Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Задачі аналізу, ідентифікації, синтезу обчислювальних систем




 

2.1. Задачи анализа. Анализ вычислительных систем – определение свойств, присущих системе или классу систем. Типичная задача анализа – оценка производительности и надежности систем с заданной конфигурацией, режимом функционирования и рабочей нагрузкой. Другие примеры задач: определение (оценка) вероятности конфликта при доступе к общей шине, распределения длительности занятости процессора, загрузки канала ввода – вывода.

В общем случае задача анализа формулируется следующим образом. Исходя из цели исследования назначается набор характеристик исследуемого объекта (вычислительная система, ее элемент, подсистема, некоторый процесс и др.) и точность , с которой они должны быть определены. Требуется найти способ оценки характеристик Y объекта с заданной точностью и на основе этого способа определить характеристики.

При анализе систем в процессе эксплуатации оценка характеристик Y производится, как правило, измерением параметров функционирования с обработкой измерительных данных. В этом случае используется методика, устанавливающая состав измеряемых параметров, периодичность и длительность измерений, а также измерительные средства и средства обработки данных. В целях сокращения затрат на анализ стремятся измерять по возможности меньшее число наиболее просто измеримых параметров , а требуемый набор характеристик определять косвенным методом – вычислением с использованием зависимостей . Эти зависимости либо имеют статистическую природу, либо создаются на основе фундаментальных закономерностей теории вычислительных систем.

При анализе проектируемых систем для оценки характеристик Y необходимо располагать моделью F, устанавливающей зависимость характеристик от параметров системы X, определяющих ее конфигурацию, режим функционирования, рабочую нагрузку. В этом случае решение задачи сводится к проведению на модели экспериментов, позволяющих дать ответы на интересующие вопросы. Точность оценки характеристик проектируемой системы зависит от адекватности модели и погрешности измерения параметров X.

2.2. Задачи идентификации. При эксплуатации вычислительных систем возникает необходимость в повышении их эффективности путем подбора конфигурации и режима функционирования, соответствующих классу решаемых задач и требованиям к качеству обслуживания пользователей. В связи с ростом нагрузки на систему и переходом на новую технологию обработки данных может потребоваться изменение конфигурации системы, использование более совершенных операционных систем и реализуемых ими режимов обработки. В этих случаях следует оценить возможный эффект, для чего необходимы модели производительности и надежности системы. Построение модели системы на основе априорных сведений об ее организации и данных измерений называется идентификацией системы.

Порядок идентификации вычислительной системы иллюстрируется рис. 7.1. В соответствии с природой исследуемых явлений для их представления предлагается функциональная модель, описывающая явления с точностью до значений пара-: метров функций. Процесс создания такой модели называется функциональной идентификацией системы. В качестве функциональных моделей могут использоваться различные математические системы – дифференциальные и алгебраические уравнения, сети массового обслуживания и др., адекватно представляющие исследуемые аспекты.

 

Рис. 7.1. Схема идентификации вычислительной системы

После того как выбрана функциональная модель, необходимо определить ее параметры. Этот процесс называется параметрической идентификацией. Для параметрической идентификации к вычислительной системе подключаются необходимые измерительные средства. Получаемые данные используются системой оценки параметров и характеристик для вычисления параметров X* и характеристик Y * системы, а также параметров модели А ={аn}. Система оценки представляет собой набор программ для обработки измерительных данных, реализующий набор методов оценки параметров и характеристик. Вычисленные значения параметров А вводятся в модель, полностью определяя ее. Значения параметров X* и характеристик Y* системы используются для проверки адекватности модели, т.е. оценки погрешности воспроизведения моделью характеристик системы. Оценка производится путем сравнения значений характеристик Y=F(X*), порождаемых моделью, с зарегистрированными характеристиками Y * системы. Если модель адекватна системе, то используется для прогнозирования свойств системы, что сводится к вычислению на основе модели характеристик Y=F(X), соответствующих новым значениям X параметров системы.

2.3. Задачи синтеза. Синтез – процесс создания вычислительной системы, наилучшим образом соответствующей своему назначению. Исходными в задаче синтеза являются следующие сведения, характеризующие назначение системы: 1) функция системы (класс решаемых задач); 2) ограничения на характеристики системы, например на производительность, время ответа, надежность и др.; 3) критерий эффективности, устанавливающий способ оценки качества системы в целом. Необходимо выбрать конфигурацию системы и режим обработки данных, удовлетворяющие заданным ограничениям и оптимальные по критерию эффективности. Типичная постановка задачи синтеза: спроектировать систему, обеспечивающую решение заданного класса задач А с производительностью не менее задач в час, средней наработкой на отказ не менее Т0 и минимальной стоимостью.

Математически задача синтеза вычислительной системы формулируется следующим образом. Пусть – вектор параметров, характеризующих класс задач А, решение которых является функцией системы; – вектор параметров, характеризующий конфигурацию (структуру) системы; вектор параметров режима обработки; вектор характеристик системы, связанный с параметрами задач 0, конфигурации S и режима обработки С зависимостью ; S= { Si } – множество возможных конфигураций вычислительных систем; С={ Сj } множество возможных режимов обработки. Ограничения на характеристики и параметры системы будем представлять в виде где области допустимых значений соответствующих характеристик и параметров. Критерий эффективности системы представляется заданной функцией E =Ф(Y), зависящей от характеристик системы, которые в свою очередь предопределяются ее параметрами . В установленных обозначениях задача синтеза вычислительной системы формулируется так: определить конфигурацию S и режим обработки С, максимизирующие эффективность системы.

(7.1)

при выполнении ограничений

(7.2)

В отличие от задачи анализа, направленной на определение характеристик системы Y по заданным параметрам X, задача синтеза состоит в определении параметров конфигурации S и режима обработки С, соответствующих параметрам рабочей нагрузки 0 и характеристикам системы Y, заданным в виде (7.1), (7.2). Для задач синтеза характерны два следующих момента; Во-первых, предполагается наличие модели , устанавливающей зависимость характеристик системы от ее параметров. Во-вторых, задача синтеза представляет собой оптимизационную задачу и предполагает использование метода оптимизации, соответствующего виду целевой функции (7.1) и ограничениям (7.2). Метод оптимизации должен гарантировать определение глобального оптимума целевой функции E =Ф(Y), определенной на множестве конфигураций S и режимов обработки С.

Сложность задачи синтеза вычислительной системы обусловлена числом варьируемых параметров, описывающих конфигурацию и режим функционирования системы, и областью варьирования параметров. При общей постановке задачи синтеза, когда множества конфигураций S и режимов обработки С включают в себя все мыслимые варианты построения систем (одномашинные и многомашинные, мультипроцессорные н сетевые) и различные способы управления задачами, данными и заданиями, сложность задачи синтеза превосходит возможности методов моделирования и оптимизации. Поэтому в общей постановке задача синтеза вычислительных систем оказывается неразрешимой. Для решения задачи синтеза ее упрощают разделением на последовательность этапов, на каждом из которых выявляются отдельные аспекты организации системы.

1. Исходя из назначения системы (класс решаемых задач, технология обработки данных, требования к производительности и условия работы) и состояния элементной базы определяется класс вычислительной системы: одномашинная система, мультипроцессорный комплекс, локальная сеть и др. При этом анализируется эффективность систем разных классов и выбирается класс, наилучшим образом удовлетворяющий назначению системы.

2. В выбранном классе систем синтезируется архитектура системы: определяется состав устройств, их функциональные возможности и технические характеристики, типы интерфейсов и структура связей между устройствами, наилучшим образом соответствующие назначению системы.

3. Определяется режим обработки данных и его параметры (состав и функции системных процессов, алгоритмы распределения ресурсов между заданиями и задачами, типы и диапазоны приоритетов и др.). Этим устанавливаются функции управляющих программ операционной системы и состав системного программного обеспечения.

Даже при разделении задачи синтеза на три или большее число этапов синтез, связанный с каждым этапом не удается свести к единой математической процедуре – задаче математического программирования. Это обусловлено двумя основными причинами. Во-первых, синтез связан с разнотипными параметрами: одни являются количественными, а другие – качественными, т. е. признаками типа структуры, устройств, памяти, интерфейсов, способов управления процессами и др. Поэтому синтез сводится к задачам численного математического программирования, а также к комбинаторным задачам на сочетаниях, отношениях и т. д. Объединение разнотипных задач в одну задачу оптимизации оказывается нерезультативным из-за разнотипности вычислительных процедур, которые должны использоваться в процессе оптимизации. Во-вторых, имеющиеся в распоряжении исследователей модели носят, как правило, локальный характер, воспроизводя свойства достаточно узкого класса структурных решений и режимов функционирования. Объединение простых моделей в сложную приводит к разрывам функций, невыпуклым зависимостям, что не только затрудняет, но практически исключает возможность применения методов оптимизации.

По этим причинам при синтезе систем стремятся по возможности уменьшать размерность задач путем разделения задачи синтеза на последовательность этапов, сводящихся к чисто комбинаторным задачам или задачам численной оптимизации. При этом проектирование системы ведется сверху вниз – от наиболее общих решений, связанных с системой в целом, к частным решениям, относящимся к отдельным подсистемам и их частям. При решении многих задач синтеза приходится использовать весьма простые модели функционирования системы и ее составляющих, приближенно представляющие зависимости между характеристиками и параметрами. В этих условиях выбор проектных решений производится на основе опыта и интуиции разработчиков. Таким образом, синтез вычислительных систем сводится к решению значительного числа взаимосвязанных задач выбора способов организации и определения параметров проектируемой системы в различных аспектах ее организации и в отношении к различным подсистемам и элементам. При этом используются как формальные, так и эвристические методы, причем на долю последних приходится значительное число проектных задач, выходящих за рамки возможностей известных методов теории вычислительных систем.

 

Литература:

1. Основные классы современных параллельных компьютеров, Лаборатория НИВЦ МГУ: http://www.parallel.ru/computers/classes.html.

2. Основы теории вычислительных систем: Учебное пособие / Под ред. С.А. Майорова. - М.: Высшая школа, 1987. – 324 с.

3. Интернет-Университет Информационных Технологий: http://www.intuit.ru.

4. Ульянов М.В. Архитектуры процессоров. Учебное пособие.- М.: МГАПИ, 2002. - 68 с.

5. Архитектуры и топологии многопроцессорных вычислительных систем. Курс лекций. Учебное пособие / А.В.Богданов, В.В.Корхов, В.В.Мареев, Е.Н.Станкова.- М. «ИНТУИТ», 2004.- 176 с.

6. Шпаковский Г.И. Организация параллельных ЭВМ и суперскалярных процессоров: Учеб. пособие. — Мн.: Белгосуниверситет, 1996. — 296 с.




Поделиться с друзьями:


Дата добавления: 2014-01-14; Просмотров: 855; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.026 сек.