|
|
 |
• Содержание выпуска •
• Методы оптимизации и теория управления •
• Искусственный интеллект, интеллектуальные системы, нейронные сети •
• Программное и аппаратное обеспечение распределенных и суперкомпьютерных систем •
• Математические основы программирования •
Программное и аппаратное обеспечение распределенных и суперкомпьютерных
систем
Ответственный за рубрику: д.ф.-м.н., чл.-корр. РАН Абрамов С.М.
Слева для каждой статьи показаны: присвоенный статье порядковый номер;
дата поступления статьи в
редакцию; количество страниц статьи в
формате А5; ссылка на полный текст статьи в формате PDF
/r1/pdf.jpg) .
|
7
Поступила в редакцию 15.01.2021
Подписана в печать 12.05.2021
19 с.
/r1/pdf.jpg)
PDF |
Е. А. Аксёнова, А. А. Лазутина, А. В. Соколов
Минимизация средних затрат на перераспределение
при работе с work-stealing деком в двухуровневой
памяти
В работе рассмотрена задача оптимального управления workstealing
деком (англ. — deque) в двухуровневой памяти. Предполагается,
что известны вероятности параллельных операций с деком и
временные характеристики памяти для двух
уровней. Задача состоит в нахождении
оптимального числа элементов с двух сторон дека, которые при
перераспределении дека должны быть оставлены в быстрой памяти. В
качестве критерия оптимальности рассмотрены
минимальные средние затраты на перераспределение памяти, которые
возникают в случае переполнения или опустошения
быстрой памяти. Такой критерий позволяет учитывать конкретные
скорости доступа к уровням памяти и применять
разработанные методы к разным сочетаниям
быстрой и медленной памяти. Построены математическая и
имитационная модели процесса работы с деком, представлены
результаты численных экспериментов.
Ключевые слова: work-stealing балансировщики,
work-stealing деки, кэширование деков, случайные блуждания,
имитационные модели. |
|
Ссылка на статью обязательна |
http://psta.psiras.ru/read/psta2021_2_53-71.pdf |
|
цифровой идентификатор
статьи DOI |
https://doi.org/10.25209/2079-3316-2021-12-2-53-71 |
|
8
Поступила в редакцию 26.01.2021
Подписана в печать 05.06.2021
31 с.
PDF |
И. Е. Захаров, О. А. Панарин, С. Г. Рыкованов, Р. Р.
Загидуллин, А. К. Малютин, Ю. Н. Шкандыбин, А. Е. Ермекова
Мониторинг приложений на кластере ZHORES в Сколтехе
Стандартные инструменты мониторинга для кластерных
вычислительных систем позволяют оценить работу системы в
целом, но не позволяют анализировать работу
приложений по отдельности. Система
мониторинга для измерения ресурсов, затребованных каждым приложением
в отдельности разработана в Сколтехе для
высокопроизводительного кластера ZHORES.
Система мониторинга собирает как обычные метрики
загрузки процессоров и графических ускорителей, так и
счетчики событий ЦПУ/ГПУ, которые позволяют
более детально анализировать тип ресурса,
затребованный приложением. Сервисные программы, развернутые на
каждом узле кластера, посылают результаты
измерений в единую базу данных временных
рядов с шагом в одну секунду. Эти данные затем анализируются
статистическими методами в режиме оффлайн для выделения
характеристик, связанных с использованием
вычислительных ресурсов каждым приложением.
Мониторинг позволяет выявлять неэффективное программное обеспечение,
производить тонкую настройку работы кластера, а также
улучшать работу высокопроизводительной
системы в целом.
Ключевые слова:
кластер, высокопроизводительные вычисления,
мониторинг приложений, счетчики событий ЦПУ/ГПУ, база данных
временных рядов. |
|
Ссылка на статью обязательна |
http://psta.psiras.ru/read/psta2021_2_73-103.pdf |
|
цифровой идентификатор
статьи DOI |
https://doi.org/10.25209/2079-3316-2021-12-2-73-103 |
|
12
Поступила в редакцию 28.01.2021
Подписана в печать 29.06.2021
14 с.
PDF |
С. С. Шумилин
Методы закрепления граничных узлов при
сглаживании треугольной поверхностной сетки
В задачах численного моделирования, использующих поверхностные
сетки, часто требуется перестроение сетки. Однако при перестроении
сетки могут возникать искажения. Накопление искажений может
привести к развалу решения. Для того, чтобы
поддерживать качество сетки в процессе
расчета, применяются алгоритмы сглаживания. При выполнении
сглаживания методами, сдвигающими узлы сетки,
граничные узлы обычно закрепляют, чтобы
избежать искажений. Однако простое закрепление узлов может
привести к более серьезным искажениям. В данной работе
предлагаются методы работы с граничными
узлами, позволяющие контролировать такие узлы
в процессе сглаживания. Также рассмотрены алгоритмы для работы
с псевдотрехмерными поверхностными сетками, представляющими
отдельный интерес.
Ключевые слова:
вычислительная геометрия, сглаживание, треугольная
сетка, численное моделирование. |
|
Ссылка на статью обязательна |
http://psta.psiras.ru/read/psta2021_2_193-206.pdf |
|
цифровой идентификатор
статьи DOI |
https://doi.org/10.25209/2079-3316-2021-12-2-193-206 |
|
13
Поступила в редакцию 28.01.2021
Подписана в печать 29.06.2021
13 с.
PDF |
С. С. Шумилин
Методы закрепления граничных узлов при
сглаживании треугольной поверхностной сетки
В задачах численного моделирования, использующих поверхностные
сетки, часто требуется перестроение сетки. Однако при перестроении
сетки могут возникать искажения. Накопление искажений может
привести к развалу решения. Для того, чтобы
поддерживать качество сетки в процессе
расчета, применяются алгоритмы сглаживания. При выполнении
сглаживания методами, сдвигающими узлы сетки,
граничные узлы обычно закрепляют, чтобы
избежать искажений. Однако простое закрепление узлов может
привести к более серьезным искажениям. В данной работе
предлагаются методы работы с граничными
узлами, позволяющие контролировать такие узлы
в процессе сглаживания. Также рассмотрены алгоритмы для работы
с псевдотрехмерными поверхностными сетками, представляющими
отдельный интерес. (англ.)
Ключевые слова:
вычислительная геометрия, сглаживание, треугольная
сетка, численное моделирование. |
|
Ссылка на статью обязательна |
http://psta.psiras.ru/read/psta2021_2_207-219.pdf |
|
цифровой идентификатор
статьи DOI |
https://doi.org/10.25209/2079-3316-2021-12-2-207-219 |
|
|
|
|
|
|
|
|
|
• Содержание выпуска •
• Методы оптимизации и теория управления •
• Искусственный интеллект, интеллектуальные системы, нейронные сети •
• Программное и аппаратное обеспечение распределенных и суперкомпьютерных систем •
• Математические основы программирования •
|
