计算网格中作业调度系统GridPBS的设计与实现

通过对目前流行的集群调度系统PBS进行封装和扩展,设计并实现了一个计算网格作业调度系统GridPBS。该系统可使PBS系统的应用拓展到整个计算网格环境,克服了现有PBS系统只能在单个集群节点上运行的局限性。根据计算网格中的集群资源运行情况对用户作业进行凋度分配,从而有效地整合和利用计算网格各节点的计算能力。     

PKI在P2P-Grid安全计算平台中的应用

由于P2P系统节点的分布性,集中式的安全控制方式难以有效使用。借鉴网格计算的安全技术,提出了将PKI技术应用到P2P-Grid计算平台中的设计方案,首先由客户端发出请求,通过CA服务器认证后,与网格服务器建立安全连接,并按照一定的访问控制策略将任务分配到获准使用的网格节点。网格节点资源采用P2P的PeerGroup形式进行组织和管理,由PeerGroup中的Peer完成分布式计算,然后将各个Peer的计算结果汇总到网格服务器,最后将计算结果返回到客户端。该设计方案在一定程度上实现了在P2P-Grid平台上分布计算的安全性。     

实现每秒5000亿次浮点运算

华中科技大学采用48台HP Integrityrx2600服务器作为节点、以1台Integrityrx2600服务器作为管理节点、通过高速互连设备组成高性能计算集群正式投入使用。该系统拥有高达每秒5000亿次的峰值浮点运算能力,是国内大学院校中第一个达到如此高速计算能力的高性能集群系统,目前也成为了全国网格计算的重要组成部分。在中国教育科研网格计划中,华中科技大学是首批参与这一计划的12家院校之一。该计划要求各个院校整合计算平台,加入此计划的第一批大学院校要求具有5000亿次计算能力的超级计算节点。在对华中科技大学高性能计算需求进行全面分析之…     

基于LDAP的网格计算池资源监控系统的设计与实现

本文主要讨论基于LDAP目录服务器实现对计算池中网格资源的管理与监控。该部分主要涉及计算池(Computingpool)框架的设计、LDAP服务器的设计,并应用Java名字及目录接口JNDI访问LDAP目录服务器,实现对计算池中节点的实时监控。     

基于集群管理系统相关理论及关键技术研究

集群系统的优点是可扩展性好,但随着集群系统规模的增大,节点数目的增多,集群系统整体的可靠性会相应降低。另外,用于支持不同应用管理的服务器集群系统涉及的用户数目庞大,因此高可用性对服务器集群系统具有格外重要的意义。本文的目的是研究集群组管理的相关理论和技术,并实现其中的部分技术。     

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。     

一个数据并行型计算的网格资源的管理模型

在由多计算机集群构成的数据网格环境下，挖掘网格计算节点的空余资源来支持数据并行型计算（Data Parallel Computing，DPC），提出了一个基于分类、统计机制的数据网格管理模型。根据不同时间的网格资源的空余、各类DPC以及逻辑计算机机群，研究了支持DPC的网格资源管理模型。实验表明，该模型有效地解决了网格环境下数据并行型计算所需的空余资源优化使用问题。     

联想服务器——联想深腾7000服务器助力大连理工大学

由64个节点联想深腾7000高性能服务器组成的连理工大学校园网格计算平台中心节点顺利建成，实现了与原有联想深腾1800等产品组成的多计算平台的有效整合。本次联想为该校设计的高性能计算机总体方案，采用了先进的MPFS一体化并行文件系统，使校园网格计算平台计算能力理论峰值达到4．6Tflops，基于以太网并行效率70％以上，存储能力达到10TB。     

联想服务器——联想深腾7000服务器助力大连理工大学

由64个节点联想深腾7000高性能服务器组成的连理工大学校园网格计算平台中心节点顺利建成,实现了与原有联想深腾1800等产品组成的多计算平台的有效整合。本次联想为该校设计的高性能计算机总体方案,采用了先进的MPFS一体化并行文件     

集群技术在税务信息集中的应用

基于集群计算思想建立的集群系统可以为市级税务部门信息处理大集中提供服务器平台。集群系统由处理计算节点集群、SAN存储系统、数据库管理集群、集群内部互连网络、外部服务网络和集群管理控制台等6部分组成。通过对山东地税系统使用基于集群技术的税务大集中应用案例的分析和测试,显示了集群技术应用在税务大集中项目中的先进性、优越性和实用性,完全可以满足市级税务大集中的应用需求,具有广阔的应用前景。     

基于多智能体的多机群网格模型

在由多计算机机群构成的网格环境下,为了实现数据并行型计算,提出了一个基于多智能体机制的网格开发模型.给出了由多计算机机群组成的网格、逻辑计算机机群、数据并行型计算和一系列Agent的定义.利用管理智能体、独立计算智能体、协同计算智能体以及协同计算组之间的协同计算机制来实现数据并行型计算.描述了网格计算过程.实践表明,该模型有效地适应了多机群网格环境的异构性、动态性等特性,提高了计算资源的利用率.该模型适合于基于网格的并行型计算.     

基于集群的海洋遥感图像融合并行计算策略

集群体系下的大规模并行计算,是高性能计算的基础。遥感图像处理效率的提高,有赖于并行计算技术的应用。在分析已有网格计算环境下分布式任务分配方法的基础上,针对海上遥感图像目标物数量相对较少的特点,首先利用四叉树结构理念对目标区域进行划分,同时采用动态负载均衡的任务分配策略与并行计算思想,提出对目标区域图像进行融合处理的集群体系任务分配算法处理模型。通过对比验证,表明该集群体系下算法模型能有效地提高图像融合的速度。     

网格环境下集群管理系统

分析了集群接入网格的过程中所面临的问题,研究了在网格环境下使用集群的方法,详细分析了集群接入网格需要提供的接口和服务,并实现了一个网格环境下集群管理的原型系统,将集群转化成为一种标准的、透明的资源接入网格.通过该系统用户能够在任何地方使用分布在各处的集群资源,系统能保证用户提交的作业正确、有效的运行,并及时向用户反馈提交作业的相关信息.实验分析表明,该系统能够有效的整合集群计算资源,从而提高计算能力,增大全局吞吐量.     

基于任务的计算网格访问控制模型研究

网格的安全性因其广泛的资源共享和动态、多域的异构环境而显得极为复杂.网格安全基础设施(GSI)可以解决身份鉴别、保密性和完整性问题,却难以有效解决访问控制问题,传统的访问控制模型也不能很好的满足网格的安全需求.本文在华中科技大学计算网格平台基础上,研究并提出了一种基于任务的计算网格访问控制模型,该模型通过定义授权步和任务状态及系统条件约束,能动态地控制主体访问资源的权限,具有较好的通用性、灵活性和可扩展性,并已在计算网格实验平台中得到了实现.     

基于网格计算池模型的作业调度策略研究

在现阶段,网格的计算池模型是一种较实用的网格实现方式,其资源的查找和分配机制也相对简单。文章根据计算池模型的特点,参照织女星网格的体系结构,将基于最短路由转发的资源发现机制与任务调度算法相结合,提出了一种新的网格任务调度策略,并给出了简化模型清晰地描述了任务在此策略下全部的执行过程。     

一个基于服务的网格计算模型

文中提出一个基于服务的网格计算模型,该模型强调了一个网格就是一个特殊的计算系统。通过这个模型与传统计算系统模型的比较,分析了它们的相似点和不同点,这对于网格的研究是很重要的。文中所提出的模型对网格计算的研究也是非常有用的。它不仅为开发一个网格系统提供了一定的帮助,而且为网格理论上的研究提供了一个框架。     

基于计算期望的网格资源管理模型

网格环境下的计算资源具有分布性,异构性,动态性的特征,并分别属于不同的组织,使网格资源管理相对分布式计算环境或集群环境下的资源管理更加复杂.在计算经济模型的基础上,提出了一种基于计算期望的网格资源管理模型.模型将计算任务抽象成对计算期望的描述,以实现灵活高效的网格资源管理和调度.通过可变价格策略,反映了网格内资源的供求关系,并对基于预留的Qos保证进行了初步的讨论.     

云计算技术综述

介绍云计算的工作原理、与网格计算的区别、云计算的特点及应用模式,简述云计算的关键技术,包括虚拟化技术、数据存储技术、数据管理技术、编程模型技术和资源监控技术,指出云计算应用存在的主要问题。     

MPI程序在网格环境下移植的研究

将现有MPI并行程序移植到网格环境下有着非常现实的意义，本文介绍了网格计算的概念和MPI并行计算模型。阐述了将现有的MPI并行程序移植到Globus网格环境下的重要性，并针对这类移植的一种折中方案——MPICH—G2进行了研究、实验，总结了这种方案的特点和相关技术。     

一种基于任务和角色的计算网格访问控制模型

网格安全基础设施解决了身份鉴别、保密性和完整性问题,但难以有效解决访问控制问题,传统的访问控制模型也不能很好地满足网格的安全需求。该文提出一种基于任务和角色的计算网格访问控制模型。该模型通过定义授权步及系统条件约束,能动态地控制主体访问资源的权限,具有较好的通用性、灵活性和可扩展性,并已在计算网格实验平台中得到了实现。