建立异构机群系统并行计算环境的一种解决方案

机群技术的快速发展,使得充分利用现有网络和计算机资源建立机群系统以提供高性能计算能力成为可能。文章讨论了建立基于网络的机群系统并行计算环境的一些主要问题,如负载平衡、可视化监控等,并提出和实现了建立机群并行计算平台的一种解决方案。     

基于并行计算中的动态负载平衡

在很多应用中都出现负载平衡的问题,尤其是负载平衡在并行分布式计算系统中起到不同寻常的作用.以工作站机群为代表的网络计算环境是当前并行计算和分布式系统的研究重点之一,解决异构性问题和动态负载平衡是使用机群进行网络并行计算的关键.本文对并行计算中的动态负载平衡问题进行了分析并提出了一些解决办法.     

面向网格计算的机器选择算法研究

在以网络为基础的科学与并行计算环境中，计算资源具有强分布性、异构性和动态性．当应用程序提交给网格计算环境时，需要从全部可用计算资源中选择一个资源子集以支持该应用的执行．复杂的应用问题通常包含多方面的异构性，不同性质的应用适合在不同的体系结构运行．基于对网格中可用资源的动态监测与分析结果，论文使用模糊聚类方法，根据不同的性能指标要求，为不同应用选择不同的计算结点集合．将全部可用结点划分为不同的逻辑分组，每个分组称为一个逻辑机群．针对应用的不同种类，使用λ-截矩阵为每个应用指派一个或多个聚类中心值较大的逻辑机群来协同应用调度．实验表明，根据应用类型进行机器选择，可以明显改善应用性能，通信密集应用选择内部通信性能好的逻辑机群进行调度，性能更优、计算密集应用选择计算能力强的逻辑机群进行调度，性能明显改善．     

Java并行计算环境中的负载监测系统

动态负载平衡是使用机群进行网络并行计算的关键，而获取节点的负载信息是实现动态负载平衡的前提。该文介绍了Java并行计算环境中负载监测系统JSYS的体系结构和使用Java中RMI结合JNI机制的实现方法，并讨论了JSYS使用的负载信息获取技术和原始数据的处理方法，实验结果表明JSYS能够有效地为动态负载平衡提供服务。     

基于遗传算法的动态负载平衡研究

在很多应用中都出现负载平衡的问题,但是更重要的是,负载平衡在并行分布式计算系统中起到不同寻常的作用。以工作站机群为代表的网络计算环境是当前并行计算和分布式系统的研究重点之一,解决异构性问题和动态负载平衡是使用机群进行网络并行计算的关键。文章介绍如何使用遗传算法解决动态负载平衡的问题,以及在实现系统中所采用的一些关键性策略、方法和技术。     

基于Java的分布式并行计算关键技术

本文首先概述了 Java技术的引入对分布式并行计算技术的影响 ,然后就工作机群的组织、问题分布、系统内通信、容错机制等四个关键问题进行讨论 ,分析常见的问题和各种解决方案 ,最后对基于 Java的分布式并行计算的进一步发展前景作简要描述     

Windows环境下的Matlab并行机群计算配置及应用

介绍了两种Windows环境下Matlab并行计算的机群搭建方案,并对这两种方案进行比较,较详细地讨论了Matlab并行计算工具箱中各部件的关系,对并行计算环境中的关键参数设置进行了介绍。通过一个实例在机群上的并行实现进一步说明Madab并行程序设计的方法。本文内容对在Matlab环境下进行并行计算具有一定参考价值。     

MPI网络并行计算系统通信性能及并行计算性能的研究

本文研究了基于ＰｅｎｔｉｕｍＰＣ和１００Ｍｂｐｓ交换工以太网的机群系统的ＭＰＩ并行计算环境的通信及并行计算性能，并将其模型化。并且通过对典型应用实例的测试，分析了通信性能对并行计算性能的影响。     

Windows平台下机群并行编译环境配置

现行的并行计算多是在Linux平台下进行的,为了能够在Windows平台下进行机群并行计算,以Fortran90为开发语言,介绍了Windows XP平台下MPICH2的Fortran90并行编译环境的配置,并进一步介绍在MPICH2环境下Fortran90并行程序的编译、连接和运行方法,从而实现了Windows平台下机群的并行计算。     

数据网格中基于优化机制的通信模型

针对基于多计算机机群构成的网格的大规模并行计算的需要,对多级分组通信模型的单一机群分组通信进行了研究。探讨了在单一机群内的主动节点、被动节点个数和各个计算节点的能力以及机群网络的带宽之间的形式化关系,优化了通信结构,描述了基于能力优化机制的通信模型。理论和试验表明,该模型充分利用了机群的计算节点能力、网络通信能力。该模型适合基于网格的并行计算。     

一种IP分组重组的集群并行计算的方法

基于N元非合作模型的路由切割调度算法的基础,利用集群来解决大规模的IP分组重组问题是一个可行的办法。论文设计实现了IP分组重组（又称网络地址转换NAT,Network Address Transfer）的集群并行计算方法。使用普通PC构建了基于MPI用于IP分组重组计算的SMP集群,研究了在典型的校园网环境下的较大规模的IP分组重组环境并讨论了集群内部计算节点上的两种负载平衡方法。     

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。     

高性能计算集群的Linpack测试及其在大数据中的应用

高性能计算集群用于高效并行计算,具有很高的性价比和良好的可扩展性,如何测试和评价集群系统性能成为一个关键问题。本文基于6个节点的集群进行Linpack测试,测试不同问题规模、计算节点数、求解矩阵数据分块NB、处理器网格拓扑P×Q、网络通信等重要因素,将单机与集群的计算性能进行对比,测试集群性能,结果表明：该集群的并行计算性能良好,可扩展性强,但硬件通讯能力需进一步改善。应用该集群到实际的地震大数据计算中,该集群的并行计算能力得到了很大的提升。     

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。     

G‐BLAST: a Grid‐based solution for mpiBLAST on computational Grids

Over the past few years, research and development in bioinformatics (e.g. genomic sequence alignment) has grown with each passing day fueling continuing demands for vast computing power to support better performance. This trend usually requires solutions involving parallel computing techniques because cluster computing technology reduces execution times and increases genomic sequence alignment efficiency. One example, mpiBLAST is a parallel version of NCBI BLAST that combines NCBI BLAST with message passing interface (MPI) standards. However, as most laboratories cannot build up powerful cluster computing environments, Grid computing framework concepts have been designed to meet the need. Grid computing environments coordinate the resources of distributed virtual organizations and satisfy the various computational demands of bioinformatics applications. In this paper, we report on designing and implementing a BioGrid framework, called G‐BLAST, that performs genomic sequence alignments using Grid computing environments and accessible mpiBLAST applications. G‐BLAST is also suitable for cluster computing environments with a server node and several client nodes. G‐BLAST is able to select the most appropriate work nodes, dynamically fragment genomic databases, and self‐adjust according to performance data. To enhance G‐BLAST capability and usability, we also employ a WSRF Grid Service Portal and a Grid Service GUI desk application for general users to submit jobs and host administrators to maintain work nodes. Copyright © 2008 John Wiley & Sons, Ltd.