Презентация на тему "Суперкомпьютерные технологии"

Содержание

• 
  Слайд 1

  Суперкомпьютерные технологии

  Долганина Наталья Юрьевна, доцент кафедры «Системное программирование»

• 
  Слайд 2

  понятие параллельных вычислений

  Люди – это параллельные миры, а реальная жизнь – лишь тонкая поверхность их пересечения. О. Муравьева

• 
  Слайд 3

  Содержание

  Понятие параллельных вычислений Необходимость параллельных вычислений Примеры приложений Значимость параллельных вычислений 3

• 
  Слайд 4

  Параллельные вычисления

  4 Параллельные (parallel или concurrent)вычисления –процессы решения задач, в которых в один и тот же момент времени могут выполняться одновременно несколько вычислительных операций. Параллельные вычисления составляют основу суперкомпьютерных технологий и высокопроизводительных расчетов.

• 
  Слайд 5

  Параллельные вычисления и многопроцессорные компьютеры

  5 Параллельные вычисления –не просто использование многопроцессорных (многоядерных) вычислительных систем. Одновременно выполняемые операции должны быть направлены на решение общей задачи. Параллельность ≠ многозадачность.

• 
  Слайд 6

  Режимы выполнения задач

  6 Последовательный задачи решаются последовательно в некотором порядке. Многозадачный (псевдопаралльный) для выполнения нескольких задач используется единственный процессор (разделение времени: в каждый момент времени может исполняться единственная задача). Параллельный для выполнения нескольких задач используется несколько процессорных устройств.

• 
  Слайд 7

  Последовательная обработка

  7

• 
  Слайд 8

  Режимы выполнения задач

  8 Последовательный задачи решаются последовательно в некотором порядке. Многозадачный (псевдопаралльный) для выполнения нескольких задач используется единственный процессор (разделение времени: в каждый момент времени может исполняться единственная задача). Параллельный для выполнения нескольких задач используется несколько процессорных устройств.

• 
  Слайд 9

  Псевдопараллельная обработка

  9

• 
  Слайд 10

  Режимы выполнения задач

  10 Последовательный задачи решаются последовательно в некотором порядке. Многозадачный (псевдопаралльный) для выполнения нескольких задач используется единственный процессор (разделение времени: в каждый момент времени может исполняться единственная задача). Параллельный для выполнения нескольких задач используется несколько процессорных устройств.

• 
  Слайд 11

  Параллельная обработка

  11

• 
  Слайд 12

  Виды параллельной обработки

  12 Многопроцессорная обработка Несколько процессоров (ядер) используются для решения одной и той же задачи Задача разбивается на подзадачи Каждый процессор выполняет свою подзадачу Конвейерная обработка Несколько устройств используются для решения различных задач Задача разбивается на этапы Каждому устройству сопоставляется этап, который оно выполняет, и два других устройства: поставщик и потребитель Векторная обработка Использование специального процессора, который выполняет операцию над векторами как одну команду Векторно-конвейерная обработка

• 
  Слайд 13

  Многопроцессорная обработка

  13

• 
  Слайд 14

  Виды параллельной обработки

  14 Многопроцессорная обработка Несколько процессоров (ядер) используются для решения одной и той же задачи Задача разбивается на подзадачи Каждый процессор выполняет свою подзадачу Конвейерная обработка Несколько устройств используются для решения различных задач Задача разбивается на этапы Каждому устройству сопоставляется этап, который оно выполняет, и два других устройства: поставщик и потребитель Векторная обработка Использование специального процессора, который выполняет операцию над векторами как одну команду Векторно-конвейерная обработка

• 
  Слайд 15

  Конвейерная обработка

  15 Генри Форд (1863-1947) Первый сборочный конвейер на автозаводе Форда

• 
  Слайд 16

  Виды параллельной обработки

  16 Многопроцессорная обработка Несколько процессоров (ядер) используются для решения одной и той же задачи Задача разбивается на подзадачи Каждый процессор выполняет свою подзадачу Конвейерная обработка Несколько устройств используются для решения различных задач Задача разбивается на этапы Каждому устройству сопоставляется этап, который оно выполняет, и два других устройства: поставщик и потребитель Векторная обработка Использование специального процессора, который выполняет операцию над векторами как одну команду Векторно-конвейерная обработка

• 
  Слайд 17

  Векторная обработка

  17 Копировально-фрезерный станок для обработки отверстий замка SZS-100. Обеспечивает сверление 3-х параллельных отверстий для замочного паза.

• 
  Слайд 18

  Виды параллельной обработки

  18 Многопроцессорная обработка Несколько процессоров (ядер) используются для решения одной и той же задачи Задача разбивается на подзадачи Каждый процессор выполняет свою подзадачу Конвейерная обработка Несколько устройств используются для решения различных задач Задача разбивается на этапы Каждому устройству сопоставляется этап, который оно выполняет, и два других устройства: поставщик и потребитель Векторная обработка Использование специального процессора, который выполняет операцию над векторами как одну команду Векторно-конвейерная обработка

• 
  Слайд 19

  Векторно-конвейерная обработка

  19 Конвейер по сборке автомобилей на заводе "Вольво"

• 
  Слайд 20

  Пример

  20 Пусть Конвейерное устройство умножения состоит из 4 ступеней, срабатывающих за 1 такт. Векторный процессор имеет 10 арифметических устройств (АУ) и тратит 2 такта на инициализацию векторной команды умножения Умножим 100 векторов из30 элементов на число: скалярный процессор: 4такта*(30*100) чисел = 12 000тактов конвейерный процессор: 4такта*1число+1такт*(30*100-1)чисел= 3 003тактов векторный процессор: (4такта+2иниц.)*((30*100) чисел/10АУ) = 1 800тактов векторно-конвейерный процессор: (4такта+2иниц.)* 1АУ+(1такт+2иниц.)*(((30*100) чисел/10АУ)-1) = 903такта

• 
  Слайд 21

  Необходимость параллельных вычислений

  21 Большие вычислительные задачи и теоретическая ограниченность роста производительности последовательных компьютеров. Резкое снижение стоимости многопроцессорных (параллельных) вычислительных систем ПК на базе 4-ядерного процессора Intel Core 2 Quad– 20 GFlops ($1500) Персональный мини-кластер T-Edge Mini на базе 4-ядерных процессоров IntelXeon– 240 GFlops ($20000) Смена парадигмы построения высокопроизводительных процессоров – многоядерность.

• 
  Слайд 22

  Большая задача: пример

  22 Предметная область Нефтяной резервуар, пробуренные скважины для откачки нефти и закачки воды Задача Путем моделирования определить необходимость бурения доп. скважин Модель Параллелепипед 1000 * 10 000 * 10 000 точек, В каждой точке – от 5 до 20 функций, Значение функции – решение систем нелинейных уравнений (200-1000 арифм. операций) Нестационарный процесс – 100-1000 шагов по времени Решение Количество операций: 1011(точек сети) * 10(функций) * 500(операций) * 500(шагов) = 2.5 * 1017 Производительность персонального компьютера: 2.5*109 операций в секунду Время решения (одной задачи): 2.5*1017/2.5*109 = 108 сек. > 3 года

• 
  Слайд 23

  Примеры приложений

  23 Автомобилестроение и машиностроение Нефте- и газодобыча Фармакология Прогноз погоды и моделирование изменения климата Сейсморазведка Проектирование сложных зданий и строительных сооружений Синтез новых материалов

• 
  Слайд 24

  Примеры задач

  24 Анализ изменений климата Состояние атмосферы Прогноз погоды Суперкомпьютерный центр в Барселоне

• 
  Слайд 25
  

  25 Новые лекарства и методы лечения Расшифровка генома

• 
  Слайд 26
  

  26 Виртуальные испытательные стенды

• 
  Слайд 27
  

  Виртуальный испытательный стенд на базе «Моделирование эффекта овализации труб при закалке»

  27

• 
  Слайд 28

  Многоядерные процессоры

  28 рр Platform 2015: Intel Processor and Platform Evolution for the Next. Decade White Paper. -Intel Corporation, 2005.

• 
  Слайд 29

  Значение параллельных и суперкомпьютерных вычислений для человека

  29 Математическое моделирование с тщательным исследованием возможных вариантов практически в любой сфере человеческой деятельности с помощью вычислительных экспериментов. Особые области приложения Невозможность (недопустимость) натурных экспериментов: изучение процессов при ядерном взрыве или серьезных воздействий на природу. Изучение влияния экстремальных условий (температур, магнитных полей, радиации и др.) – старение материалов, безопасность конструкций, боевое применение. Моделирование наноустройств и наноматериалов. Науки о жизни  – изучение генома человека, разработка новых лекарственных препаратов и др. Науки о Земле  – обработка ГИС-данных: полезные ископаемые; селевая, сейсмическая и т.п. безопасность, прогнозы погоды, модели изменения климата и др. Моделирование при разработке новых технических устройств – инженерные расчеты.

• 
  Слайд 30

  Значение параллельных и суперкомпьютерных вычислений для страны

  30 Конкурентоспособность страны в современных условиях во многом определяется уровнем развития суперкомпьютерных вычислительных технологий. Суперкомпьютерные технологии становятся одним из решающих факторов научно-технического прогресса (как ранее авиация, ракетная техника, космос).

• 
  Слайд 31

  Суперкомпьютерные технологии: совокупность знаний и умений

  31 Архитектура параллельных вычислительных систем. Модели вычислений и методы анализа сложности. Параллельные методы вычислений. Параллельное программирование (языки, среды разработки, библиотеки).

• 
  Слайд 32

  Заключение

  Компетенции современного ИТ-специалиста в области суперкомпьютеров и параллельного программирования способность к использованию аппарата математического моделирования при решении прикладных и научных задач на суперкомпьютерах; способность к разработке параллельных версий последовательного алгоритма решения задачи и их программной реализации; понимание принципиальных возможностей и областей применения параллельных вычислений, включая понимание теоретических и ресурсных ограничений методов и технологий обработки данных с помощью суперкомпьютеров; умение обрабатывать результаты, полученные в ходе экспериментов на суперкомпьютерах, анализировать и осмысливать их с учетом имеющихся научных и технологических достижений в области высокопроизводительных вычислений. 32