Состав и свойства вычислительных систем

Содержание:

Введение

Актуальность темы курсовой работы заключается в следующем.

Необходимость в вычислениях всегда была неразрывно связана с практической деятельностью человека. Древнейшим счетным инструментом, который сама природа предоставила природа в распоряжение человека, была его собственная рука. Счет на пальцах использовался очень долго.

Следующим шагом в развитии счета стало использование камешков или других предметов, а для запоминания чисел-зарубок на палках или костях животных, узелков на верёвках. Позже появился специальный счетный прибор, называемый абаком (доска с желобками, в которых по позиционному принципу размещали какие-нибудь предметы-камешки, косточки и т. п.).

Впоследствии абак был усовершенствован, доска была заменена рамкой, камешки - шариками или дисками, нанизанными на нитки или прутики. И получились счеты, использование которых можно найти и в настоящее время.

Поскольку абак был не очень приспособлен для умножения и деления, то блестящим достижением математики явилось изобретение логарифмов Джоном Непером (1550- 1617). Это дало возможность заменить умножение и деление сложением и вычитанием и привело к созданию намного более совершенного и очень полезного инструмента – логарифмической линейки.

Эскиз механического суммирующего устройства был разработан еще Леонардо да Винчи (1452-1519). Первая механическая счетная машина была изготовлена в 1623 г. профессором математики Вильгельмом Шиккардом ( 1592 – 1636) . Но машина Шиккарда вскоре сгорела во время пожара, а рукописи Леонардо да Винчи были обнаружены лишь в 1967 г. Поэтому биография механических вычислительных устройств ведется от суммирующей машины. изготовленной в 1642 г. Блезом Паскалем (1623-1662), в дальнейшем великим математиком и физиком.

В 1673 г. другой великий математик Лейбниц разработал счетное устройство, на котором уже можно было умножать и делить. С некоторыми усовершенствованиями эти машины, а названы они были арифмометрами, использовались до недавнего времени.

Лишь в XIX столетии рост промышленности, транспорта и расширение коммерческой деятельности банков сделали построение быстродействующих и надежных счетных машин актуальной задачей.

Первая фирма, специализировавшаяся по выпуску счетных машин, была основана в США в 1887 г. В России арифмометры начали выпускаться с 1894 г. и производились более 70 лет.

Все вычислительные устройства, о которых шла речь, были ручными, т. е. требовали участия человека в процессе вычислений. Для выполнения каждой операции нужно было набрать исходные данные и привести в движение счетные элементы механизма. Результаты почти всех операций необходимо было записывать.

Мысль о создании автоматической вычислительной машины, которая бы работала без участия человека, впервые была высказана английским математиком Чарльзом Бэббиджем (1791 – 1864) в начале XIX в. В 1820-1822 гг. он построил машину, которая могла вычислять таблицы значений многочленов второго порядка. С 1934г. и до конца жизни Ч. Бэббидж работал над чертежами универсальной вычислительной машины, но сложность разработки чисто механического устройства и финансовые трудности не позволили ему изготовить работающий экземпляр.

Идеи Бэббиджа были осуществлены только в конце 30-х годов нашего века в машинах, работавших на электромагнитных реле. Первые вычислительные машины, у которых основными элементами были не реле, а электронные лампы были построены в Англии и США в 1943-1946 гг.

В СССР первая ЭВМ была построена в 1950 г. в Киеве под руководством академика С. А. Лебедева. Она называлась МЭСМ – малая электронно-счетная машина. Это было экспериментальное изделие, но уже в 1952 г. появилась серийно выпускаемая машина БЭСМ – быстродействующая электронно-счетная машина, последние варианты которой успешно работают и сейчас.

С этого времени и началось весьма энергичное развитие вычислительной техники. Позже электронные лампы заменены транзисторами, более надежными, экономичными и намного меньшими по размерам. В начале 60-х годов они уступили место еще более совершенным элементам – интегральным микросхемам. В настоящее время широко используются большие интегральные схемы (БИС). 

Вычислительные системы создавались в начале для обеспечения и ускорения именно вычислений. Однако постепенно становились все более ясно, что на ЭВМ можно обрабатывать текстовую информацию, графическую, звуковую и т. д. Современную жизнь уже невозможно представить без использования вычислительных систем.

Целью курсовой работы является исследование состава и свойств вычислительных систем, а также их информационного и математического обеспечения.

Для достижения цели в работе поставлены задачи:

- рассмотреть состав и свойства вычислительных систем;

- привести информационное и математическое обеспечение вычислительных систем;

- дать краткий обзор вычислительных систем, использующих технологии повышения живучести;

- описать систему имитационного моделирования ДАС, как основу повышения эффективности вычислительных систем.

Предмет работы – вычислительные системы.

Объект работы – специфика состава и свойств вычислительных систем.

Теоретической и методологической основой данного курсового исследования являются работы отечественных авторов по выбранной тематике, таких как И. А. Бессмертный, Ю.М. Келим, О. П. Новожилов, А.П Пятибратов, В.В Степина, В. В. Соколова и других.

Структура курсовой работы состоит из введения, четырех разделов, заключения, списка литературы.

1. Состав и свойства вычислительных систем

Вычислительная техника (ВТ) − это совокупность устройств, предназначенных для автоматизированной обработки данных [9].

Вычислительная система (ВС) – это конкретный набор взаимодействующих между собой устройств и программ, предназначенный для обслуживания одного  рабочего участка [8].

Центральным устройством большинства ВС является компьютер (ЭВМ).

Компьютер (англ. computer — «вычислитель»), ЭВМ (электронная вычислительная машина) - комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач.

Вычислительные системы бывают однородные и неоднородные[4].

Однородная ВС строится на основе однотипных компьютеров или процессоров. Неоднородная ВС включает в свой состав различные типы компьютеров или процессоров. При построении системы приходится учитывать их различные технические и функциональные характеристики, что существенно усложняет создание и обслуживание таких систем.

Различают ВС с централизованным и децентрализованным управлением.

В первом случае управление выполняет выделенный компьютер или процессор, во втором случае все компоненты равноправны и могут брать управление на себя.

Кроме того, ВС могут быть:

- территориально-сосредоточенными, то есть все компоненты размещены в непосредственной близости друг от друга;

- распределенными, то есть компоненты располагаются на расстоянии друг от друга;

- одноуровневыми, то есть имеется один общий уровень обработки данных;

- многоуровневыми, или иерархическими. В них процессоры распределены по разным уровням обработки информации. Некоторые процессоры специализируются на выполнении определенных функций.

ВС делятся на многомашинные и многопроцессорные.

Многомашинная ВС содержит несколько компьютеров, взаимодействующих между собой. Компьютеры могут находиться рядом друг с другом или удалены на некоторое расстояние.

Каждый компьютер работает под управлением своей операционной системы (ОС). Информационное взаимодействие компьютеров может быть организовано на уровне процессоров; оперативной памяти (ОП) или каналов связи.

В многопроцессорной ВС имеется несколько процессоров, информационно взаимодействующих между собой либо на уровне регистров процессорной памяти, либо на уровне оперативной памяти. В большинстве случаев организуется общее для всех процессоров поле оперативной памяти. Такая система работает под управлением единой операционной системы, общей для всех процессоров.[2]

Состав вычислительной системы называется конфигурацией. В нее входит аппаратное и программное обеспечение.[10]

К аппаратному обеспечению вычислительных систем относятся устройства и приборы, образующие аппаратную конфигурацию. Современные компьютеры и вычислительные комплексы имеют блочно-модульную конструкцию -аппаратную конфигурацию, необходимую для исполнения конкретных видов работ, можно собирать из готовых узлов и блоков.

Программное обеспечение. Программы  - это упорядоченные последовательности команд. Конечная цель любой компьютерной программы - управление аппаратными средствами. Даже если на первый взгляд программа никак не взаимодействует с оборудованием, не требует никакого ввода данных с устройств ввода и не осуществляет вывод данных на устройства вывода, все равно ее работа основана на управлении аппаратными устройствами компьютера.

Программное и аппаратное обеспечение в компьютере работают в неразрывной связи и в непрерывном взаимодействии.

Состав программного обеспечения вычислительной системы называют программной конфигурацией. Уровни программного обеспечения представляют собой пирамиду (рисунок 1) [6]:

Прикладное ПО

Служебное ПО

Системное ПО

Базовое ПО

Рис. 1. Уровни программного обеспечения

Самый низкий уровень программного обеспечения представляет базовый уровень.

Системный уровень — переходный. Программы, работающие на этом уровне, обеспечивают взаимодействие прочих программ компьютерной системы 

Служебный уровень. Программное обеспечение этого уровня взаимодействует как с программами базового уровня, так и с программами системного уровня.

Прикладной уровень. Программное обеспечение прикладного уровня представляет собой комплекс прикладных программ, с помощью которых на данном рабочем месте выполняются конкретные задания.

Основополагающие принципы (параллелизма, программируемости, однородности) и принципы модульности и близкодействия позволяют достичь полноты архитектурных свойств в вычислительных системах [3].

Важнейшие свойства архитектуры ВС [10]:

Под масштабируемостью ВС понимается их способность к наращиванию и сокращению ресурсов, возможность варьирования производительности. Сложность (трудоемкость) задач, решаемых на вычислительных средствах, постоянно растет. Для сохранения в течении длительного времени за вычислительной системой способности быть адекватным средством решения сложных задач необходимо, чтобы она обладала архитектурным свойством масштабируемости. Это означает, в частности, что производительность, достигнутую ВС на заданном количестве вычислителей, можно увеличить, добавив еще один или несколько вычислителей. Выполнение этого свойства ВС гарантируется принципами модульности, локальности, децентрализованности и распределенности.

Свойство наращиваемости производительности предоставляет потенциальную возможность решать задачи любой априори заданной сложности. Однако для практической реализации этой возможности требуется, чтобы алгоритм решения сложной задачи удовлетворял условию локальности, а межмодульные пересылки информации слабо влияли на время решения задачи. Это может быть достигнуто за счет крупноблочного распараллеливания сложных задач и (или) аппаратурных средств, позволяющих совместить межмодульные обмены информацией с вычислениями.

Универсальность ВС.

Принято считать, что ЭВМ (основанные на модели вычислителя) являются алгоритмически универсальными, если они обладают способностью (без изменения своих структур) реализовать алгоритм решения любой задачи. С другой стороны, ВС – это коллектив вычислителей, каждый из которых обладает алгоритмической универсальностью, следовательно, и система универсальна (в общепринятом смысле).

В вычислительных системах могут быть реализованы не только любые алгоритмы, доступные ЭВМ, но и параллельные алгоритмы решения сложных задач. Последнее следует из определений модели коллектива вычислителей и, в частности, алгоритма функционирования ВС.

Структурная универсальность ВС – следствие воплощения архитектурных принципов коллектива вычислителей, в частности, принципа программируемости структуры. Суть этого принципа – возможность автоматически (программно) порождать специализированные (проблемно-ориентированные) виртуальные конфигурации, которые адекватны структурам и параметрам решаемых задач.

Производительность.

В отличие от ЭВМ, построенных на основе модели вычислителя, ВС не имеют принципиальных ограничений в наращивании производительности. Рост производительности в них достигается за счёт не только повышения физического быстродействия микроэлектронных элементов, а главным образом увеличения числа вычислителей. Следует подчеркнуть, что благодаря свойству однородности наращиваемость ВС осуществляется простым подключением дополнительных вычислений без конструктивных изменений первоначального состава системы. При этом достигается простота настройки программного обеспечения на заданное число вычислителей в системе. На основании последнего обеспечивается совместимость ВС различной производительности.

Реконфигурируемость. Структурная и функциональная гибкость ВС вытекает из широких возможностей систем по статической и динамической реконфигурации.

Статическая реконфигурация ВС обеспечивается: варьированием числа вычислителей, их структуры и состава; выбором для вычислителей числа полюсов для связи c другими вычислителями; возможностью построения структур в виде графов, относящихся к различным классам; допустимостью применения в качестве связей каналов различных типов, различной физической природы и различной протяжённости и т.п. Благодаря приспособленности ВС к статической реконфигурации достигается адаптация системы под область применения на этапе её формирования.

Динамическая реконфигурация ВС достигается возможностью образования в системах таких подсистем, структуры и функциональные организации которых адекватны входной мультипрограммной ситуации и структурам решаемых задач. Следовательно, способность ВС к динамической реконфигурации приводит к её высокой универсальности, при которой достигается заданный уровень производительности при решении широкого класса задач, реализуются известные в вычислительной технике режимы функционирования (коллективное пользование, пакетная обработка и др.), способы управления вычислительным процессом (централизованный, децентрализованный и др.), структурные схемы (изолированные вычислительные машины, системы из нескольких процессоров и одной ЭВМ, системы из одной ЭВМ и нескольких устройств памяти и т.п.) и способы обработки информации (конвейерный, матричный, распределённый и др.).

Надёжность и живучесть вычислительных систем. Данные два понятия семантически близки, оба призваны характеризовать архитектурные способности ВС по выполнению возглавляемых на них функций. Однако каждое из них отражает специфические особенности ВС по использованию исправных ресурсов при переработке информации.

Под надёжностью ВС понимается ее способность к автоматической (программной) настройке и организации функционирования таких структурных схем, которые при отказах и восстановлении вычислителей обеспечивают заданный уровень производительности или, говоря иначе, возможность использовать фиксированное число исправных вычислителей (при реализации параллельных программ решения сложных задач). Это понятие характеризует возможности вычислительных систем по переработке информации при наличии фиксированной структурной избыточности (представленной частью вычислителей) и при использовании параллельных программ с заданным числом ветвей.

Под живучестью ВС понимается свойство программной настройки и организации функционирования таких структурных схем, которые в условиях отказов и восстановления вычислителей гарантируют при выполнении параллельной программы производительность в заданных пределах или возможность использования всех исправных вычислителей. Понятие живучести вычислительных систем характеризует их способности по организации отказоустойчивых вычислений или, говоря иначе, по реализации параллельных программ, допускающих варьирование числа ветвей в известных пределах.

Самоконтроль и самодиагностика вычислительных систем. Организация надёжного и живучего функционирования вычислительных систем связана с контролем правильности их работы и с локализацией неисправностей в них. В системах–коллективах вычислителей может быть применён нетрадиционный подход к контролю и диагностике:

· В качестве контрольно-диагностического ядра ВС могут быть использованы любые исправные вычислители и в пределе ядро любого произвольно выбранного вычислителя,

· Выбор ядра системы и определение её исправности могут быть произведены автоматически (с помощью средств ВС).

Предлагаемый подход позволяет говорить о самоконтроле и самодиагностике ВС. Заключение об исправности или неисправности отдельных вычислителей системы принимается коллективно всеми вычислителями на основе сопоставления их индивидуальных заключений об исправности соседних с ними вычислителей.

Технико-экономическая эффективность вычислительных систем. Конструктивная однородность позволяет резко сократить сроки разработки и изготовления систем, приводит к высокой технологичности производства, упрощает и статическую, и динамическую реконфигурации ВС, облегчает их техническую эксплуатацию. Она существенно упрощает процесс организации взаимодействий между вычислителями ВС и облегчает создание программного обеспечения. Полнота воплощения основных принципов модели позволяет заметно ослабить зависимость между ростом производительности ВС и увеличением трудоёмкости их проектирования и изготовления, а также создания системного программного обеспечения. Они открывают возможность построения высокопроизводительных экономически приемлемых вычислительных систем при существующей физико-технологической базе.

2. Информационное и математическое обеспечение вычислительных систем

Информационное обеспече­ние ВС - совокупность программ и предварительно подготовлен­ных данных, необходимых для работы данных программ [1]. Кроме того, в конкретных случаях информационное обеспечение может быть представлено  совокупностью единой системы классификации и кодирования информации, а также методологией построения баз данных.

Рассмотрим подробнее математическое обеспечение вычислительных систем.

Математическое обеспечение (МО) состоит из фонда программ вычислительных алгоритмов, в частности, фонд содержит решения типовых задач математической физики. Фонд непрерывно пополняется, на рынке программных продуктов идет конкуренция между разработчиками МО [12].

Одна из классификаций математического обеспечения предполагает деление его на следующие разделы: подпрограммы, пакеты программ, библиотеки программ, системы математического обеспечения.

Подпрограммы.

Это наиболее известный и часто используемый раздел математического обеспечения. Он состоит из отдельных подпрограмм или программ, содержащих небольшой набор подпрограмм.

Первые численные модели на ЭВМ программировались в двоичных кодах, эти подпрограммы были машинно-ориентированными. Мобильность подпрограмм - возможность их использования на различных ЭВМ появилась с внедрением универсальных языков программирования: Алгола и Фортрана. Другим эффектом внедрения алгоритмических языков высокого уровня было появление новой среды описания вычислительных алгоритмов, программа на таком языке может также служить формальным описанием алгоритма. Особенно ярко эта способность алгоритмического языка служить языком публикаций вычислительных алгоритмов проявилась у языка Алгол-60. Еще в СССР и за рубежом был опубликован обширный спектр вычислительных алгоритмов на этом языке. С 70-х годов описания вычислительных алгоритмов публикуются на Фортране из-за широкого распространения этого языка. Набор алгоритмов, опубликованных в журнале “ACM Transactions on Mathematical Soft.”, охватывает почти все сферы численного анализа.

В настоящее время подпрограммы научно-технического характера публикуются в основном на языке Си. Язык Фортран сохраняет позиции как язык публикаций для описания вычислительных алгоритмов. Также известно, что тексты последовательных Фортран - программ удобнее для распараллеливания, чем тексты Си-программ.

Пакеты программ.

Пакетом программ называют комплекс программ для решения серийных задач в конкретной области наук и техники. Пакет прикладных программ (ППП), частный случай пакетов, — это система взаимосвязанных программ и средств организации процесса вычислений. При помощи этих средств, в рамках реализованной в пакете стратегии организации вычислений, автоматически генерируется цепочка прикладных вычислительных программ для проведения конкретного вычислительного эксперимента. Примером ППП может служить пакет САФРА (Система Автоматизации Физических Расчетов), разработанный в ИПМ им. М.В. Келдыша РАН для решения класса задач математической физики. Программы, создаваемые при помощи пакета САФРА, используют программы из архивного фонда пакета, содержащего свыше тысячи программ. Системная часть пакета обеспечивает подбор оптимальной последовательности программ для решения общей задачи.

Техника ППП широко используются в системах программирования, предназначенных для решения задач линейной алгебры. Базовым уровнем пакетов этого класса служит пакет BLAS (Basic Linear Algebra Subroutine), реализующий основные операции нижнего уровня вычислительной линейной алгебры. Он входит в состав всех пакетов и библиотек линейной алгебры, обеспечивая низкоуровневый интерфейс между программами широкого класса библиотек и ЭВМ различных архитектур. Пакет разделяется на три уровня BLAS: Level 1 BLAS - для векторных операций, Level 2 BLAS - для матрично-векторных операций, Level 3 BLAS - для матричных операций. Этот пакет был разработан еще в 70-ые годы, поэтому возникла необходимость разработки методологии автоматической генерации высокоэффективных подпрограмм для современных вычислительных машин.

Наиболее простой и широко используемый метод оптимизации программ пакета заключается в параметризации характеристик вычислителей и использовании этих данных на уровне трансляции приложений. Другим способом оптимизации программ пакета является разработка кодового генератора. Основой такой технологии является возможность генерации нескольких вариантов объектного кода, а адаптация пакета заключается в определении его наилучшей версии для конкретной архитектуры ЭВМ и может производиться с учетом времени счета эталонных задач. Эти технологии использовались в рамках проекта ATLAS (Automatically Tuned Linear Algebra Software) - создание инструментальных систем разработки программного обеспечения для адаптации оптимального объектного кода пакета линейной алгебры на различные архитектуры ЭВМ.

Пакет PETS (Portable, Extensible Toolkit for Scientific Computation) для численного решения дифференциальных уравнений в частных производных (ДУЧП) реализован на широком классе последовательных и параллельных архитектур.

Библиотеки программ.

Данный вид математического обеспечения состоят из набора пакетов программ (пакет пакетов), предназначенных для решения широкого круга задач, например задач численного анализа, математической статистики и др. Прототипами библиотек можно считать программы общего назначения, поставляемые производителями ЭВМ для своих машин. В СССР наиболее известна была библиотека такого класса — SSP (Scientific Subroutine Package) фирмы IBM. Она была адаптирована для ЭВМ серии ЕС и БЭСМ-6.

Библиотека программ ANSYS заявлена как многоцелевая конечно-элементная библиотека для проведения анализа в широкой области инженерных дисциплин (прочность, теплофизика, динамика жидкостей и газов и электромагнетизм). Она представляет собой набор свыше десяти специализированных пакетов, включая учебный. Пакеты сертифицированы по целому ряду международных стандартов, в том числе по стандартам Американской атомной промышленности и ГОСАТОМНАДЗОРа России. Разработчики ANSYSа также используют лицензионные программы для обеспечения интеграции с другими пакетами. Распределенные вычисления на вычислительных кластерах поддерживаются не на всех пакетах библиотеки.

Системы математического обеспечения.

Система математического обеспечения — это библиотека программ широкого назначения с проблемно-ориентированным языком, обеспечивающим дружественный интерфейс с пользователями.

Одной из старейших систем математического обеспечения вычислительных систем является MATLAB. В расчетах допускается использования таких мощных типов данных, как многомерные массивы чисел, символов, структур, задаваемых пользователями. Область применения MATLABа — это построение математических моделей и разработка алгоритмов, программирование и проведение вычислений, использование научной и технической графики для визуализации и анализа данных.

3. Обзор вычислительных систем, использующих технологии повышения живучести

Рассмотрим несколько вычислительных систем, реализующих различные методы повышения надежности работы и живучести. Начнем с вычислительной системы, предназначенной для обработки данных платежной системы банкоматов.

1. Вычислительная система Compaq [7].

Один из видов вычислительной системы повышенной надежности фирмы Compaq используется для обработки данных платежной системы банкоматов. Она состоит из четырех процессорных узлов, двухвходового RAID-массива пятого уровня и аппаратуры SAN на базе сетевых контроллеров и концентраторов ServerNet v.1. Структурная схема этой вычислительной системы приведена ниже.

Рис 2. Структурная схема вычислительной системы Compaq

Каждый из сетевых контроллеров, устанавливаемых в узлах кластера, оборудован двумя портами. Поэтому установка второго концентратора гарантирует доступ узлов друг к другу даже в случае выхода из строя одного из путей доступа. Конфигурация каналов доступа, концентраторов и RAID-контроллера дискового массива также обеспечивает гарантированный доступ к нему любого узла кластера при выходе из строя какой-либо части оборудования.

Повышение живучести и надежности вычислительной системы обеспечивается за счет горячего резерва оборудования, в первую очередь резервируются каналы связи. При выходе из строя одного из контроллеров Ethernet система переключается на использование другого с автоматической миграцией IP-адресов и всех текущих IP-соединений. Резервирование устройств хранения данных позволяет с высокой надежностью хранить информацию, а идентичность вычислительных узлов кластера позволяет организовывать вычислительный процесс с использованием горячего резерва оборудования.

2. Вычислительная система Fujitsu Siemens Server Shield.

Основные особенности архитектуры высокой готовности Fujitsu Siemens Server Shield таковы: критические приложения работают на главном сервере, некритические приложения (разработка, тесты) работают на резервном сервере. Структурная схема кластера приведена на рисунке снизу.

Рис. 3. Структура вычислительной системы Fujitsu Siemens Server Shield

В случае отказа главного сервера происходят следующие действия:

1. Отключение главного сервера.

2. Переключение рабочих данных с помощью коммутатора SCSI на резервный сервер.

3. Загрузка резервного сервера в качестве главного.

4. Автоматическое переподключение клиентов.

Кластер ServerShield обеспечивает высокую надежность, за счет резервирования оборудования, однако, резервной оборудование не простаивает, а выполняет ряд действия, что позволяет увеличить производительность основного сервера, за счет разгрузки его от некритических по надежности задач. Но такая структура требует полной перезагрузки системы, в случае выхода из строя основного сервера, и так же приводит к потере части производительности, за счет неполного использования производительности резервного сервера.

3. Вычислительная система фирмы Hewlett - Packard.

Схема "слабо связанного" кластера Hewlett-Packard включает до 8 серверов HP 9000 Series 800, причем семь из них являются основными системами, а восьмая находится в горячем резерве и готова заменить любую из основных систем в случае отказа. Общая структурная схема кластера приведена на рисунке ниже. На ней Сервера А, В и С - основные, а сервер D работает в режиме горячего резерва.

Рис. 4. Структура вычислительной системы фирмы Hewlett - Packar

В нормальном режиме работы основные системы кластера посылают резервной сообщения (так называемый "пульс"), подтверждающие их работоспособное состояние. Если резервная система обнаруживает потерю "пульса" какой-либо основной системой, она прекращает выполнение своих процессов, берет на себя управление дисками отказавшей системы, осуществляет перезагрузку, переключает на себя сетевой адрес отказавшей системы и затем перезапускает приложения. Весь процесс переключения может занимать от 10 до 20 или более минут в зависимости от приложения.

Подобная организация вычислительной системы позволяет получить высокую надежность при сравнительно небольших потерях производительности, однако, узким местом этой вычислительной системы становится наличие только одного резервного узла, выход из строя которого сделает механизм восстановления неработоспособным.

4. Вычислительная система командного пункта ЗРК (бортовая вычислительная система командного пункта зенитно-ракетного комплекса среднего радиуса действия).

Вычислительная система командного пункта состоит из трех вычислительных модулей: центральный процессор и два периферийных процессора. Центральный процессор выполняет роль сервера, два периферийных – клиенты.

Рис 5. Вычислительная система КП ЗРК

В этой вычислительной системе разработан алгоритм повышения надежности, позволяющий продолжать работу в случае выхода из строя одного из периферийных процессоров. Выход же из строя центрального процессора приводит к выходу из строя всей вычислительной системы.

При этом работа с одним периферийным процессорном ведет к отключению от работы трех из шести огневых установок, то есть выход из строя одного из периферийных процессоров приводит не к уменьшению производительности, а к потери части функций вычислительной системы.

Реализация алгоритма повышения надежности основывается на жестком разделении функций между двумя периферийными процессорами, что приводит к значительному усложнению алгоритмов штатного режима работы, так как кроме решения возлагающихся на них задач, они должны учитывать разделение на два процессорных модуля.

5. Система автоматического управления высокой надежности на базе ЭВМ «Багет 23В».

Эта вычислительная система предназначена для организации как бортовых, так и стационарных пунктов автоматизированного управления с повышенными требованиями к надежности и живучести. Структурная схема данной вычислительной системы приведена на схеме ниже.

Рис. 6. Структурная схема автоматической системы управления на базе ЭВМ «Багет 23В»

Система состоит из шести четырехпроцессорных ЭВМ разделенных на две группы по выполняемым функциям. Первая группа состоит из трех ЭВМ управления, обеспечивающих выполнение основных алгоритмов пользователей. Вторая группа состоит из трех ЭВМ индикации обеспечивающих интерфейс взаимодействия с оператором. Внутри каждой группы аппаратурный состав ЭВМ идентичный для возможности обеспечения алгоритма повышения живучести вычислительной системы за счет постепенной деградации.

Все ЭВМ соединены между собой по каналу Ethernet. Основная сеть Ethernet дублируется резервной для повышения надежности межмашинного взаимодействия. Обмен по основной и резервной сети Ethernet осуществляется независимо друг от друга, т.е. используются разные концентраторы, что позволяет в два раза уменьшить число коллизий по сравнению с тем, если бы обмен шел по общей среде.

Межпроцессорное взаимодействие осуществляется по каналу VME. Обмен по шине VME идет с использованием технологии эмуляции Ethernet на VME и представляет собой отдельные сети для каждой ЭВМ (всего 6 сетей), включающие в себя четыре процессорных модуля и имеющие выход в сети Ethernet через шлюз – первый процессорный модуль.

Для того, чтобы программы пользователей не имели дело с конкретным оборудованием и его тонкостями, инициализация каналов, настройка и функции обмена создаются на этапе инициализации системы. Это позволяет программам пользователя быть независимыми от аппаратурной платформы, используя единую функцию приема и передачи данных.

Таким образом, становится неважно, на каком процессорном модуле ведется работа программы, так как все сетевое взаимодействие становится не зависимым от аппаратуры, и зависит только от адреса приема и передачи, которые автоматически меняются в специально разработанной для этого программе переадресации, в зависимости от места работы той или иной программы.

В случае выхода из строя одной из ЭВМ комплекса, происходит автоматическая реконфигурация оборудования, изменяются ссылки на IP адреса, из работы исключается вышедшая из строя ЭВМ, а ее функции равномерно распределяются между всеми ЭВМ группы, к которой она принадлежала. При этом сохраняются все функции вычислительной системы, но снижается объем обрабатываемой информации. То есть реализуется алгоритм постепенной деградации вычислительной системы.

Так же в этой системе предусмотрено динамическое изменение ЭВМ-сервера управляющего алгоритмами повышения надежности и живучести и в случае неисправности, ЭВМ, выполняющей роль сервера, возможно продолжение работы, путем динамического выбора другой ЭВМ, которая будет выполнять роль сервера. Тогда, как в случае с фиксированным сервером, его выход из строя ведет к полной неработоспособности вычислительной системы [7].

Как видно из приведенных примеров высоконадежные вычислительные системы имеют широкое применение и разнообразие подходов повышения живучести и надежности. Несмотря на это, еще остается множество проблем в области повышения надежности вычислительных систем и кластеров, которые предстоит решить в ближайшее время.

4. Система имитационного моделирования ДАС как основа повышения эффективности вычислительных систем

Создание высокопроизводительных вычислительных систем, называемых также «суперкомпьютерами», является одним из важнейших направлений развития современной вычислительной техники [11]. Самые мощные современные суперкомпьютеры достигли петафлопного диапазона производительности, т. е. могут теоретически выполнять 10¹⁸ и более операций в секунду. Однако подавляющее большинство таких суперкомпьютеров имеет ряд общих недостатков, к которым можно отнести, прежде всего, высокое энергопотребление, значительные геометрические размеры и крайне высокую стоимость (обычно эти характеристики представляются как удельные, т. е. в расчете на единицу производительности). Одной из основных причин этого являются устаревшие подходы к проектированию архитектуры таких вычислительных средств.

В связи с этим постоянно предпринимаются попытки решить эти проблемы за счет принципиальных изменений в архитектуре как подобных систем в целом, так и отдельных процессоров, входящих в их состав. Примеров таких попыток существует огромное количество. В качестве одного из многочисленных примеров можно привести концепцию, приведенную в статье Ю.И. Митропольского [5]. Однако эта концепция, как и многие другие, всё же основывается на традиционной архитектуре вычислительных средств (процессоров или их множеств).

Более перспективными представляются работы, основанные на программируемой (или реконфигурируемой) архитектуре, наиболее яркими из которых представляются работы НИИ МВС ЮФУ (НИИ многопроцессорных вычислительных систем Южного федерального университета, г. Таганрог). В данном случае реконфигурация вычислительной системы осуществляется при помощи соответствующих программных средств однократно, перед решением задачи. В процессе решения задачи конфигурация системы не меняется, впрочем, и эти системы по удельным характеристикам оказываются существенно более эффективными, чем большинство существующих суперкомпьютеров, прежде всего за счет экономии аппаратных средств, настраиваемых на решение конкретной задачи.

Для повышения эффективности суперкомпьютеров эффективным является использование идеи машин (мультипроцессоров) с динамической архитектурой (МДА), основанных на концепции динамических автоматных сетей (ДАС).

Динамическая автоматная сеть включает в себя теоретически неограниченное количество динамических автоматов (ДА) с произвольным набором вычислительных функций и практически любой конфигурацией связей между ними. Эти ДА соединены посредством связей в сеть с некоторой заранее определенной начальной конфигурацией. Любой ДА принадлежит к одному из двух классов – «операторы» и «данные» (автоматы последнего класса также называются ресурсными автоматами), также ДА могут быть «структурными автоматами», представляющими собой подсети, копии которых с соответствующими изменениями могут порождаться в процессе вычислений.

В общем случае в процессе вычислений конфигурация ДАС постоянно изменяется, порождаются новые автоматы и связи, в начале вычислений количество ДА увеличивается, позднее – уменьшается, поскольку автоматы, выполнившие свою функцию, уничтожаются, в чём, собственно, и состоит «динамика» автоматной сети. Этот процесс называется автотрансформацией динамической автоматной сети. В конце вычислительного процесса в ДАС остаются только ДА класса «данные», совокупность и структура которых и представляет собой результат вычислений. В то же время возможны и структуры ДАС, которые не уничтожаются в процессе вычислений, постоянно получают новые данные на входах ДАС и вырабатывают новые результаты. Такие ДАС могут, например, использоваться в системах обработки сигналов, в системах обработки телеметрической информации, в системах искусственного интеллекта и во множестве других систем.

Теория ДАС не накладывает никаких ограничений на набор функций операторных автоматов, а гибкость рассматриваемой в данной курсовой работе системы имитационного моделирования ДАС позволяет вводить новые вычислительные функции автоматов по мере необходимости. Существенным свойством ДАС, которое может быть использовано как для разработки МДА/СКДА, так и других вычислительных систем с сетевой архитектурой, является возможность представления массивов или любых других сложных структур из автоматов.

Приведем общую структуру системы программного моделирования ДАС (СИМДАС) и некоторые основные проблем, возникающие при ее создании.

В состав системы имитационного моделирования ДАС (СИМДАС) входят следующие компоненты:

• язык программирования ЯРД-2017;

• транслятор с языка программирования ЯРД-2017 во внутреннее представление;

• ДАС (ДАС-файл); программа моделирования ДАС.

Можно выделить две основные проблемы, от решения которых зависит эффективность работы системы, а также возможность исследования некоторых характеристик моделируемых МДА и СКДА на основе ДАС.

Первая проблема заключается в количественных характеристиках моделируемых систем МДА (СКДА).

При разработке программы моделирования учитывались ранее полученные результаты анализа проблем моделирования вычислений ДАС, являющихся принципиально параллельными и многопроцессорными. Имеется в виду, что под «множеством процессоров» на самом деле понимается множество элементарных динамических автоматов ДА. При этом следует учесть, что количество ДА в СКДА может быть весьма велико – несколько миллионов и миллиардов. В то же время в обычных условиях исследователи и разработчики таких систем не имеют доступа к мощным суперкомпьютерам и вынуждены использовать для моделирования пусть мощные, но персональные компьютеры. Например, в распоряжении настоящей статьи имеется компьютер на базе четырехъядерного процессора Intel Core i7 с тактовой частотой 2.66 гигагерца, тремя гигабайтами оперативной памяти и двумя жесткими дисками общим объемом 3 терабайта. Таким образом, придется моделировать принципиально параллельные вычислительные процессы в среде последовательно работающих вычислительных средств. Использование многоядерных процессоров (например, вышеупомянутого процессора Intel Core i7, позволяющего с учетом гипертрейдинга организовать одновременное выполнение восьми потоков) не меняет принципиально ситуации, лишь несколько повышая производительность.

Таким образом, данная проблема сводится к обработке очень больших объемов информации и, учитывая последовательное выполнение вычислений, весьма большого времени проведения экспериментов. Первое приводит к необходимости использования виртуальной памяти, а второе – к необходимости периодического прерывания моделирования с сохранением полного текущего состояния системы. Виртуальная память позволяет без особых дополнительных средств решить проблему постоянного сохранения текущего состояния модели с целью возможной приостановки процесса моделирования и последующего его возобновления. В то же время организация виртуальной памяти должна быть осуществлена в рамках данной программы, по возможности без использования соответствующих механизмов, поддерживаемых операционной системой, поскольку управление последними крайне затруднено и неэффективно.

Вторая проблема заключается в оценке некоторых характеристик моделируемой системы и прежде всего – временных характеристик. В вычислительной модели ДАС не существует общего времени, каждый автомат имеет собственное время, а синхронизация работы всего множества автоматов осуществляется по событиям, главными из которых являются события изменения статуса (состояния) отдельных динамических автоматов, в результате чего активируются автоматы, связанные с ними. Для измерения временных характеристик системы необходим некоторый механизм привязки собственного времени автомата к общей шкале реального времени. То есть каждый автомат должен иметь свой счетчик времени, но привязанный к общей шкале времени. При возникновении некоторого события автомат копирует текущее глобальное время и отсчитывает свое собственное время от него, добавляя к нему время выполнения собственной вычислительной функции. Таким образом, все автоматы, инициализация работы которых Система имитационного моделирования динамических автоматных сетей привязана к данному событию, будут учитывать одно и то же время, хотя в последовательной моделирующей программе эта работа выполняется в разные моменты времени.

Заключение

В курсовой работе рассмотрены состав и свойства вычислительны систем.

Вычислительная система — это совокупность одного или нескольких компьютеров или процессоров, программного обеспечения и периферийного оборудования, организованная для совместного выполнения информационно-вычислительных процессов. К ее основным свойствам относится масштабируемость, производительность и ее наращиваемость, универсальность, надёжность и живучесть, самоконтроль и самодиагностика, а также технико-экономическая эффективность.

В курсовой работе уделено внимание информационному и математическому обеспечению вычислительных систем. Первое представлено совокупностью программ и предварительно подготовлен­ных данных, необходимых для их работы.

Прогресс технологии производства оборудования ЭВМ значительно опережает темпы роста производства программного обеспечения. Поэтому очень велико значение систем математического обеспечения как элемента индустриальной технологии производства программ приложений. Современное математическое обеспечение, кроме программ элементарных математических функций для вычисления синусов и логарифмов и др., содержит обширный набор стандартных программ для реализации массовых вычислительных алгоритмов. Техника сборки программы из готовых вычислительных компонент снижает трудоемкость программирования приложений. Значительное усложнение программирования из-за появления многопроцессорных кластеров и графических процессоров повышает роль такой техники.

Приведен обзор вычислительных систем, использующих технологии живучести, таких как система Compaq (используется для обработки данных платежной системы банкоматов), Fujitsu Siemens Server Shield, система фирмы Hewlett – Packard, бортовая вычислительная система командного пункта зенитно-ракетного комплекса среднего радиуса действия и система автоматического управления высокой надежности на базе ЭВМ «Багет 23В» (для организации как бортовых, так и стационарных пунктов автоматизированного управления с повышенными требованиями к надежности и живучести).

Кроме того в курсовой работе также отмечено, что проектирование вычислительных систем требует на разных стадиях исследования их работоспособности и прогнозируемых характеристик посредством программного моделирования. Имитационное моделирование является общепринятым методом исследования любых вычислительных систем, традиционно применяемым на различных этапах разработки их структуры и проектирования конкретных аппаратных устройств любой сложности. Тем более применение этих методов является крайне важным при разработке современных сложных многопроцессорных систем, таких как суперкомпьютеры, а также любых систем с сетевой структурой (например, мультипроцессоров и суперкомпьютеров с динамической архитектурой).

Система имитационного моделирования ДАС (СИМДАС) дает возможность исследования работоспособности и оценки характеристик любой сложной вычислительной системы с сетевой структурой, проектируемой на основе динамических автоматных сетей. К таким системам относятся мультипроцессоры, включая суперкомпьютеры, с динамической архитектурой, создаваемые на основе ДАС. Система СИМДАС обладает высокой степенью гибкости, что выражается не только в возможности описания структуры и функций любой такой системы на языке программирования ЯРД-2017, но и в возможности изменения синтаксиса и семантики самого языка в соответствии с особенностями моделируемой вычислительной системы

Список литературы

1. Бессмертный И. А. Интеллектуальные системы: учебник и практикум для СПО / И. А. Бессмертный, А. Б. Нугуманова, А. В. Платонов. - М.: Издательство Юрайт, 2018. - 243 с. 
2. Вычислительные системы и сети // http://all-ht.ru/inf/systems/ (дата обращения 20.11.2018).
3. Келим Ю.М. Вычислительная техника. - 9-е изд. - М.:
   2014. - 368 с.
4. Классификация вычислительных систем // http://libraryno.ru/klassifikaciya-vychislitel-nyh-sistem-xz2/ (дата обращения 19.11.2018).
5. Митропольский Ю.И. Новые концепции построения вычислительных суперсистем // Труды Физико-технологического института. - 2016. - Т. 25. - С. 22–37.
6. Новожилов О. П. Архитектура эвм и систем в 2 ч. Часть 1: учебное пособие для академического бакалавриата / О. П. Новожилов. - М.: Издательство Юрайт, 2018. - 276 с.
7. Примеры вычислительных систем, использующих технологии повышения живучести // http://all-ht.ru/inf/systems/p_0_8.html (дата обращения 21.11.2018).
8. Пятибратов А.П., Гудыно Л.П., Кириченко А.А. Вычислительные системы, сети и телекоммуникации. - М.: Кнорус, 2017. - 372 с.
9. Соколова В. В. Вычислительная техника и информационные технологии. Разработка мобильных приложений: учебное пособие для прикладного бакалавриата / В. В. Соколова. - М.: Издательство Юрайт, 2018. - 175 с. 
10. Степина В.В. Архитектура ЭВМ и вычислительные системы. Учебник. - М.: Курс, 2017. - 382 с.
11. Торгашев В.А., Царев И.В. Реализация суперкомпьютеров с динамической архитектурой на современной элементной базе // Информационно-управляющие системы. – 2016. – № 6. – С. 74–84.
12. Фисун В.А. Математическое обеспечение вычислительных систем // http://engjournal.ru/articles/154/html/files/assets/basic-html/page6.html (дата обращения 19.11.2018).