразность введения элементов концепции «туманных» вычислений и сформулированы основные задачи, которые необходимо решить в процессе создания СИУС с использованием концепции «туманных» вычислений. Следующим этапом исследования предполагается уточнение и конкретизация моделей, а также синтез методов повышения надежности СИУС путем использования элементов концепции «туманных» вычислений.



*Работа выполнена в рамках проектов ЮНЦ РАН № 0256-2014-0008, 0256-2015-0082 (в рамках задания 007-01114-16 PR)
Литература


    1. Hosseinpour F., Meng Y., Westerlund T., Plosila J., Liu R., Tenhunen H. A review on Fog Computing Systems. https://www.researchgate.net/profile/Farhoud_Hosseinpour
      /publication/312850863_A_Review_on_Fog_Computing_Systems/links/588893c7a6fdcc6b7920ba57/A-Review-on-Fog-Computing-Systems.pdf.

    2. Melnik E., Klimenko A., Korobkin V. Reconfigurable Distributed Information and Control System Multiagent Management Approach. // Proc. of the Second International Scientific Conference «Intelligent Information Technologies for Industry» (IITI’17), 2017.

    3. Melnik E. V., Klimenko A. B., Ivanov D. Ya. The Model of Device Community Forming Problem for the Geographically-Distributed Information and Control Systems Using Fog-computing Concept // 3 International Scientific Conference «Information technologies in science, management, social sphere and medicine». 5–8 December, Tomsk, 2017.

    4. More P. Review of implementing fog computing // Int. J. Res. Eng. Technol. 2015. Vol. 4, № 6. P. 2319–2322.

    5. Stojmenovic I., Wen S. The Fog Computing Paradigm: Scenarios and Security Issues // Proc. 2014 Fed. Conf. Comput. Sci. Inf. Syst. 2014. Vol. 2. P. 1–8.

    6. Гост Р 27.002-2009. Надежность в технике. Термины и определения.

    7. Каляев И.А., Мельник Э.В. Децентрализованные системы компьютерного управления. Ростов н/Д. :Издательство ЮНЦ РАН, 2011. 196 с.

    8. Bonomi F., Milito R., Zhu J., et al. Fog computing and its role in the internet of things characterization of fog Computing. In MMC Workshop on Mobile Cloud Computing. 2012. Pp. 13–15.

Павский В. А., КемТИПП,

Кафедра высшей математики, заведующий кафедрой

Павский К. В., ИФП СО РАН,

Лаборатория Вычислительных систем, заведующий,

СибГУТИ, Кафедра вычислительных систем, профессор

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ОЦЕНКИ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ ПРИ ГРУППОВОМ ВОССТАНОВЛЕНИИ
Современные распределенные вычислительные системы (ВС) относятся к высокопроизводительным вычислительным средствам. Количество элементарных машин (ЭМ) в таких системах измеряется от нескольких десятков до сотен тысяч [1]. Увеличение числа ЭМ в системе провоцирует увеличение числа отказов. Практика показывает, что в масштабируемых вычислительных системах время между различными видами отказов может измеряться часами. С другой стороны, отказы или восстановления машин в таких ВС должны приводить лишь к изменению производительности ВС, и не допускать отказа всей системы. Поэтому актуальным становится как организация отказоустойчивого функционирования, так и анализ эффективности функционирования ВС с учетом надежности системы [2].

Для оценки эффективности функционирования ВС используют ряд показателей, среди которых показатели потенциальной живучести, в основе которых лежат вероятности и числовые характеристики случайных величин. Показатели потенциальной живучести вычислительных систем (ВС) учитывают то обстоятельство, что при решении задач используются все исправные ЭМ, число которых, вообще говоря, случайно. Другими словами, при определении показателей живучести следует учесть, что параллельные программы сложных задач, при их реализации на живучих ВС, способны задействовать суммарную производительность всех работоспособных ЭМ системы. Допуская математическую идеализацию, ВС можно рассматривать как объект стохастический.

При построении модели функционирования ВС воспользуемся методами теории массового обслуживания [6, 7], в которой модели такого класса, формулируются по отработанной методике – составляется система дифференциальных уравнений, и в качестве неизвестных функций рассматривается распределение вероятностей. Итак, на систему массового обслуживания (СМО) поступает пуассоновский поток требований интенсивностью . Каждое требование проходит r этапов обслуживания. Время прохождения каждого этапа подчинено экспоненциальному распределению с параметром . По завершении обслуживания сразу начинается обслуживание очередного требования. Требуется найти математическое ожидание номера этапа , на котором находится система при обслуживании требований и соответствующую дисперсию .

Пусть – вероятность того, что в момент времени t СМО находится на этапе k, . Система дифференциальных уравнений имеет вид:



(1)

с начальными условиями ; , и условием .

На рисунке 1 представлена граф-схема состояний СМО, которая позволяет лучше понять связь между формулировкой модели и ее формализацией системой дифференциальных уравнений.

Рисунок 1. Граф-схема состояний СМО
Для решения системы (1) введем производящую функцию

. (2)

Умножая соответствующее уравнение k системы (1) на и суммируя, получим



Выражая каждое слагаемое полученного уравнения через производящую функцию (2) и приведения подобных членов, получим линейное уравнение для производящей функции



. (3)

Для нахождения математического ожидания и соответствующей дисперсии , воспользуемся методом моментов [8]. После соответствующих преобразований над (3) получено следующее решение для среднего числа исправных машин


(4)

На рисунке 2 представлен расчет по формулам (4).





Рисунок 2. Среднее число исправных машин с учетом дисперсии
1/ч, 1/ч, , ЭМ

Итак, в работе представлена модель функционирования распределенных масштабируемых вычислительных систем при групповом восстановлении отказавших машин. Формализация модели выполнена системой дифференциальных уравнений, в которой неизвестными является распределение вероятностей. В качестве показателей эффективности функционирования ВС, приняты математическое ожидание и дисперсия числа исправных машин вычислительной системы. Решения получены в аналитическом виде. Помимо количественной оценки производительности ВС, получена качественная оценка – простым наращиванием вычислительной системы элементарными машинами, без улучшения их параметров, например, без повышения надежности (вычислительных узлов, ядер, сети связи, работы сервисных программ, качества параллельной программы), достигнуть сколь угодно, наперед заданной производительности невозможно.


Литература


  1. Хорошевский В. Г. Архитектура вычислительных систем. М.: МГТУ им. Н.Э. Баумана, 2008. 520 с.

  2. TOP500 Supercomputers Official Site. TOP500 Lists [Электронный ресурс] URL: http://www.top500.org (дата обращения 20.11.2017).

  3. Schroeder В., Gibson Garth A. A large-scale study of failures in high-performance computing systems // Proceedings of the International Conference on Dependable Systems and Networks (DSN2006), Philadelphia, PA, USA, June 25–28, 2006, 10 р.

  4. Корнеев В. В., Семенов Д. В., Телегин П. Н., Шабанов Б. М. Отказоустойчивое децентрализованное управление ресурсами грид // Известия вузов. Электроника. 2015.
    № 1, С. 83–89.

  5. Хорошевский В. Г. Модели анализа и организации функционирования большемасштабных распределенных вычислительных систем. // Электронное моделирование. Киев, 2003. Т. 25, № 6.

  6. Саати Т. Л. Элементы теории массового обслуживания и ее приложения. Изд. 3-е. М.: Книжный дом «ЛИБРОКОМ», 2010. 520 с.

  7. Клейнрок Л. Теория массового обслуживания. М. : Машиностроение, 1979. 432 с.

  8. Хорошевский В. Г., Павский В. А., Павский К. В. Расчет показателей живучести распределенных вычислительных систем // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2011. № 2 (15). С. 81–88.



Павский В. А., КемТИПП, Кафедра высшей математики,

Заведующий кафедрой,

Кемеровский государственный университет,

Кафедра прикладной математики, профессор

Павский К. В., ИФП СО РАН,

Лаборатория Вычислительных систем, заведующий,

СибГУТИ, Кафедра вычислительных систем, профессор

Иванова С. А., КемТИПП,

Кафедра высшей математики, профессор
РАСПРЕДЕЛЕННЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ: ПАРАЛЛЕЛЬНОЕ ПРОГРАММИРОВАНИЕ, ЭФФЕКТИВНОСТЬ ФУНКЦИОНИРОВАНИЯ*
Любые виды действующих вычислительных средств состоят из аппаратной базы (hardware – технического обеспечения) и программного обеспечения. Среди них вычислительные системы (ВС) относятся к группе лидеров. Под ВС будем понимать совокупность взаимосвязанных и взаимодействующих самостоятельных вычислительных единиц или элементарных машин (ЭМ), периферийного оборудования и программного обеспечения. Программное обеспечение можно разделить на две части: прикладное и системное. Системное программное обеспечение – это программы и комплексы программ, предназначенные для использования технических средств компьютера. Прикладное – для решения различных задач пользователей. Отличительной особенностью ВС, по отношению к компьютеру, является наличие в них нескольких вычислителей, реализующих параллельную обработку. Программирование является, образно говоря, мозгом технического обеспечения. Мультипрограммирование – это способ организации выполнения нескольких программ на одном компьютере. Разделяют мультипрограммирование в пакетных системах, системах реального времени и в системах разделения времени. Пакетная обработка используется для достижения максимальной эффективности использования ресурсов вычислительной машины. Системы разделения времени используются для одновременного выполнения нескольких программ в интерактивном режиме. Системы реального времени отличаются предсказуемостью. Разработчики ВС придерживаются следующих основных положений: повышение производительности системы за счет ускорения процессов обработки данных, повышение надежности и достоверности вычислений, предоставление пользователям дополнительных сервисных. Эффективность ВС определяется высокой суммарной производительностью, высокой надежностью, возможностью динамического перераспределения нагрузок между серверами, масштабируемостью, удобством управления и контроля, лучшим соотношением производительности со стоимостью. Вычислительные системы, обладающие этими свойствами, принято называть кластерными.

В первой части доклада рассмотрены распределенные ВС и некоторые вопросы, относящиеся к системному программированию – это мультипрограммирование (вложения параллельных программ в пространственно-распределенные ВС на основе методов разбиения графов) [2, 8]. Параллельные программы выполнялись в пространственно-распределенных ВС на основе протокола IPv6 (англ. Internet Protocol version 6). Работа выполнена в Лаборатории вычислительных систем Института физики полупроводников им. А. В. Ржанова СО РАН и кафедре вычислительных систем ФГБОУ ВО СибГУТИ. Конфигурация тестовой подсистемы мультикластерной ВС представлена в [5-7]. Иерархическая организация памяти кластерных ВС изображена в [5–7]. Представлен иерархический метод вложения параллельных программ для различных разбиений. Проведены эксперименты и сравнительная оценка MPI-программы с другими наборами тестов по производительности (the Parallel Ocean Program, NPB LU, NPB BT, SWEEP 3D, NPB MG). Предложенные алгоритмы наиболее эффективны для разряженных графов MPI-программ с преобладанием дифференцированных обменов [8]. Созданные алгоритмы вложения в пространственно-распределённые ВС позволяют в несколько раз сократить время решения некоторых задач. Наиболее эффективен иерархический алгоритм вложения. Выбор типа графов задач оказывает незначительное влияние на результат вложения.

Вторая часть относится к вопросам стохастического моделирования и анализу эффективности функционирования больше масштабных распределенных ВС. В качестве основного математического аппарата используются методы теории массового обслуживания (ТМО) и имитационного моделирования [1, 3, 5]. ВС рассматривается, как система массового обслуживания (СМО) с параметрами, значения которых определяются статистическими данными или используются их потенциальные возможности (если ВС проектируются).

Рисунок 1. Общая схема проведения исследований
Поставлены задачи


  • Разработать подходы для расчета показателей эффективности функционирования большемасштабных распределенных вычислительных систем;

  • Построить стохастические модели для расчета показателей надежности и живучести большемасштабных распределенных вычислительных систем и осуществимости решения задач;

  • Получить формулы расчета показателей эффективности или их оценки, удобные для инженерных расчетов.

Приведем пример формулировки модели функционирования ВС со структурной избыточностью в терминологии ТМО.

Пусть СМО состоит из N ЭМ. Каждая машина выходит из строя с интенсивностью . Время восстановления каждой ЭМ является случайной величиной. В случае выхода ЭМ из строя она попадает в восстанавливающее устройство (ВУ) и ждет восстановления пока не откажут n ЭМ. В случайные моменты времени ВУ забирает все отказавшие ЭМ и начинает их восстановление с интенсивностью . Требуется найти вероятность того, что в момент времени в СМО ЭМ находятся в состоянии отказа, , , . Положим , если .

Пусть состояние СМО, которой соответствует вероятность . Соответствующий граф состояний имеет вид
)

(

0



t

)



(

1

t

)

(



1

t

k



)

(

t



k

)



(

1

t



k



)

(

1



t

n



)

(

2



t

k



)

(

1



t

)



(

1

t



k



)

(

t



k

)



(

1

t



k



)

(

t



n





1



c

0

c

1



k



c

k

c

1



k

c

n

c

Рисунок 2. Граф состояний


Рассмотрим случай, когда , . Граф формализуется системой дифференциальных уравнений
(1)
условие нормировки .

Точное решение системы уравнений находится с использованием метода производящих функций, и имеет вид.


(2)

Для инженерных расчетов удобно пользоваться формулами, полученными для стационарного режима () функционирования СМО, , .



, , . (3)

Аналогично формулируются модели для других видов систем массового обслуживания, в соответствие структурной таблице, представленной ниже.



Рисунок 3. Стохастические модели (частные случаи процесса)


Пояснения к таблице. В соответствие графу состояний, систему дифференциальных уравнений сводим к одному уравнению в частных производных, в котором неизвестной является производящая функция. Решив уравнение, находим искомые вероятности, путем дифференцирования производящей функции необходимое число раз [1, 7].

Проведено исследование больше масштабных ВС. Разработан подход для анализа функционирования распределенных вычислительных систем, как со структурной избыточностью, так и без нее. Анализ построенных моделей показал, что для повышения производительности вычислительной системы достаточно разумно подойти к организации ее структурной избыточности и восстанавливающей системы [1, 4-7]. Проведенные исследования позволяют сформулировать рекомендации по организации рационального режима функционирования восстанавливающей системы, при котором возможно уменьшение объема структурной избыточности в несколько раз без потери производительности ВС.



*Работа выполнена при частичной финансовой поддержке Российского фонда фундаментальных исследований (проект 16-07-00712).
Каталог: upload -> iblock -> 5e9
iblock -> Часы-смартфон
iblock -> Руководство пользователя для телефона Apple iPhone 6
iblock -> Руководство по эксплуатации Методика калибровки Технические характеристики. Минимальный радиус кривизны поверхностей контролируемых изделий, 6мм
iblock -> Технические требования
iblock -> Технологические карты
iblock -> Оптимизация процесса восстановления измененных и уничтоженных маркировочных обозначений на блоках двигателей транспортных средств
iblock -> Инструкция по эксплуатации Температурный gsm извещатель Grinson T7 Благодарим Вас за выбор температурного gsm извещателя Grinson T7
5e9 -> Рабочая программа дисциплины общая и неорганическая химия


Поделитесь с Вашими друзьями:
1   2   3   4   5   6   7   8   9   ...   14




База данных защищена авторским правом ©vossta.ru 2022
обратиться к администрации

    Главная страница