Файл: Состав и свойства вычислительных систем. Информационное и математическое обеспечение вычислительных систем (Сложные вычислительные системы).pdf

Традиционный подход к проблеме сложности вычислений заключается в уменьшении или ограничении факторов сложности. Как правило, это включает разделение: разделение большой алгоритмической системы на блоки или отдельные части. Вычислительные системы часто проектируются с использованием модульных компонентов. Тем не менее, модульные конструкции становятся восприимчивыми к помехам, когда возникают проблемы соединения модулей.

По мере того, как проекты и алгоритмы становятся все более сложными, растет потребность найти эффективные способы анализа и уменьшения сложности. Поскольку новые вычислительные схемы становятся более сложными, необходимо искать способы управления сложностью, чтобы обеспечить гибкость и отказоустойчивость [3].

Оптимизация параметров является основой уменьшения сложности вычислений. Вычислительный закон достижимой оптимальности [8] устанавливается как общий вид вычислений для упорядоченной системы, и он показывает, что вычисление сложности представляет собой сложное вычисление оптимального выбора и оптимального времени выполнения шаблона выполнения, лежащего в основе конкретного и любого пути опыта упорядоченной системы в пределах Общее ограничение целостности системы. Вычислительный закон достижимой оптимальности имеет четыре ключевых компонента: достижимость, комплементарность [32, 33], условность, надежность. Они как описано ниже.

1. Достижимость оптимальности: любая предполагаемая оптимальность должна достижима. Недостижимая оптимальность не имеет значения для члена в упорядоченной системе и даже для самой упорядоченной системы.

2. Комплементарность. Максимизация достижимости для поиска наилучшей доступной оптимальности - это преобладающая логика вычислений для всех членов в упорядоченной системе и поддерживается упорядоченной системой.

3. Условность: реализуемый компромисс между достижимостью и оптимальностью зависит, прежде всего, от начальной емкости пака и того, как развивается способность ставки вместе с маршрутом обновления таблицы выигрыша, вызванным поведением ставок, и наделяется основополагающим законом вознаграждения и наказания. Именно, это последовательность условных событий, когда следующее событие происходит после достижения статус-кво из пути опыта.

4. Надежность. Чем более сложной может быть достигнутая оптимальность, тем более надежной она является с точки зрения целостности пути.

В законе достижимой оптимальности также имеются четыре вычислительные функции [11]: оптимальный выбор, первоначальный статус, территория, достижение шаблона.

1. Оптимальный выбор (Optimal Choice): вычисление при реализации Оптимального выбора может быть очень простым или очень сложным. Простое правило в «Оптимальном выборе» - это принять все, что достигнуто, «Награда как вы идете» (Reward As You Go - RAYG). Расчет по достижимой оптимальности сводится к оптимизации достижимости при использовании RAYG. Вычисление Optimal Choice может быть более сложным, если в достигнутой игре присутствует несколько стратегий.

2. Первоначальный статус (Initial Status): предполагается, что вычисление начинается с заинтересованного начала, даже абсолютное начало упорядоченной системы в природе может и не должно быть. Предполагаемый нейтральный исходный статус облегчает искусственное или симулирующее вычисление и, как ожидается, не изменит распространенность каких-либо результатов.

3. Территория (Territory): У упорядоченной системы должна быть территория, на которой универсальное вычисление, спонсируемое системой, создаст оптимальное решение, все еще находящееся на территории.

4. Достижение шаблона (Reaching Pattern). Формы «Образцового шаблона» в пространстве вычислений или «Оптимизационный образ» в пространстве вычислений в первую очередь зависят от природы и размеров пространства измерений, лежащих в основе вычислительного пространства, и закона наказания и вознаграждения, лежащего в основе реализованного Испытать путь достижения. Существует пять основных форм пути опыта, на которые мы заинтересованы, настойчиво позитивный путь опыта укрепления, постоянный негативный путь опыта укрепления, смешанный устойчивый путь опыта, разлагающийся путь опыта и путь выбора опыта.

Составное вычисление в пути выбора опыта включает в себя текущее и отстающее взаимодействие, динамическое топологическое преобразование и подразумевает как характеристики инвариантности, так и дисперсии в пути опыта упорядоченной системы.

Кроме того, закон вычисления достижимой оптимальности дает границу между моделью сложности, хаотической моделью и моделью определения. Когда RAYG является вычислением Оптимального выбора, а шаблон охвата - это постоянный положительный опыт, постоянный отрицательный путь опыта или смешанный путь поиска постоянных шаблонов, базовое вычисление должно быть простым системным вычислением, принимающим правила определения. Если у шаблона достижения не существует постоянной картины, имеющей место в режиме RAYG, то основные подсчеты указывают на хаотическую систему. Когда вычисление оптимального выбора включает вычисление без RAYG, это сложное вычисление, управляющее сложным эффектом.

Сложные вычислительные системы являются новым направлением в теории вычислений. Их преимущество в том, что они позволяют решать задачи с наборами алгоритмов или прерыванием маршрутов. Их преимущество в том, что они создают основу для интеллектуальной обработки. По мере накопления опыта действия СВС могут заменяться на системы искусственного интеллекта (СИИ). При полной замене действий СВС на правила СИИ обработка становится интеллектуальной. Недостатком сложных сетевых вычислений является множественность решений, которая требует дополнительного анализа. Недостатком сложных сетевых вычислений является зависимость качества и времени решения от информационного ресурса для вычислительных процессов. В этом отношении они напоминают игру в шахматы лиц с разным уровнем опыта и интеллекта. Условием применения СВС является наличие базы возможных маршрутов и правил перехода между этими маршрутами. Это направление является перспективным, особенно в условиях больших данных.

ЗАКЛЮЧЕНИЕ

Вычислительные системы, как мощные средства обработки заданий пользователей, широко используются не только автономно, но и в сетях ЭВМ в качестве серверов. С увеличением размеров сетей и их развитием возрастают плотности информационных потоков, нагрузка на средства доступа к сетевым ресурсам и на средства обработки заданий. Круг задач, решаемый серверами, постоянно расширяется, становится многообразным и сложным. Чем выше ранг сети, тем более специализированными они становятся. Администраторы сетей должны постоянно наращивать их мощь и количество, оптимизируя характеристики сети под возрастающие запросы пользователей. Управление вычислительными процессами в ВС осуществляют операционные системы, которые являются частью общего программного обеспечения.

В состав ОС включают как программы централизованного управления ресурсами системы, так и программы автономного использования вычислительных модулей. Последнее условие необходимо, поскольку в ВС обычно предусматривается более высокая надежность функционирования, например требование сохранения работоспособности при наличии в ней хотя бы одного исправного модуля. Требование увеличения производительности также предполагает возможность параллельной и даже автономной работы модулей при обработке отдельных заданий или пакетов заданий. В зависимости от структурной организации ВС можно выявить некоторые особенности построения их операционных систем.

Операционные системы многомашинных ВС являются более простыми. Обычно они создаются как надстройка автономных ОС отдельных ЭВМ, поскольку здесь каждая ЭВМ имеет большую автономию в использовании ресурсов (своя оперативная и внешняя память, свой обособленный состав внешних устройств и т.д.). В них широко используются программные методы локального (в пределах вычислительного центра) и дистанционного (сетевая обработка) комплексирования. Общим для построения ОС многомашинных комплексов служит тот факт, что для каждой машины ВС другие машины играют роль некоторых внешних устройств, и их взаимодействие осуществляется по интерфейсам, имеющим унифицированное программное обеспечение. Все обмены данными между ЭВМ должны предусматриваться пользователями путем включения в программы специальных операторов распараллеливания вычислений. По этим обращениям ОС ВС включает особые программы управления обменом. При этом ОС должна обеспечивать распределение и последующую пересылку заданий или их частей, оформляя их в виде самостоятельных заданий. Такие ОС, организуя обмен, должны формировать и устанавливать связи, контролировать процессы обмена, строить очереди запросов, решать конфликтные ситуации.

СПИСОК ИСТОЧНИКОВ

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

2. Herlihy M., Shavit N. The Art of Multiprocessor Programming, Revised Reprint. Elsevier, 2012.

3. Herlihy M., Moss J. E. B. Transactional memory: Architectural support for lock- free data structures. - ACM, 1993. Т. 21. №. 2. С. 289-300.

4. Y. Oyama, K. Taura, and A. Yonezawa. Executing parallel programs with synchronization bottlenecks efficiently // Proceedings of the International Workshop on Parallel and Distributed Computing for Symbolic and Irregular Applications, PDSIA ’99. 1999. P. 1-24.

5. Mellor-Crummey J. M., Scott M. L. Algorithms for scalable synchronization on shared-memory multiprocessors //ACM Transactions on Computer Systems (TOCS). 1991. V. 9. №. 1. P. 21-65.

6. Fatourou P., Kallimanis N. D. Revisiting the combining synchronization technique //ACM SIGPLAN Notices. ACM, 2012. Т. 47. №. 8. P. 257-266.

7. Hendler D. et al. Flat combining and the synchronization-parallelism tradeoff // Proceedings of the twenty-second annual ACM symposium on Parallelism in algorithms and architectures. ACM, 2010. P. 355-364.

8. Lozi J. P. et al. Remote Core Locking: Migrating Critical-Section Execution to Improve the Performance of Multithreaded Applications // USENIX Annual Technical Conference. 2012. P. 65-76.

9. Shavit N. Data structures in the multicore age //Communications of the ACM. 2011. Т. 54. №. 3. P. 76-84.

10. Бурцев, В. С. Параллелизм вычислительных процессов и развитие архитектур суперЭВМ / В. С. Бурцев. - М. : ИВВС РАН, 1997. - 352 с.

11. Хорошевский, В. Г. Распределённые вычислительные системы с программируемой структурой / В. Г. Хорошевский // Вестник СибГУТИ. - 2010. - № 2 (10). - С. 3-41.