Энергетика и окружающая среда

Науки о земле и атмосфере

Национальная безопасность

Науки о жизни

Аэронавтика

Нанотехнологии

Физика

n Астрофизика (моделирование астрофизических объектов, таких как звездные недра и сверхновые)

n Физика высоких энергий (достижение детального понимания эффектов сильного ядерного взаимодействия, т.е. можно ли при помощи стандартных моделей описать явления на субядерном уровне)

n Физика ускорителей (точное моделирование поведения различных ускорителей)

n Ядерная физика (реалистическое моделирование характеристик кварк-глюонной плазмы)

n Расчет однородных и неоднородных каталитических моделей

n Моделирование работы наномасштабных электронных устройств умеренной сложности

n Моделирование и предсказание механических и магнитных свойств простых наноструктурных материалов

n Моделирование полета воздушно-космических судов (например, маневры самолета, спуск-подъем шатла)

n Моделирование подсистем жидкостных ракетных двигателей (турбонасосы, комбинированные двигатели)

n Моделирование авиационных систем (моделирование с высокой точностью, системы поддержки принятия решений

n Структурная и системная биология (Моделирование ферментного катализа, укладка протеина, транспорт ионов через клеточную мембрану)

n Пути трансдукции сигнала (Развитие расчетных моделей атомного уровня и сложных биомолекул)

n Распознавание сигналов(радиотехническая разведка)

n Ориентированная энергия

n Обработка сигналов и изображений, автоматическое распознавание целей (замена тестирования реальной цели при помощи рассеянного электромагнитного поля численным моделированием виртуальной цели)

n Комплексное моделирование и тестирование систем вооружения

n Климатология

n Прогнозирование погоды и краткосрочного изменения климата (Динамическое предсказание частоты и интенсивности ураганов/тайфунов, тяжелых зимних штормов за 90 дней)

n Геология (Улучшение прогнозирование землетрясений)

n Наука о космосе (Реалистическое моделирование явлений на Солнце, распространение энергии, влияние на изменение магнитосферы, ионосферы и термосферы Земли)

n Подземное загрязнение(Моделирование опасных рисков и распространения радионуклеидов и органических загрязнений под поверхностью)

n Магнитосинтез (Оптимизация баланса между саморазогревом плазмы и утечкой тепла, вызванного электромагнитной турбулентностью)

n Горение (Понимание взаимодействия между горением и турбулентными флюктуациями в горящей жидкости)

Многопроцессорные вычислительные системы могут существовать в различных конфигурациях. Наиболее распространенными типами МВС являются:

· системы высокой надежности;

· системы для высокопроизводительных вычислений;

· многопоточные системы.

Отметим, что границы между этими типами МВС до некоторой степени размыты, и часто система может иметь такие свойства или функции, которые выходят за рамки перечисленных типов. Более того, при конфигурировании большой системы, используемой как система общего назначения, приходится выделять блоки, выполняющие все перечисленные функции.

МВС являются идеальной схемой для повышения надежности информационно-вычислительной системы. Благодаря единому представлению, отдельные узлы или компоненты МВС могут незаметно для пользователя заменять неисправные элементы, обеспечивая непрерывность и безотказную работу даже таких сложных приложений как базы данных.

Катастрофоустойчивые решения создаются на основе разнесения узлов многопроцессорной системы на сотни километров и обеспечения механизмов глобальной синхронизации данных между такими узлами.

МВС для высокопроизводительных вычислений предназначены для параллельных расчетов. Имеется много примеров научных расчетов, выполненных на основе параллельной работы нескольких недорогих процессоров, обеспечивающих одновременное проведение большого числа операций.

МВС для высокопроизводительных вычислений обычно собраны из многих компьютеров. Разработка таких систем – процесс сложный, требующий постоянного согласования таких вопросов как инсталляция, эксплуатация и одновременное управление большим числом компьютеров, технических требований параллельного и высокопроизводительного доступа к одному и тому же системному файлу (или файлам), межпроцессорной связи между узлами и координации работы в параллельном режиме. Эти проблемы проще всего решаются при обеспечении единого образа операционной системы для всего кластера. Однако реализовать подобную схему удается далеко не всегда, и обычно она применяется лишь для небольших систем.

Многопоточные системы используются для обеспечения единого интерфейса к ряду ресурсов, которые могут со временем произвольно наращиваться (или сокращаться). Типичным примером может служить группа web-серверов.

Главной отличительной особенностью многопроцессорной вычислительной системы является ее производительность, т.е. количество операций, производимых системой за единицу времени. Различают пиковую и реальную производительность. Под пиковой понимают величину, равную произведению пиковой производительности одного процессора на число таких процессоров в данной машине. При этом предполагается, что все устройства компьютера работают в максимально производительном режиме. Пиковая производительность компьютера вычисляется однозначно, и эта характеристика является базовой, по которой производят сравнение высокопроизводительных вычислительных систем. Чем больше пиковая производительность, тем (теоретически) быстрее пользователь сможет решить свою задачу. Пиковая производительность есть величина теоретическая и, вообще говоря, недостижимая при запуске конкретного приложения. Реальная же производительность, достигаемая на данном приложении, зависит от взаимодействия программной модели, в которой реализовано приложение, с архитектурными особенностями машины, на которой приложение запускается.

Существует два способа оценки пиковой производительности компьютера. Один из них опирается на число команд, выполняемых компьютером за единицу времени. Единицей измерения, как правило, является MIPS (Million Instructions Per Second). Производительность, выраженная в MIPS, говорит о скорости выполнения компьютером своих же инструкций. Но, во-первых, заранее не ясно, в какое количество инструкций отобразится конкретная программа, а во-вторых, каждая программа обладает своей спецификой, и число команд от программы к программе может меняться очень сильно. В связи с этим данная характеристика дает лишь самое общее представление о производительности компьютера.

Другой способ измерения производительности заключается в определении числа вещественных операций, выполняемых компьютером за единицу времени. Единицей измерения является Flops (Floating point operations per second) – число операций с плавающей точкой, производимых компьютером за одну секунду. Такой способ является более приемлемым для пользователя, поскольку ему известна вычислительная сложность программы, и, пользуясь этой характеристикой, пользователь может получить нижнюю оценку времени ее выполнения. Поскольку мощность современных компьютеров весьма велика, обычно используют производные единицы: MFLOPS (мегафлопс – миллион операций с плавающей точкой в секунду) GFLOPS (гигафлопс – миллиард (10⁹) операций с плавающей точкой в секунду), TFLOPS (терафлопс – триллион (10¹²) операций с плавающей точкой в секунду

Однако пиковая производительность получается только в идеальных условиях, т.е. при отсутствии конфликтов при обращении к памяти при равномерной загрузке всех устройств. В реальных условиях на выполнение конкретной программы влияют такие аппаратно-программные особенности данного компьютера как: особенности структуры процессора, системы команд, состав функциональных устройств, реализация ввода/вывода, эффективность работы компиляторов.

Одним из определяющих факторов является время взаимодействия с памятью, которое определяется ее строением, объемом и архитектурой подсистем доступа в память. В большинстве современных компьютеров в качестве организации наиболее эффективного доступа к памяти используется так называемая многоуровневая иерархическая память. В качестве уровней используются регистры и регистровая память, основная оперативная память, кэш-память, виртуальные и жесткие диски, ленточные роботы. При этом выдерживается следующий принцип формирования иерархии: при повышении уровня памяти скорость обработки данных должна увеличиваться, а объем уровня памяти – уменьшаться. Эффективность использования такого рода иерархии достигается за счет хранения часто используемых данных в памяти верхнего уровня, время доступа к которой минимально. А поскольку такая память обходится достаточно дорого, ее объем не может быть большим. Иерархия памяти относится к тем особенностям архитектуры компьютеров, которые имеют огромное значение для повышения их производительности.

Для того чтобы оценить эффективность работы вычислительной системы на реальных задачах, был разработан фиксированный набор тестов. Наиболее известным из них является LINPACK – программа, предназначенная для решения системы линейных алгебраических уравнений с плотной матрицей с выбором главного элемента по строке. LINPACK используется для формирования списка Top500 – пятисот самых мощных компьютеров мира. Однако LINPACK имеет существенный недостаток: программа распараллеливается, поэтому невозможно оценить эффективность работы коммуникационного компонента суперкомпьютера.

В настоящее время большое распространение получили тестовые программы, взятые из разных предметных областей и представляющие собой либо модельные, либо реальные промышленные приложения. Такие тесты позволяют оценить производительность компьютера действительно на реальных задачах и получить наиболее полное представление об эффективности работы компьютера с конкретным приложением.

Наиболее распространенными тестами, построенными по этому принципу, являются: набор из 24 Ливерморских циклов (The Livermore Fortran Kernels, LFK) и пакет NAS Parallel Benchmarks (NPB), в состав которого входят две группы тестов, отражающих различные стороны реальных программ вычислительной гидродинамики. NAS тесты являются альтернативой LINPACK, поскольку они относительно просты и в то же время содержат значительно больше вычислений, чем, например, LINPACK или LFK.

Однако при всем разнообразии тестовые программы не могут дать полного представления о работе компьютера в различных режимах. Поэтому задача определения реальной производительности многопроцессорных вычислительных систем остается пока нерешенной.