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。     

Linux下集群系统的设计与实现

并行计算广泛地应用到各个领域,基于Liux集群的MPI并行环境是一个廉价而高效的并行计算系统.对网络文件系统NFS、Secure Shell(SSH)、消息传递接口MPI和集群系统作简单的介绍.详细记录配置NFS、SSH、MPI等软件的实现过程,并对设计的集群系统并行运算环境进行测试,测试结果说明这种并行计算环境具有良好的性能.     

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。     

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。     

并行计算模型在集群环境下的适应性

分析了并行计算机模型和集群系统的特点，研究了BSP并行计算模型在集群环境下的适应性，指出通过合理地设计并行算法，某些算法在集群环境下可以获得近似线性的加速比，并用常用的线性规划标准形改进单纯型求最优解，在集群系统上的并行算法验证了该结论。     

基于LSF集群系统的分布式并行计算

介绍了LSF集群系统和分布式并行计算的基本概念,基于LSF集群系统提出了一个分布式并行计算的基本结构和分级任务调度策略,另外在此结构上实现了矩阵相乘的分布式并行计算,并对此结构进行了性能评测,最后分析了基于LSF集群系统的分布式并行计算具有的优点和存在的不足.     

Lyra——多域环境下的分布资源管理系统

随着应用需求的不断增长,并行计算环境的规模越来越大,高性能计算环境由单个集群向多个集群扩展,由本地资源向远程资源扩展,所涉及的计算资源种类繁多,系统管理也更加复杂.本文介绍的Lyra系统是一个针对多域计算环境特点设计的大规模分布资源管理系统,具有资源模型适应性强、系统可扩展性好、资源调度策略灵活、对多域并行计算支持能力强的特点,可以为大规模并行计算和大规模信息处理系统提供资源监控管理支撑以及资源信息服务.本文介绍了LYRA系统的设计结构,分析了系统的关键技术特点,并给出了与相关系统的比较.     

云计算环境下基于分形的聚类融合算法研究

传统的聚类算法不适用于处理海量和高维数据。针对云计算环境下,利用集群系统的并行计算能力,实现海量数据的聚类问题,给出了云计算环境下基于分形维数的聚类融合算法。该算法首先对基于分形维数的聚类算法进行改进,使之更适用于并行计算,其产生聚类作为初始聚类成员;再结合投票算法的融合策略实现融合。最后,对基于分形维数的聚类融合算法在云计算环境下实现并行计算。通过在UCI数据集上的对比实验来验证该算法的有效性。