21. Векторные, матричные, ассоциативные вычислительные системы. Однородные и функционально – распределенные вычислительные системы.

Однородные системы и среды. Был рассмотрен ряд вычислительных систем, при построении которых используются различные возможности по организации параллельной обработки. Во всех этих системах не ставится никаких условии или ограничений относительно состава и функций устройств, а также связей между ними. В начале 60-х годов Э. В. Евреинов и Ю. Г. Косарев предложили несколько другой подход к построению систем, в основе которого три принципа: параллельность операций; переменность логической структуры; конструктивная однородность элементов и связей между ними. Первый принцип базируется на аксиоме параллельности задач и алгоритмов: всякая сложная задача может быть представлена в виде связанных между собой простых подзадач и для любой сложной задачи может быть предложен параллельный алгоритм, допускающий ее эффективное решение. Второй принцип базируется на аксиоме переменности логической структуры: процесс решения сложной задачи может быть представлен некоторой структурной моделью, включающей в себя подзадачи и связи между ними, что означает, что для каждой сложной задачи можно предложить соответствующую структуру из обрабатывающих элементов, связанных между собой определенным образом. Третий принцип базируется на аксиоме конструктивной однородности элементов и связей: все простые задачи получаются путем деления сложной задачи на части, а поэтому все эти простые задачи примерно одинаковы по объему вычислений и связаны между собой одинаковыми схемами обмена. Это означает, что система для решения сложной задачи может быть построена из одинаковых обрабатывающих элементов, связанных между собой одинаковым образом. Таким образом, при соблюдении трех принципов вычислительная система может быть представлена как совокупность неограниченного числа одинаковых обрабатывающих устройств, однотипно связанных между собой. Эта совокупность перед решением задачи настраивается соответствующим образом. Достоинства ОВС: решение задач неограниченной сложности и объема высокая надежность и готовность, что обеспечивается избыточностью обрабатывающих устройств, унифицированностью связей между ними и легкостью перестройки системы. Ограничения ОВС: эффективная реализация возможна лишь при весьма эффективной элементной базе. С развитием микропроцессоров и микро-ЭВМ на их остове такая база создана, и стала возможной реализация этих идей. Функционально – распределенные ВС. На вычислительные системы общего назначения, используемые для научно- технических расчетов и моделирования, в системах автоматизированного проектирования и управления производством, возлагается выполнение широкого спектра задач. При этом вычислительная система должна реализовать обширный набор функций над различными типами и структурами данных: обработку целочисленных значении, действительных чисел, графической информации и изображений, текстов, матричную обработку, трансляцию программ, доступ к данным, организованным в наборы или базы, и т, д. Кроме того, для управления вычислительными процессами и функционированием необходимо реализовать специфические функции управляющих программ операционной системы, управления виртуальной памятью, сходствами ввода – вывода и передачи данных, а также контроль и диагностику системы и др. В ЭВМ первого и второго поколений все эти функции реализовались одним процессором и интерпретировались им в виде арифметических и логических операций.

Такое же положение сохранилось в основном и в ЭВМ третьего поколения, в которых лишь простейшие операции ввода – вывода снимались с центрального процессора и передавались специализированным устройствам – каналам или процессорам ввода – вывода. Высокопроизводительные системы общего назначения создаются на основе многопроцессорных комплексов. Использование в таких системах однотипных процессоров, аналогичных процессорам ЭВМ общего назначения, оказывается неэкономичным, поскольку в каждом процессоре в каждый момент времени используется лишь часть ресурсов, обеспечивающих обработку данных одного типа. Наиболее экономичный способ построения многопроцессорной системы общего назначения – использование специализированных процессоров, ориентированных на реализацию определенных функций: обработки скалярных величин, текстов, матричной обработки, трансляции программ, управления данными и др. Достоинства: сокращаются затраты оборудования в процессоре и повышается его производительность. совокупность таких процессоров предоставляет необходимый для решения задач набор функций, который можно изменять, по-разному комплектуя систему и приспосабливая ее к рабочей нагрузке. Многопроцессорные вычислительные системы, построенные на основе разнотипных процессоров, ориентированных на реализацию определенных функций, называются функционально – распределенными вычислительными системами (ФРВС).

9.Зависимость характеристик производительности от режимов обработки данных. Режим обработки данных – способ выполнения заданий (задач), характеризующийся порядком распределения ресурсов системы между заданиями (задачами). Рассмотрим основные режимы обработки данных и их влияние на характеристики СОД. Мультипрограммная обработка. В общем случае процесс решения задачи сводится к последовательности этапов процессорной обработки, ввода и вывода данных и обращений к внешним запоминающим устройствам. При этом задача в каждый момент времени обрабатывается, как правило, одним устройством, а остальные не могут использоваться до завершения работы этого устройства я, следовательно, могут распределяться для выполнения других задач. Режим обработки, при котором в системе одновременно обрабатывается несколько задач, называется мультипрограммной обработкой или, кратко, мультипрограммированием. При этом процессы обработки, относящиеся к разным задачам, одновременно выполняются различными устройствами системы, способными функционировать параллельно. В этом случае говорят, что система обработки данных функционирует в мультипрограммном режиме В тех случаях, когда необходимо подчеркнуть, что параллелизм в работе системы достигается именно за счет одновременной обработки нескольких независимых задач, а не параллельных процессов решения одной задачи, вместо термина «мультипрограммный режим» используется термин «мультизадачный режим». Цель мультипрограммирования – увеличение производительности системы. Число задач, находящихся в системе, называется уровнем мультипрограммирования. Уровень мультипрограммирования влияет на производительность и время ответа системы следующим образом. На рис. 1.13 штриховыми линиями показана зависимость производительности системы λ, и среднего времени ответа U от уровня мультипрограммирования М. При изучении этих зависимостей удобно кривые λ(М) и U(М) представлять ломаными линиями, состоящими из двух прямых – асимптот и характеризующими верхнюю и нижнюю оценку: λ(М) и U(М) соответственно. С увеличением уровня мультипрограммирования М увеличивается вероятность того, что большее число устройств одновременно занято выполнением задач. Но вместе с тем вероятность того, что несколько задач одновременно обращаются к одному устройству, достаточно мала, и поэтому время ожидания оказывается незначительным. Однако при уровне мультипрограммирования возникает ситуация, когда, по крайней мере, одно устройство оказывается полностью загруженным. Дальнейшее увеличение числа задач не приводит к росту производительности λ, которая определяется производительностью λ* этого устройства, но при М>М* начинает резко возрастать время ответа U, поскольку все большее число задач ожидает момента освобождения устройств1[5]. Значение М* называется точкой насыщения мультипрограммной смеси, а также точкой насыщения системы и зависит в первую очередь от числа устройств, которые в составе системы могут функционировать параллельно. Чем больше число устройств, тем больше М*. Кроме того, на значение М* существенно влияют свойства задач. Если задачи преимущественно используют одно устройство, то значение М* невелико и может быть равным единице. Если задачи загружают все устройства, то значение М* определяется числом устройств в системе. Работа системы при уровне мультипрограммирования М>М* неэффективна, поскольку нет выигрыша в производительности и увеличивается время ответа. Производительность λ и среднее время ответа U связаны между собой зависимостью ,которая называется формулой Литтла и является фундаментальным законом теории массового обслуживания. * M M U M /Оперативная и пакетная обработка данных. Применительно к СОД, предназначенным для информационного обслуживания пользователей (но не технических объектов и систем), принято выделять два режима обработки данных: оперативную и пакетную обработку. Оперативная обработка данных характеризуется: 1) малым объемом вводимых – выводимых данных и вычислений, приходящимся на одно взаимодействие пользователя с системой (на одну задачу); 2) высокой интенсивностью взаимодействия и вытекающим отсюда требованием уменьшения времени ответа. Оперативная обработка необходима в системах банковских, резервирования билетов, справочных и др. Пакетная обработка данных характеризуется: 1) большим объемом вводимых – выводимых данных и вычислений, приходящимся на одно взаимодействие пользователя с системой (на одну задачу); 2) низкой интенсивностью взаимодействия и допустимостью большого времена ответа. Пакетная обработка типична для вычислительных центров научно-технического профиля, систем обработки учетно- статистических данных, результатов геофизических измерений и т. д. В рамках оперативной обработки выделяют два режима: запрос – ответ и диалоговый. Режим запрос – ответ характеризуется меньшей интенсивностью и большей продолжительностью взаимодействия по сравнению с диалоговым режимом. Типичный пример использования режима запрос–ответ – справочная служба на основе ЭВМ. При этом пользователь формирует текст запроса, который вводится в ЭВМ, и ответ должен быть получен за несколько десятков секунд. Работа в диалоговом режиме предполагает практически мгновенный контакт пользователя с системой, при котором система реагирует на действия пользователя с задержкой в несколько секунд или доли секунды. Наиболее жесткие ограничения возникают, когда система должна обслуживать элементарные манипуляции пользователя, работающего за терминалом: например, реагировать на нажатие каждой клавиши. В этом случае время ответа не должно превышать 0,1 с. Менее жестким является режим, когда система должна реагировать только на моменты окончания набора строк, обеспечивая время ответа, равное нескольким секундам. Быстрота реакции системы на действия пользователя является непременным условием диалогового режима.

Модели производительности. При проектировании, а также при совершенствовании конфигурации и режимов функционирования систем, находящихся в эксплуатации, возникает необходимость оценивать производительность различных вариантов. Для этого используются модели производительности вычислительных систем, позволяющие к тому же оценивать характеристики процессов и использования ресурсов. Характеристики необходимы – для выбора подходящего варианта. Модели производительности могут строиться как имитационные, аналитические или статистические. Из-за существенного различия этих классов моделей по точности и затратам на реализацию могут использоваться различные методы при построении элементов модели производительности: рабочей нагрузки, фаз планирования работ и выполнения задач. Такие модели производительности называются гибридными. В типичной гибридной модели рабочая нагрузка и планирование воспроизводятся имитационными, а выполнение задач – аналитическими методами. Имитационные модели производительности систем общего назначения состоят из трех основных блоков: рабочей нагрузки, планирования работ и выполнения задач.

Модель рабочей нагрузки создает потоки заданий, формируемых пользователями на входе системы, и определяет параметры заданий. Модель настраивается на конкретный тип нагрузки набором параметров В1. Модель планирования работ воспроизводит обеспечение заданий ресурсами. Модель настраивается на конкретный режим обработки набором параметров В2 (число разделов или инициаторов, распределение классов задач между инициаторами и т. д.).

Задания, обеспеченные на фазе планирования ресурсами, образуют задачи, обработка которых воспроизводится моделью выполнения задач. Набор параметров В3 характеризует структуру системы и быстродействие устройств, влияющие на продолжительность выполнения задач. Состояние процессов в общем случае влияет на состояние процессов планирования и порядок поступления задач в систему: данные о состоянии последующих фаз обработки передаются в предыдущие фазы.

15. Модели и методы теории вычислительных систем. Модели предназначены для представления порядка функционирования систем и их составляющих с целью прогнозирования производительности, надежности и других характеристик. Методы, опирающиеся на соответствующие модели для решения задач анализа, идентификации и синтеза:

1) Вероятностные – марковские модели, модели массового обслуживания, статистические модели.

2) Аналитические, имитационные, экспериментальные

Задача анализа 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. Задачи идентификации – основаны на построение модели системы на основе априорных сведений об ее организации и данных измерений. 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.Задачи синтеза реализуют – 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. Модель – физическая или абстрактная система, адекватно представляющая объект исследования. В теории вычислительных систем используются преимущественно абстрактные модели – описания объекта исследования на некотором языке. Абстрактность модели проявляется в том, что компонентами модели являются не физические элементы, а понятия, в качестве которых наиболее широко используются математические. Абстрактная модель, представленная на языке математических отношений, называется математической моделью. Модель создается исходя из цели исследования, устанавливающей: Состав характеристик Y определяется в зависимости от исследуемых свойств системы – производительности, надежности и других и должен гарантировать полноту отображения этих свойств. Состав параметров X должен охватывать все существенные аспекты организации системы, изучение влияния которых на качество функционирования составляет цель исследования, производимого с помощью модели. Область определения модели характеризует диапазон исследуемых вариантов организации систем. Чем обширнее состав характеристик и параметров, а также область определения модели, тем универсальнее модель в отношении задач, которые можно решать с ее использованием. Предельные допустимые погрешности оценки характеристик и точность задания параметров определяют требования к точности модели. Модель, удовлетворяющая вышеперечисленным требованиям по составу характеристик и параметров и точности воспроизведения характеристик во всей области определения, называется адекватной системе. Другое свойство модели – сложность. Сложность модели принято характеризовать двумя показателями: размерностью и сложностью вычислений, связанных с определением характеристик. Размерность модели – число величин, представляющих в модели параметры и характеристики. Сложность вычислений, выполняемых при расчете характеристик Y=F(X), оценивается числом операций, приходящихся на одну реализацию оператора Р. Сложность модели определяется сложностью моделируемой системы и назначением модели (состав характеристик и параметров, воспроизводимых в модели), размером области определения и точностью модели.

Статистические модели В тех случаях, когда причинно-следственные отношения в исследуемом объекте трудно охарактеризовать из-за их многообразия, сложности и невыясненной природы процессов или когда эти отношения несущественны, а желательно представить свойства объекта в достаточно компактной форме, используются статистические методы для математического выражения зависимостей между характеристиками и параметрами объекта. Статистические методы – совокупность способов сбора, анализа и интерпретации данных о некотором объекте или совокупности объектов с целью получения теоретических или практических выводов.

Сущность статистических методов состоит в следующем. На основе эмпирических представлений о свойствах, исследуемого объекта и в соответствии с целью исследования определяется состав признаков, характеризующих объект, и тип статистической модели (математические выражения, структуры). Признаки, посредством которых описывается объект,– величины, соответствующие параметрам и характеристикам объекта. Аналитические методы.

Аналитические методы исследования вычислительных систем сводятся к построению математических моделей, которые представляют физические свойства как математические объекты и отношения между ними, выражаемые посредством математических операций. При использовании аналитических методов оператор F, устанавливающий зависимость Y = F(X) между характеристиками и параметрами объекта,

представляется совокупностью математических выражений (формул) – алгебраических, дифференциального и интегрального исчисления и др. Модели, построенные этими методами, называются аналитическими моделями. Таким образом, аналитические модели, базируясь на допущениях о свойствах объектов, применимы для исследования только тех систем, в отношении которых справедливы принятые допущения. Ценность аналитических методов и моделей для теории и практики обусловлена следующими причинами. Во-первых, зависимости, полученные аналитическими методам», являются строго доказанными и их достоверность не вызывает сомнений, конечно с учетом принятых при выводе допущений. Поэтому аналитические зависимости используются в качестве своеобразных эталонов, с которыми сопоставляются результаты, получаемые другими методами. Некоторые аналитические зависимости носят абсолютно общий характер и используются в качестве законов, отображающих фундаментальные свойства вычислительных систем. Во-вторых, аналитические модели имеют большую познавательную ценность. Аналитические зависимости определяют характеристики для всей области значений параметров и несут в себе информацию о поведении соответствующих систем при любых сочетаниях параметров. В-третьих, аналитические модели характеризуются наименьшей сложностью вычислений. Это свойство чрезвычайно важно при решении задач синтеза, поскольку оптимизация связана с многократными вычислениями характеристик при различных значениях параметров. Аналитические методы и модели раскрывают фундаментальные свойства вычислительных систем и составляют ядро теории вычислительных систем. Имитационные методы Имитационные методы основаны на представлении порядка функционирования системы в виде алгоритма, который называется имитационной (алгоритмической) моделью.. 1. Определение принципов построения модели. Цель этого этапа – сформировать общий замысел модели (состав характеристик и параметров, подлежащих отображению, область определения модели, требования к точности результатов моделирования, тип математической модели, программные и технические средства для описания и реализации модели). На этом этапе выдвигаются гипотезы о свойствах моделируемой системы, принимаются допущения для использования соответствующих математических методов и конкретизируются эксперименты, проводимые на модели. 2. Разработка модели. Цель этого этапа – создание программы моделирования для ЭВМ. При этом общий замысел модели преобразуется в конкретное алгоритмическое описание. Этап завершается проверкой работоспособности и адекватности модели. 3. Моделирование на ЭВМ. Цель этого этапа – получение с помощью модели данных о поведении исследуемой системы, обработка полученных данных, а при синтезе системы – выбор параметров, оптимизирующих заданные характеристики системы и удовлетворяющих заданным ограничениям. Важнейшее свойство метода имитационного моделирования – универсальность, проявляющаяся в следующем. Недостатки имитационных методов – большие затраты времени на моделирование и частный характер получаемых результатов. В имитационной модели процесс функционирования системы воспроизводится во всех существенных для исследования деталях за счет последовательного выполнения на ЭВМ операций над величинами. Экспериментальные методы. Экспериментальные методы основываются на получении данных о функционировании вычислительных систем в реальных или специально созданных условиях с целью оценки качества функционирования и выявления зависимостей, характеризующих свойства систем и их составляющих. Типичные задачи, решаемые экспериментальными методами,– оценка производительности и надежности системы, определение состава и количественных показателей системной нагрузки в зависимости от прикладной нагрузки и т. д. Экспериментальные исследования выполняются в следующем порядке: 1. Формулируется цель исследования. 2. Выбирается или разрабатывается методика исследования, которая устанавливает модель исследуемого объекта; способ и средства измерения; способ я средства обработки измерительных данных, а также интерпретация результатов измерений и обработок. 3. Проводятся измерения процесса функционирования объекта в реальных или специально создаваемых условиях. 4. Измерительные данные обрабатываются и соответствующим образом интерпретируются. Недостатки экспериментальных методов – большие затраты труда и времени на проведение экспериментальных исследований, а также частный характер получаемых результатов, распространение которых на системы с другой конфигурацией и режимом функционирования требует достаточно сложной работы.