Beowulf并行计算系统的研究与实现

由高档微机或RISC工作站通过高速局域网连接呵成的集群系统的实现，使高性能计算机从研究与应用领域走进普通领域。该文介绍了如何在Linux操作系统下基于分布式存储结构构造一个由普通微机组成的Beowulf并行计算系统的方法。通过编制的并行计算算法对该Beowulf系统进行了并行效率的实际测试，测试结果表明该Beowulf系统具有很高的并行计算效率和并行加速比。     

一个基于Windows和PVM的Beowulf机群系统的设计与性能分析

具有良好性价比的Beowulf机群系统在并行计算领域得到越来越广泛的应用。论文介绍了在Windows 2000 Server操作系统下基于PVM3．4beta6环境构造一个Beowulf机群系统的方法。利用一个并行算法实际测试了该Beowulf系统的并行计算加速比和并行效率。结果表明该Beowulf系统具有很高的并行计算效率和性价比。     

基于MPI并行计算的信号稀疏分解

在研究信号稀疏分解理论及其最常用的匹配追踪算法的基础上,针对MP算法存在的计算量过大的问题,提出一种基于并行计算系统实现信号稀疏分解的方法。该方法利用8台微机,采用MPI消息传递机制,以100 M高速以太网作为互联网络,构建了一套Beowulf 并行计算系统,在此系统上通过编制并行程序来实现MP算法。实际测试表明这种方法具有很高的并行计算效率,分解时间从单机75 min左右下降到8机并行11 min左右,大大提高了信号稀疏分解的速度。     

异构Beowulf系统负载均衡技术的研究与实现

负载均衡技术是并行计算系统的关键技术之一,其主要思想是将计算任务合理分配到各节点,以避免由于某个节点的计算速度慢而导致的整个系统的性能瓶颈.为了使系统达到更优的结果,提出了一种基于MPICH的负载均衡模型.构建了一个异构Beowulf并行计算系统,并且用-个适合异构环境的矩阵分块相乘算法进行了性能测试.实验结果表明,此算法比使用传统的矩阵相乘算法执行效率更高.从而证明了系统能够把计算任务高效合理地分配到各个节点.     

在MPICH集群分布系统下复杂分子动力学的并行计算

在以MPICH技术构建的局域网集群系统下,利用分子动力学并行计算软件Protomol和三维分子模拟软件VMD构建大规模并行计算平台,完成若干复杂分子动力学典型实例的仿真运算。计算结果表明：采用并行计算能持续有效地利用现有计算机资源,同时大幅度提高计算效率,在现有并行集群系统下可以获得3倍以上的加速比,为实现复杂分子动力学的深入研究提供了可行方案。     

基于Beowulf集群的可扩展性模型的研究

可扩展性是衡量并行算法与并行系统匹配程度的一项重要指标.分析了传统的等并行开销计算比评价准则,指出其优缺点.为了适用于基于Beowulf集群的分布式并行计算环境,对传统的等并行开销计算比评价准则进行改进,得到Beowulf环境下的新的可扩展函数.该可扩展函数能够直观地反映基于Beowulf集群的分布式并行系统在机器规模和问题规模扩展时,其性能的扩展特性.用该评价准则分析并论证了编制的并行算法与BeowuIf集群相结合的可扩展性.     

基于MPICH的Beowulf集群系统构建与性能评测

Beowulf集群系统是基于广泛应用的高性能网络环境的由一些微机组成的系统,它可以运行于很多操作系统如Linux、Windows。论文主要介绍了如何在Linux操作系统下构建Beowulf集群系统的方法,并利用矩阵相乘算法对该系统进行了系统性能测试。     

并行计算在弧形翼弹数值仿真中的应用

在以MPICH技术构建的局域网集群系统下,利用并行计算程序进行了超声速弧形翼-身组合体的三维绕流流场数值仿真,得到了弧形翼射弹的流场信息;并且通过对不同数量网格在集群不同结点数目下的计算结果进行分析比较,得出了加速比和并行效率随结点数目变化的规律,发现大规模网格在加速比和并行效率方面性能优越,更适合集群系统的并行计算,同时验证了此集群系统在数值仿真应用中的有效性和优越性,为进行大规模科学工程计算提供了技术支持.     

双CPU计算服务器MPI并行环境的实现及其在生物大分子动力学模拟中的应用

在Red Hat Linux 9.0操作系统环境下,通过建立双CPU服务器,并采用MPICH并行技术,实现双CPU的并行计算。采用分子动力学模拟程序Amber 7.0分析双CPU并行系统的计算效率,结果表明:该并行系统能够有效地利用现有计算资源,同时计算效率得到较大幅度地提高。在该系统的基础上,采用分子动力学模拟计算生物大分子核酸与药物小分子复合物,在分子水平上提供了较详细、明确的结构变化情况。     

基于PC集群系统的MPICH大规模并行计算实现与应用研究

在Win2000 Server操作系统环境下采用MPICH并行技术，建立了基于PC局域网平台的并行集群系统，并通过VC 6．0调用消息传递库MPI函数完成了3个并行计算实例。符合MPICH规范的PC并行集群系统配置简便、系统稳定、界面友好、性价比高，能够持续利用计算机现有资源和大幅度提高计算效率。     

基于HPJava集群系统的环境搭建与性能分析

Beowulf集群系统是基于广泛应用的高性能网络环境的由一些微机组成的系统,它可以运行于很多操作系统,如Linux、Windows。Java在作为科学与工程计算语言方面,并没有显著的缺点,却有一些明显的优点。随着Java编译技术的进步,用户会发现用Java编写新应用程序将变得更有吸引力。HPJava语言作为一种支持科学和并行计算的Java新扩展语言,尤其适合大型的并行编程和分布式存储的计算机。HPJava是用Java来实现科学和并行编程的环境,它是基于Java语言的扩充。主要介绍了HPJava在Linux系统下构建集群的方法,并用矩阵相乘算法对该系统进行了性能分析。     

集群环境下的并行聚类算法

探讨在集群环境下，如何设计并行聚类算法。作为一种低成本、通用并行系统，集群系统的通信能力，相对于节点的计算能力，是一个瓶颈。所以在集群环境下，设计并行聚类算法时，应采用数据并行的思想。从理论上，对采用数据并行思想后，影响聚类算法的加速比和聚类质量的因素进行了分析，然后通过一个验证算法PCIT(Parallel clustering algorithm based on Index Tree)证实了理论分析的正确性。研究结果可以为以后设计更好的数据并行聚类算法提供理论依据。     

异构Beowulf系统负载均衡技术的研究与实现

负载均衡技术是并行计算系统的关键技术之一,其主要思想是将计算任务合理分配到各节点,以避免由于某个节点的计算速度慢而导致的整个系统的性能瓶颈。为了使系统达到更优的结果,提出了一种基于MPICH的负载均衡模型,构建了一个异构Beawulf并行计算系统,并且用一个适合异构环境的矩阵分块相乘算法进行了性能测试。实验结果表明,此算法比使用传统的矩阵相乘算法执行效率更高。从而证明了系统能够把计算任务高效合理地分配到各个节点。     

大规模油藏数值模拟软件并行计算技术及在Beowulf系统上的应用进展

本文主要介绍了大规模油藏数值模拟并行计算技术在国内的研究进展,提供了精细油藏模拟在国产Beowulf系统上的计算实例和应用效果,给出了百万网格点规模的油藏应用算例在不同处理器规模下的数值模拟计算结果与性能分析,并实现了一个针对海量数据可视化的三维图、二维图、表格显示的后处理显示系统．     

基于Beowulf机群中改进粒子滤波的3D人体运动跟踪

针对标准的粒子滤波算法在视频三维人体运动跟踪中存在的计算量巨大、粒子退化、跟踪失效而无法同时满足跟踪精度和跟踪实时性要求的问题,提出了基于Beowulf机群中改进的粒子滤波新算法。新算法通过三维人体模型参数的自动初始化、粒子数目和模板的调整来实现跟踪失效的自动恢复,基于任务动态分配策略、低开销通信策略设计的Beowulf机群中的迁移式粒子滤波并行算法克服了粒子退化问题和提高了计算速度。实验结果显示：新方法有效地减轻了粒子退化和跟踪失效问题,降低了计算时间,提高了跟踪精度,能够同时满足三维人体运动跟踪精度和实时性的要求。     

基于局域网和MPI的PC集群计算环境

利用现成PC构建由几十乃至几百台PC组成的廉价、实用且性能优良的并行计算机。实验系统是在由40台PC组成的以太局域网内,建立一个基于TRUBO—LINUX和MPI的集群计算环境,并在此基础上进行并行计算实验和性能测试。实验表明,这种环境适合于那些进程之间通信不频繁的或者通信开销相对于计算开销小得多的中粒度或粗粒度的计算任务。     

EBE-PCG算法在有限元并行计算中的应用研究

目前,在研究有限元并行计算时,讨论并行算法理论和并行算法设计与分析的居多,研究并行算法的实现并解决实际问题较少。在Beowulf集群环境下,采用EBE策略设计出基于PVM平台的EBE-PCG算法,并通过一个电法勘探的典型工程算例对该算法在有限元计算中的性能进行了测试。实验结果表明,该算法加速比和并行效率均较为理想;在处理同等规模的问题时,同CG算法、PCG算法相比,具有并行度更高,耗时更少等优点。     

Current issues in high performance computing I/O architectures and systems

The abundance of parallel and distributed computing platforms, such as MPP, SMP, and the Beowulf clusters, to name just a few, has added many more possibilities and challenges to high performance computing (HPC), parallel I/O, mass data storage, scalable architectures, and large-scale simulations, which traditionally belong to the realm of custom-tailored parallel systems. The intent of this special issue is to discuss problems and solutions, to identify new issues, and to help shape future research directions in these areas. From these perspectives, this special issue addresses the problems encountered at the hardware, architectural, and application levels, while providing conceptual as well as empirical treatments to the current issues in high performance computing, and the I/O architectures and systems utilized therein.