PC集群的建立和MPI并行环境的实现与编程

基于商品化部件的高性能集群计算已逐渐成为一种未来主流的并行计算系统．本文介绍了一种基于WINDOWS和MPI并行编程环境的PC集群系统的建立，介绍了MH的特点以及MPI常用编程模式，并给出了具体的实例说明．     

WCCS环境下利用WRK优化高性能计算

基于WCCS平台的高性能集群计算已经被广泛应用在科学计算上.利用WRK对系统进行内核调试并使得计算性能得到优化是本文研究的重点.通过在多台PC机上构建并行化平台,实现了一个可以进行高性能计算的高可用集群系统.该集群系统平台可以完成特定需求的高性能计算.结合上述系统并引入WRK环境对内核调度分配算法进行修改和调整,使得系统对于任务调度,内存分配等进行优化,并将其内核配置到HPC集群的每一个节点上,提高了整个HPC集群的计算能力和用户不同需求的适应性,实验结果表明,该高性能计算集群对于实验室或计算中心的教学与科研有实际的应用价值.     

基于Ubuntu的MPICH2并行集群系统的构建

高性能计算是世界各国竞相发展的高科技技术,而集群系统是高性能计算技术的主流方向,本文结合了当前受到极大关注的一种Linux系统Ubuntu和MPI库的实现MPICH2,介绍了基于Ubuntu的MPICH2并行计算集群系统构建过程。     

基于Linux集群的高性能计算环境

为了提高高性能集群计算系统的计算能力,采用了类似于Beowulf的系统结构和Linux操作系统,提出了Linux环境下基于MPICH软件包的并行集群构建方法,在实验室网络环境下使用多台普通计算机完成了集群的构建,实现了集群的单一登录,单一文件管理,为今后在集群上进行并行编程提供了一个实际的软硬件环境。研究结果表明:构建的基于Linux集群的高性能计算环境,在多机并行环境下,运算时间较单机环境有明显提高。     

开源Linux集群系统服务器池存活性技术研究

在对开源Linux集群系统服务器池存活性进行研究的基础上,提出了一个跨平台、实用的解决方案,该解决方案可以广泛应用于Linux高性能集群系统和负载均衡集群系统．     

高性能计算集群作业调度与机房环境指标变化的研究

通过调查研究甘肃省超级计算中心高性能计算集群作业运行及调度情况,分析引起机房内空气质量、热环境、电磁辐射、噪声等四大指标变化的因素和变化规律,提出在最大化利用高性能计算集群资源为用户提供优质高效服务的同时,针对性地科学利用作业调度、季节温差等技术手段,尽量控制集群系统及各种辅助设备引起的机房环境指标变化,为更好地发挥高性能计算集群效能,保护机房工作人员身体健康提供理论依据。     

集群系统的单一系统映像研究

提出了一种集群网络服务器单一系统映像的结构，即Glosim系统．该系统在操作系统内核层通过修改与IPC对象、进程信号相关的系统调用，提供全局系统映像服务，支持全局IPC对象，包括消息队列、信号量及共享内存，同时引入全局工作进程概念，透明地提供SSI服务，并与LVS和SIOS配合，实现了集群系统的高性能单一系统映像．     

高性能测井曲线自动处理集群的研究与实现

针对目前基于单服务器的测井曲线自动处理系统的缺陷，研究了高性能测井曲线自动处理集群架构与实现。该集群通过高速以太网连接，节点采用对等结构构件系统，通过分布式哈希表进行数据发布、负栽均衡及系统自动扩容。该系统采用分布式处理技术提高了计算能力，采用反馈神经网络进行计算参数选优，又提高了数据处理的准确性。现场实践表明，该系统能够提高系统整体容量与处理能力。     

高校大型高性能计算平台建设模式探讨

随着高性能计算资源需求的不断增长,大型高性能计算集群的建设越来越多,但大型高性能计算集群建设不同于传统的数据中心建设。由于高性能计算集群的高密度属性,其在机房设计、运营管理等方面都与传统的数据中心有着很大不同。结合南京大学两套大规模计算集群的建设经验,对集群建设过程中涉及的主要问题进行了总结,其中包括机房选择、软硬件选型等方面的问题,并在运营管理等方面进行探讨,为进一步提高国内高校大型高性能计算平台的建设提供一些参考。     

集群系统在水下爆炸仿真中的应用

为提高水下爆炸仿真计算效率,对集群系统进行水下爆炸仿真进行了研究,构建了适用于水下爆炸仿真的高性能计算平台,并基于ABAQUS非线性有限元分析软件进行并行计算,结果表明集群系统大幅提高了计算效率,为开展水下爆炸大规模仿真研究提供参考。     

基于区域分解法的地下水有限元并行数值模拟

地下水系统概念的出现对地下水模拟技术、地下水决策支持管理提出了新的要求，比如地下水系统中同时包含包气带模型和饱和带模型，或在饱和带中同时出现孔隙介质模型和裂隙介质模型，更可能在建造地下水模型的同时必须结合考虑地表水模型，所有的这些顾虑和可能均会使模型复杂化，且不说用目前流行的数值方法难于求解，就算能求解也势必造成计算工作量的剧增，这就需要借助高性能计算机来担任这项工作．相对于代价高昂的共享内存多处理器技术，基于分布式模型的机群计算技术为此项工作的实现提供了可能．讨论了如何利用机群计算技术，实现地下水有限元并行数值模拟．从地下水有限元模型的并行求解可能、基于区域分解法的并行算法、并行编程以及并行计算的实现各方面着手，系统地阐述了地下水有限元并行模拟的关键技术，并将该方法应用于一个理想的地下水溶质运移模型中，取得了成功．还讨论了方法的应用前景，包括利用机群计算技术实现对整个流域的地下水进行准实时模拟，为地下水调度提供决策依据．     

基于集群式系统的GSAD算法

针对新出现的高性能价格比的集群式计算方式 ,提出了设计高效 SPMD(single program multiple data)算法的几个原则 ,并基于这些原则 ,给出了求解多极值点优化问题的 GSAD(genetic sim ulated annealing and downhill)算法的描述。该算法有机地结合了遗传算法、模拟退火以及下山的优点 ,达到了高效、收敛、可扩展的效果。基于 MPI编程实现 ,给出了该算法在几个典型的多极值点函数以及实际问题中的应用效果 ,通过与相关工作的简单对比指出了该算法的适用范围和特色。建立 SPMD求解模型是 SPMD算法深入研究的方向     

二维FDTD算法的网络并行运算实现

提出了在由微机互连构成的机群(COW)并行计算系统上应用基于消息传递(Message Passing)的方式实现二维FDTD并行算法.通过区域分割,各个子区域在边界处与其相邻的子区域进行场值的数据传递,从而实现FDTD并行计算.文中还仔细分析了与FDTD相关的外围边界的并行化处理.我们采用MPI并行编程工具来实现并行FDTD算法.文中以二维金属方柱算例验证了算法的正确性和有效性,为运用FDTD方法进行电大尺寸复杂电磁问题数值模拟计算提供了一条有效途径.     

一种集群系统的实现

计算机网络技术的飞速发展使得对网络服务的要求越来越高.如何针对大量客户群体提供可靠而有效的服务,既保证服务质量又减少成本.集群系统使得多台普通服务器可以联合工作,从而达到较高的运算能力和可扩展性.作者在参考了上述技术之后,针对网络服务这一专用领域的集群系统进行了研究,提出一种优化的方案,并详细介绍了它的实现细节.     

Load Feedback-Based Resource Scheduling and Dynamic Migration-Based Data Locality for Virtual Hadoop Clusters in OpenStack-Based Clouds

With cloud computing technology becoming more mature, it is essential to combine the big data processing tool Hadoop with the Infrastructure as a Service(Iaa S) cloud platform. In this study, we first propose a new Dynamic Hadoop Cluster on Iaa S(DHCI) architecture, which includes four key modules: monitoring,scheduling, Virtual Machine(VM) management, and VM migration modules. The load of both physical hosts and VMs is collected by the monitoring module and can be used to design resource scheduling and data locality solutions. Second, we present a simple load feedback-based resource scheduling scheme. The resource allocation can be avoided on overburdened physical hosts or the strong scalability of virtual cluster can be achieved by fluctuating the number of VMs. To improve the flexibility, we adopt the separated deployment of the computation and storage VMs in the DHCI architecture, which negatively impacts the data locality. Third, we reuse the method of VM migration and propose a dynamic migration-based data locality scheme using parallel computing entropy. We migrate the computation nodes to different host(s) or rack(s) where the corresponding storage nodes are deployed to satisfy the requirement of data locality. We evaluate our solutions in a realistic scenario based on Open Stack.Substantial experimental results demonstrate the effectiveness of our solutions that contribute to balance the workload and performance improvement, even under heavy-loaded cloud system conditions.     

Implementation Study of Dynamic Load Balancing Algorithm of Parallel Tree Computation on Clusters of Heterogeneous Workstation

Introduction Inthe1980sresearchersbelievedthatthebestwayto improvecomputerperformancewasbycreatingfasterand momefficientprocessors.Thisideawaschallengedby parallelprocessingwhichinessencemeanslinkingtogether twoormorecomputerstosolvejointlyacomputational problem.Inearly1990sthetrendwastomoveawayfrom expensiveandspecializedproprietarysupercomputers towardsnetworkofworkstations,producinganew computingplatformcalledCOW.[1]Theemergenceof COWhasbeenfosterednotonlybyrecentadvancesin computerhardw…     

GT的安全机制及实现方法的演进

分析了典型的网格计算应用模型G lobus Toolk it(GT)的发展历程,研究网格的安全机制及其实现方法。早期版本GT2,是通过网格安全基础设施(GSI)来保障网格计算环境的安全。GT3则采用基于开放网格服务(OGSA)的安全机制,保留了GT2中的GSI部分结构。随着网格计算与W eb技术的不断融合,即将发布的GT4将采用网格服务资源框架(W SRF),以W S鉴定授权完全取代GSI。     

一种基于微观经济学的网格资源分配模型

引入微观经济学知识,设计了一种双模式网格资源分配模型.在该模型下,根据供求关系影响提供者资源售价,以售价调节消费者资源占用量,支持提供者与消费者双赢的实现.在网格资源丰富时,采用博弈模式,基于Nash均衡和Pareto最优为消费者确定最优资源占用量,同时为提供者确定最优售价;在网格资源稀缺时,采用竞价模式为消费者分配资源.仿真结果表明,该模型是可行和有效的,具有较好的性能.     

基于贝叶斯信任模型的资源调度策略

在科技迅速发展的今天,云平台正在迅速成为科学应用的重要平台.由于云平台下的节点资源数量非常多,显然他们有很多是不可靠的,这些节点会对EXE的执行和调度任务产生很大的影响.在本文中,受贝叶斯认知模型的启发和社会学的信任关系模型的引导,笔者首先提出了一种新的基于贝叶斯方法的认知信任模型,然后,将这种模型应用到资源调度系统中.理论分析和仿真实验证明,笔者提出的方法能有效的满足云计算对节点资源的信任要求,并且牺牲较少的时间成本,确保在一个相对安全的节点资源池中执行云计算任务.     

改进蚁群算法的云计算资源调度模型

针对当前云计算系统资源调度算法的资源利用率低、浪费严重等缺陷,提出一种基于改进蚁群算法的云计算资源调度优化模型,以获得更理想的云计算资源调度方案.首先对云计算资源调度的工作原理进行分析,建立云计算资源调度优化目标函数;然后利用蚁群优化算法模拟蚁群找到一条从起点到目的地的路径,即云计算资源调度目标函数的最优解,并结合目标函数对蚁群算法进行相应地改进;最后采用MATLAB2014R编程实现云计算资源调度优化模型.实验结果表明,该模型在短时间内可找到云计算资源调度的最优解,使资源利用率得到了改善.