Вычислительные методы и программирование
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Выч. мет. программирование:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Выч. мет. программирование, 2018, том 19, выпуск 4, страницы 416–430 (Mi vmp930)  

Эта публикация цитируется в 2 научных статьях (всего в 2 статьях)

Исследование масштабируемости итерационных алгоритмов при суперкомпьютерном моделировании физических процессов

Н. А. Ежова, Л. Б. Соколинский

Южно-Уральский государственный университет, г. Челябинск

Аннотация: Статья посвящена разработке методики исследования масштабируемости ресурсоемких итерационных алгоритмов, применяемых в моделировании сложных физических процессов на суперкомпьютерных системах. В основе предлагаемой методики лежит модель параллельных вычислений BSF (Bulk Synchronous Farm), позволяющая на ранней стадии разработки итерационного алгоритма определить границу его масштабируемости. Модель BSF предполагает представление алгоритма в виде операций над списками с использованием функций высшего порядка. При этом рассматривается два класса представлений: {BSF-M} ({Map BSF}) и {BSF-MR} ({Map-Reduce BSF}). Предлагаемая методика описывается на примере решения систем линейных алгебраических уравнений методом Якоби. Для метода Якоби строится два итерационных алгоритма: {Jacobi-M} на основе представления {BSF-M} и {Jacobi-MR} на основе представления {BSF-MR}. Для указанных алгоритмов с помощью стоимостных метрик модели BSF даются аналитические оценки для ускорения, эффективности распараллеливания и верхней границы масштабируемости для многопроцессорных вычислительных систем с распределенной памятью. Приводится информация о реализации этих алгоритмов на языке C++ с использованием программного шаблона BSF и библиотеки параллельного программирования MPI. Демонстрируются результаты масштабных вычислительных экспериментов, выполненных на кластерной вычислительной системе. На основе экспериментальных результатов дается анализ адекватности оценок, полученных аналитическим путем с помощью стоимостных метрик модели BSF.

Ключевые слова: итерационный алгоритм, модель параллельных вычислений BSF, оценка масштабируемости, ускорение, эффективность распараллеливания, метод Якоби, кластерные вычислительные системы.

Полный текст: PDF файл (409 kB)
УДК: 004.272.2
Поступила в редакцию: 19.09.2018

Образец цитирования: Н. А. Ежова, Л. Б. Соколинский, “Исследование масштабируемости итерационных алгоритмов при суперкомпьютерном моделировании физических процессов”, Выч. мет. программирование, 19:4 (2018), 416–430

Цитирование в формате AMSBIB
\RBibitem{EzhSok18}
\by Н.~А.~Ежова, Л.~Б.~Соколинский
\paper Исследование масштабируемости итерационных алгоритмов при суперкомпьютерном моделировании физических процессов
\jour Выч. мет. программирование
\yr 2018
\vol 19
\issue 4
\pages 416--430
\mathnet{http://mi.mathnet.ru/vmp930}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/vmp930
  • http://mi.mathnet.ru/rus/vmp/v19/i4/p416

    ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru


    Citing articles on Google Scholar: Russian citations, English citations
    Related articles on Google Scholar: Russian articles, English articles

    Эта публикация цитируется в следующих статьяx:
    1. Н. А. Ежова, Л. Б. Соколинский, “Обзор моделей параллельных вычислений”, Вестн. ЮУрГУ. Сер. Выч. матем. информ., 8:3 (2019), 58–91  mathnet  crossref  elib
    2. Н. А. Ежова, Л. Б. Соколинский, “Программная поддержка модели BSF”, Вестн. ЮУрГУ. Сер. Выч. матем. информ., 8:4 (2019), 84–99  mathnet  crossref
  • Вычислительные методы и программирование
    Просмотров:
    Эта страница:104
    Полный текст:33
     
    Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2021