VII Международная студенческая научная конференция Студенческий научный форум - 2015

Согласно проведенным исследованиям разработан и функционирует прототип вычислительной среды, предоставляющий гетерогенные вычислительные ресурсы. Данная система для распределенных вычислений позволила объединить вычислительные ресурсы разных конфигураций и проводить научные исследования, требующие больших вычислений.

Введение

Бизнес-процессы большинства современных компаний полностью завязаны на информационных технологиях. Это требует большой вычислительной мощности и такие расчеты можно осуществить с помощью параллельных или распределенных сетей. От работы вычислительных сетей требуется доступность сервисов в любое время и при любой нагрузки. Один компьютер или выделенный сервер не могут обеспечить высокий уровень надежности и масштабируемости. Этого можно добиться за счет объединения в единую систему двух и более компьютеров. Такие вычислительные сети называются – кластер.

На сегодняшний день кластеры применяют в компаниях и организациях, которым необходима круглосуточная и бесперебойная доступность сервисов. При этом кластеры должны реагировать на возможные всплески нагрузки в сети и оперативно добавлять дополнительные хосты. Для пользователя подобная система остается полностью прозрачной - вся группа компьютеров будет выглядеть как один сервер. Преимущества кластера перед выделенным сервером – это равномерное распределение поступающих запросов, повышенная отказоустойчивость (при выходе одного элемента его нагрузку подхватывают другие системы), масштабируемость, удобное обслуживание и замена узлов кластера.

Существует несколько способов к организации систем распределенных вычислений. Наибольшую производительность обеспечивают суперкомпьютеры. Такие суперкомпьютеры могут решать большой спектр задач, но производство и эксплуатация таких компьютеров требует больших расходов, поэтому сегодня в мире их насчитывается всего несколько сотен [1]. Более дешевое решение по сравнению с суперкомпьютерами, но менее производительное – это соединение кластеров в сервисные GRID-системы [2]. Это решение также требует выделенных ресурсов и значительных затрат связанных с эксплуатацией.

GRID-системы на основе персональных компьютеров (ПК) являются наиболее дешевым решением, обеспечивающим сравнительно высокую производительность. Они являются хорошей альтернативой суперкомпьютерам и сервисным GRID-системами и в ряде задач могут их успешно заменить. Идея использовать ПК для создания распределенных систем основана на том, что большую часть времени персональные компьютеры загружены на малую долю своей мощности, тем самым остаются свободные ресурсы. GRID-системы на основе ПК дают возможность объединить свободные вычислительные мощности персональных компьютеров в единую распределенную систему для решения сложных вычислительных задач.

В настоящее время наиболее известная открытая программная платформа для GRID вычислений – это BOINC университета Беркли. На её основе можно создавать распределенные системы масштаба лаборатории, предприятия, города или всего мира. При этом у всех подобных систем есть два существенных недостатка – необходимость установки и настройки на стороне клиента специализированного программного обеспечения, а также сложность объединения разнородных вычислительных ресурсов (таких как GPU, FPGA и т.д.) в единую распределенную систему.

Указанные проблемы в разработанной гетерогенной системе распределенных вычислений решаются посредством применения концепции GRID-вычислений, в которой вычислительные ресурсы клиентов предоставляются как сервис.

Архитектура гетерогенной системы

Проанализировав требования к системе распределенных вычислений и наиболее распространенные на данные момент GRID-системы, авторы при выборе программной платформы остановились на .NET компании Microsoft [4].

В общем виде архитектура разработанной гетерогенной системы для распределенных вычислений приведена на рисунке 1.

Рис. 1. – Архитектура гетерогенной системы для распределенных вычислений

Любая вычислительная задача, решаемая на представленной гетерогенной системе, состоит из клиентской и серверной части. Основная вычислительная нагрузка ложится на клиентов, которые предоставляют свои вычислительные ресурсы в качестве WCF-сервиса [5]. В качестве вычислительных блоков клиентов могут выступать процессоры общего назначения (CPU), графические процессоры (GPU), а также специальные аппаратные ускорители, выполненные на основе программируемых логических интегральных схем (FPGA). Клиентская часть построена на технологии развертывания приложений ClickOnce [4]. Применение технологии ClickOnce для развертывания распределенных систем позволяет решить другие проблемы подобных систем, такие как: сложность в обновлении клиентской части системы, безопасность запускаемых приложений и необходимость прав администратора для установки клиентской части.

Серверная часть представляет собой WCF-клиент, который по локальной сети или через Интернет обращается к вычислительным ресурсам клиентов. Основными функциями серверной части разработанной гетерогенной системы являются: оценка производительности клиентов и скорости соединения; мониторинг клиентов и процесса вычисления; окончательная обработка результатов вычислений, полученных от клиентов.

Потенциальные потребители разработанной гетерогенной системы для распределенных вычислений представлены в таблице 1.

Таблица 1

Потенциальные потребители инновационного продукта

Отрасль	Пример области применения	Достоинства
Производство	Аэрокосмическое моделирование Моделирование авто и аэрокосмического крэш-теста Вычислительная гидродинамика	Увеличение производительности моделирования может снизить потребность в дорогих прототипах и деструктивных испытаниях, а также уменьшает время между разработкой и производством новых продуктов.
Научные исследования	Имитационное моделирование CAD Статистический и численный анализ	Увеличение производительности приложений приводит к более точному моделированию и анализу. Это открывает новые возможности для научных исследований.
Финансовые услуги	Моделирование торговой стратегии Ценообразование и прогнозирование Управление рисками	Повышенная точность моделирования в сфере финансов позволит более качественно проводить анализ рынков и снизить риски.
Развлечения	Анимация, спецэффекты, ирендеринг видео 3D моделирование	Быстрый 3D-рендеринг сокращает время выхода новых развлекательных продуктов на рынок.

Основные преимущества разработанной гетерогенной системы для распределенных вычислений, по сравнению с существующими аналогами:

• Объединение в единую систему вычислительных узлов различной архитектуры (CPU, GPU и FPGA).

• Простота развертывания системы. Чтобы подключить нового клиента к вычислениям необходимо зайти на веб-страницу проекта в Интернете, либо в сетевом окружении. Затем на стороне клиента будет установлена последняя версия системы, и он будет готов к вычислениям.

• Возможность коммуникации на основе различных протоколов, в том числе и с шифрованием.

• Возможность динамического добавления и отключения, как клиентов, так и отдельных вычислительных блоков клиента во время вычислений.

• Разработка вычислительных задач на современных языках программирования, таких как C#, VB.NET, Iron Python и др.

Заключение

На базе кафедры «Информационные системы и радиотехника» ИСОиП (филиал) ДГТУ разработан и функционирует прототип вычислительной среды, предоставляющий гетерогенные вычислительные ресурсы. Разработанная система для распределенных вычислений позволила объединить вычислительные ресурсы разных конфигураций и проводить научные исследования, требующие больших вычислений, в областях машинного обучения, моделирования искусственных нейронных сетей и др.

Список литературы

1. Top 500 Supercomputers. – URL: http://www.top500.org

2. Maad S. Grid Computing - Technology and Applications, Widespread Coverage and New Horizons. InTech, 2012. 354 p.

3. Posypkin M. Using BOINC desktop grid to solve large scale sat problems. Computer Science, 2012 1(13). 25-34 рр.

4. Stephens R. Fundamentals of Microsoft .NET Programming. Microsoft Press, 2011. 266 p.

5. Cibraro P. Professional WCF 4: Windows Communication Foundation with .NET 4. Microsoft Press, 2010. 390 p.

Код для цитирования: Скопировать