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。     

影像数据分布并行计算处理平台体系架构研究

遥感影像数据并行处理系统大多依赖于国外商用产品,而国内自主化并行计算处理系统的任务流程化支撑能力以及并行计算性能难以适应规模化生产。为此,基于Hadoop的HDFS,MapReduce集群并行架构、CPU和GPU协同并行处理、内存映像、BMP等技术,提出流程驱动执行的高性能分布式并行计算处理平台体系架构。实验结果表明,工作站集群和工作站内多粒度混合的并行计算架构提高了平台并行处理性能,为海量遥感影像数据产品的批量生产提供一种自主化解决方案。     

分布式渲染调度策略优化研究与实现

围绕如何提高分布式渲染任务执行效率这一目标,重点研究了LSF作业管理系统工作原理以及扩展调度插件机制,设计并实现了依据服务节点负载量及处理能力选择候选主机的分布式渲染调度算法（DRS）,并利用LSF调度插件嵌入自定义调度模块,该模块能与系统内置调度模块协同工作。最后构造仿真集群执行环境,通过模型渲染验证了算法的有效性。     

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LSF的集群系统在集成电路设计中的应用

介绍了计算机集群技术。并以LSF为例,阐述了包括体系结构、工作原理、调度算法以及工作过程在内的作业管理系统。最后,针对集成电路设计系统。给出了系统框架和工作流程,设计并实现了LSF集群系统。     

基于Linux集群的并行计算

对普通用户来说,在专业集群中进行并行计算的处理,存在费用高、管理困难和操作复杂等问题。针对该问题,利用PC和以太网相连的实验环境,采用集群工作框架和并行计算的关键技术,提出基于Linux集群的并行计算系统环境。在该环境上对系统的性能进行测试,结果证明了系统的可行性。     

基于移动代理的分布式并行计算中间件设计与实现

文中提出了一个基于移动代理(Mobile Agent)的分布式并行计算中间件，用于将Internet用户闲置的计算资源与其他成员共享。针对分布式并行计算中存在的问题，利用移动代理技术的特点，将中间件的体系结构分为两层，为分布式并行计算提供各种基础服务，尤其是任务迁移和容错机制。着重介绍了分布式并行计算中间件的主要实现技术，实现了一个分布式并行计算原型系统并给出实验结果。     

基于Linux的PC集群系统的构建

并行计算在各个领域的应用越来越广泛,基于Linux的PC集群系统是一个廉价、高效的并行计算系统。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,提供了软件的详细配置过程,为在集群上进行并行编程提供了一个实际的软硬件环境。     

基于PC集群的MPI并行环境的搭建

集群是充分利用计算资源的一个重要概念,PC集群是最易构建的分布式并行计算环境。MPI是应用最广的并行程序设计平台。本文通过实例阐述PC集群及PC集群上的MPI并行计算环境的搭建。     

基于Linux集群的并行环境简单架设*

并行计算在各个领域的应用越来越广泛,而基于Linux集群的MPI并行环境是一个廉价、高效的并行计算系统。介绍了两种简单的基于Linux集群的MPI并行环境的构建方法,并且提供了软件的详细配置过程。     

PCB—A Distributed Computing System in CORBA

CORBA (common object request broker architecture) provides a conceptual software bus for distributed object systems, which is not only suitable for enterprise distributed computing, but also suitable for parallel–distributed scientific computations. This paper describes a distributed computing system, named PCB (parallel component bus), based on a cluster of computers with the Java/CORBA technologies. The architecture of the system supports scalability in either SPMD or MIMD models. The measured performance of a parallel computation shows that the system can reach N-fold speedup for large grain applications.     

基于Docker的MPI和OpenMP混合编程

针对当前搭建集群并行系统复杂且耗时等问题,提出基于Docker搭建并行系统。介绍轻量级虚拟化技术Docker的核心概念和基本架构,并基于Docker技术在Linux平台上搭建集群并行开发环境。简要阐述并行计算的思想,叙述MPI和OpenMP并行计算的基本概念和特点,针对矩阵并行乘法的算法建立MPI和OpenMP的混合编程模型,并给出混合编程模型与MPI并行编程模型以及OpenMP并行编程模型的性能对比,分析出现差异的原因。基于该混合编程模型比较Docker与传统物理机两者搭建的并行系统的并行效率。     

云计算集群服务器系统监控方法的研究

随着云计算技术越来越多地应用到信息产业的各个领域,云计算环境下集群服务器系统的监控与管理的需求越来越大。云计算下的集群服务器系统主要是通过一系列基于分布式架构的服务器集群组成,其下的服务器数量可能多达上万台。要管理好数量如此大的云计算集群服务器系统,保证其高性能运行,必然需要一套有效的云计算集群监控系统对其进行监测与调控。但是,传统的集群监测系统存在一些不足与弊端。本文对于云计算集群系统的高性能监测调度方案进行了研究,从云监控系统的架构、数据采集、负载均衡调度方面进行了探讨,构建了一个保证云计算集群系统高性能运营的云系统方案。     

Hadoop云平台MapReduce模型优化研究

针对Hadoop平台MapReduce分布式计算模型运行机制中的顺序制约而产生的计算资源浪费问题,从提高平台中每个执行节点的细粒度并行数据处理角度出发,结合Java共享内存多线程编程技术,对该模型进行了优化,提出一种MapReduce+OpenMP粗细粒度相结合的分布式并行计算模型。并在由四个节点组成的Hadoop集群环境下对不同规模大小的出租车GPS轨迹数据分析处理,验证该模型的性能和效率,实验结果证明MapReduce+OpenMP分布式并行计算模型确实能够提高针对大数据集的计算效率,是对Hadoop平台大数据分析处理模型有效的完善和优化。     

基于MPI的并行有限元计算集群的构建

1.引言 随着工程数值计算所分析问题规模的不断扩大及工程复杂性的日益提高,对计算机计算能力的要求也越来越高,而硅芯片单个CPU计算机因其较低量级的物理极限的存在也越来越无法满足需要.在这种背景下,并行计算机也就应运而生.另一方面,计算机计算能力的     

集群系统与分布式计算

集群技术与集群系统是实现高性能计算的新途径。常见的集群架构分为Web/Internet集群系统和并行运算集群系统两种。集群技术的一个非常重要的方面是资源管理和负载平衡。集群系统可以分为高性能科学计算群集、负载均衡群集、高可用性群集等三大类。分布式计算是集群技术的理论基础,包括中间件技术、网格技术、移动Agent技术等。最后介绍了中科红旗的两个集群系统产品负载集群和高可用性集群。     

数据分布型sort-first并行图形绘制系统的研究与实现

sort-first体系结构常用来构建高性能并行图形绘制系统，基于immediate-mode的数据集中型Sort-first系统，对网络带宽高度依赖，网络带宽和归属计算易成为系统瓶颈,提出了一个基于retain-mode的数据分布型并行绘制系统，工作原理是将几何数据分布于绘制结点，并利用帧间相似性动态调整绘制结点上的数据分布以适应视角的改变，有效地降低了数据分布所需的传输开销，系统利用Cell结构来控制并行粒度，实验结果显示能以相对较低的并行开销实现高分辨率显示和并行加速。     

基于SMP集群系统的并行编程模式研究与分析

并行计算技术是计算机技术发展的重要方向之一,SMP与集群是当前主流的并行体系结构。当前并行程序设计方法主要采用基于消息传递模型的MPI和基于共享存储模型的OpenMP,两种编程模式各有特点和适用范围。对SMP集群以及MPI和OpenMP的特点进行了分析,介绍了在SMP集群系统中利用MPI和OpenMP混合编程的可行性方法。     

基于Jupyter交互式分析平台的微服务架构

随着Jupyter Notebook在数据科学领域应用规模的不断扩大,对于多用户管理和集群计算资源调度的功能需求越趋增加.本文从Jupyter相关基本概念入手,阐述了Jupyter对于科研成果交流传播的作用影响,总结了目前国外科研机构、高等院校等组织在研究Jupyter分布式架构方面的现状;详细分析了Jupyter体系架构特点,运用微服务的方式重构Jupyter,并通过Kubernetes的资源调度分配算法,实现了基于容器技术的高弹性分布式微服务架构.测试结果数据表明,本文提出的架构在访问负载性能上得到了一定程度的提升,在用户运行数量方面达到了集群上负载均衡的目标.     

Moset: An anonymous remote mobile cluster computing paradigm

The advance of technology in terms of cellular communications and the increasing computing power of the mobile systems have made it convenient for people to use more of mobile systems rather than static systems. This has seen more of mobile devices in personal and distributed computing, thus making the computing power ubiquitous. The combination of wireless communication and cluster computing in many applications has led to the integration of these two technologies to emerge as Mobile Cluster Computing (MCC) paradigm. This has made parallel computing feasible on mobile clusters, by making use of the idle processing power of the static and mobile nodes that form the cluster. To realize such a system for parallel computing, various issues such as connectivity, architecture and operating system heterogeneities, timeliness issues, load fluctuations on machines, machine availability variations and failures in workstations and network connectivities need to be handled. Moset, an Anonymous Remote Mobile Cluster Computing (ARMCC) paradigm is being proposed to handle these issues. Moset provides transparency to mobility of nodes, distribution of computing resources and heterogeneity of wired and wireless networks. The model has been verified and validated by implementing a distributed image-rendering algorithm over a simulated mobile cluster model.