Модель гетерогенного вычислительного процесса с глобальным распределением нагрузки на основе частных множеств

Бесплатный доступ

Рассмотрен тип гетерогенной вычислительной системы, топология которой представляет собой совокупность архитектурно идентичных, но различных по производительности вычислительных блоков. Представлена модель вычислительного процесса в гетерогенной вычислительной среде. Сформулирован принцип глобального распределения вычислительной нагрузки на основе метода частных множеств. Представлены результаты расчетов и сравнительный анализ значений ускорения вычислений для гомогенной и гетерогенной организации параллельных вычислений при различном уровне параллелизма. Определена зависимость эффективности вычислений от изменения соотношения вычислительной мощности информационно-вычислительных блоков гетерогенной вычислительной среды при фиксированном общем количестве вычислителей.

Еще

Гетерогенный, параллельный, вычислительная система, вычислительная нагрузка, ускорение вычислительного процесса

Короткий адрес: https://readera.org/148322471

IDR: 148322471   |   DOI: 10.25586/RNU.V9187.21.03.P.162

Список литературы Модель гетерогенного вычислительного процесса с глобальным распределением нагрузки на основе частных множеств

  • Борисов А.А., Краснов С.А., Нечай А.А. Технология блокчейн и проблемы ее применения в различных информационных системах // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2018. № 2. С. 63–67.
  • Буренок В.М., Гладышевский В.Л. Информатика и вычислительная техника: перспективы развития и применения в военном деле / Вооружение и экономика. 2015. № 3 (32). С.17–32.
  • Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. СПб.: БХВ- Петербург, 2002. 608 с.
  • Гринхальг П. Секреты архитектуры Big-Little // Электронные компоненты. 2012. № 1. С. 104–106.
  • Нечай А.А., Котиков П.Е. Методика повышения надежности функционирования систем, организованных на перепрограммируемых элементах // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2016. № 1-2. С. 87–89.
  • Светличный А.Н. Краткий обзор достижений в области гетерогенных вычислений // Молодой ученый. 2016. № 1 (105). С. 213–216.
  • Свинарчук А.А., Нечай А.А. Использование квантовых вычислений при выборе управленческогорешения // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2018. № 2. С. 31–36.
  • Шульгин. А.Н., Шушаков А.О. Исследование влияния методов управления вычислительной нагрузкой мобильных многопроцессорных вычислительных комплексов на их автономность // Труды Военно-Космической академии им. А.Ф. Можайского / под ред. Ю.В. Кулешова. 2019. Вып. 668. С. 64–70.
  • Amdahl G.M. (1967) Validity of the single-processor approach to achieving large scale computing capabilities. In AFIPS Conference Proceedings (Atlantic City, N.J., Apr. 18–20). AFIPS Press, Reston, vol. 30, pp. 483–485.
  • Gustafson J. (1988) Reevaluating Amdahl’s Law. Communications of the ACM, vol. 31, no. 5, pp. 532–533.
  • Hexus (2013) Tech explained – ARM big.LITTLE Processing, 24 October. Available at: http://hexus.net/tech/techexplained/cpu/48693-tech-explained-arm-biglittleprocessing (Date of the Application: 28.06.2021).
  • John Shalf (2007) The New Landscape of Parallel Computer Architecture Journal of Physics: Conference Series, 78.
  • Peter Clarke (2013) BenchmarkingARM’sbig-littlearchitecture. Embedded Staff, 6 August.
Еще
Статья научная