关注军用并行仿真的高效能问题

随着应用的不断深入,军事仿真对计算机综合性能的要求越来越高.目前高效能计算机的发展以及新型体系结构的涌现给军用并行仿真带来了重要的机遇和挑战,如何高效充分利用系统资源,提高军事仿真应用的开发及运行效率成为当前军用并行仿真亟待解决的关键问题.论文从技术角度,讨论了军用高效能并行仿真的需求以及传统高性能仿真技术存在的问题,分析了实现高效能并行仿真的可能途径,并就军用高效能仿真计算机和配套软件的研制提出了具体建议.     

计算机应用系统的可靠性设计准则

从计算机系统设计的角度,论述了计算机应用系统的可靠性设计准则.     

计算机系统与计算机网络中的动态优化:模型、求解与应用

对计算机系统与计算机网络进行资源分配以及任务调度使用的理论工具是动态优化。当前,随着计算系统以及计算网络的发展,国内外已经对计算机系统以及计算机网络中的动态优化进行深度的研究,以期能够对实际的应用有所帮助。本文通过马尔可夫决策从模型、求解、应用方面对计算机系统与计算机网络展开讨论。     

计算机应用系统的可靠性设计准则

长期以来，计算机应用系统的可靠性一直是专家们讨论的重要问题。本文从计算机系统设计的角度，论述了一些计算机应用系统打吃亏生设计准则．     

探析规则互连多计算机系统的容错性及诊断算法

随着计算机的不断发展与进步,其应用范围越来越广泛,大大改变了人们的生活方式和工作方式.随着计算机应用的不断发展,社会对其提出了更高的要求,产生了多计算机系统.本文从规则互连多计算机系统的容错性及诊断算法角度出发,先简单介绍了相关概念,然后分析了多计算机系统的容错性,最后阐述了多计算机系统的诊断算法.     

计算机系统维护

计算机系统维护是指对计算机系统做定期检测以及优化和修理工作,是延长计算机使用寿命及提高计算机使用效率的重要措施.计算机系统维护主要体现在两方面——硬件系统的维护和软件系统的维护.当计算机出现故障时,应先检查并排除是否是软件故障,再去排查硬件故障.本文将分别从硬件和软件两个方面介绍计算机系统的组成、工作环境、常见的故障及检修方法,以及计算机的日常维护和保养方法.     

高效能计算机系统虚拟化技术初探

在信息化时代,高效能计算机也在不断地改进,对其系统的性能以及安全性等都提出了一定的要求,而虚拟化技术则具有一定的安全性,对其管理也比较灵活等,目前已经广泛应用于服务整合以及安全管理等邻域,通过对这种技术进行分析,观察其在高效能计算机中应用的性能以及体系结构的适用性,对这一技术做了初步的探索.     

面向系统能力的计算机系统结构课程教学内容设计

从系统观角度出发,根据近年来计算机系统结构和计算机操作系统以及相关课程的教学经历与思考,对比国内外名校计算机系统结构课程的教学内容划分与学时安排,从加强系统能力、构建知识体系、教学内容设计等方面提出一些思路,强调该课程教学中系统能力的培养。     

计算机日常维护及常用方法探讨

计算机的安全运行会直接影响到用户的使用效果.计算机是一个复杂的系统,在实际应用过程中很可能会由于各种各样的问题而出现一些故障,比如丢失数据、计算机系统中毒、无法启动、计算机系统瘫痪、文件损失等,如果没有及时采取相应的维护及处理措施,可能会缩短计算机的使用寿命,难以充分发挥计算机的效能以及价值.做好计算机的日常维护工作,尽可能减少计算机故障发生,提高计算机运行速度都显得尤为重要.介绍了计算机在日常生活中的实际应用,分析了计算机常见的硬件故障以及软件故障,并且提出了相应的维护方法.     

基于资源调度的集群节能系统的设计与实现

集群计算机系统的运算性能跨入百万亿次、千万亿次时代,节能降耗已成为集群计算机系统必须面对的重要问题之一,本文从系统级节能的角度出发,结合神威高性能集群计算机系统的系统监测、作业管理、IPMI带外电源管理和TuxOnIce系统休眠技术,设计并实现了基于资源调度的集群节能系统,通过对空闲结点的关机或休眠,能够有效地降低集群系统空闲时的能耗,使神威高性能集群计算机系统成为真正的绿色计算机。     

An effective speedup metric for measuring productivity in large-scale parallel computer systems

With the parallel computer systems scaling-up, the measure index for performance of the systems demands a shift from traditional “high performance” to “high productivity.” This brings a new challenge to defining a synthetic, yet meaningful, measure index of multiple productivity variables; namely computing performance, reliability, energy consumption, parallel software development, etc. Traditional measures for large-scale parallel computer systems merely focus on computing performance, and are incapable of measuring the multiple productivity variables simultaneously in an effective manner. A recently proposed market-related money model, which pursues high utility/cost ratio, relies on money as a measure to consider the multiple productivity variables. Differing from the previous models, this paper proposes a novel system productivity speedup metric for large-scale parallel computer systems. The metric uses speedup instead of money to comprehensively unify the measures of multiple productivity variables. Finally, we propose a trade-off productivity measurement to weigh different productivity variables, to address different design targets. The measurement can facilitate the system evaluation, expose future technique tendencies, and guide future system design.     

基于云计算的科技资源信息共享模式的构建

随着我国电子政务系统的不断升级换代,各个地区和各个业务部门的应用系统已经开始逐步完善起来,但是由于信息化技术水平的限制,造成了大量的人力和物力的浪费,很多业务服务系统之间不能实现信息共享,“信息孤岛”问题越来越突出,如何避免该问题的重复再现,一直是一个研究的热点课题。伴随着当今云计算技术的推广,使用云计算实现大规模数据存储和计算,以及使用云平台整合服务和构建新的应用服务将有助于解决以上问题。本文提出一种基于云计算的平台共享范式,意在解决地区科技资源的信息共享,并实现科技资源数据的大规模存储,防止信息系统碎片。     

面向人工智能和大数据的高效能计算

【目的】本文主要分析人工智能和大数据应用随着迅速增大的数据规模,给计算机系统带来的主要挑战,并针对计算机系统的发展趋势给出了一些面向人工智能和大数据亟待解决的高效能计算的若干研究方向。【文献范围】本文广泛查阅国内外在超级计算和高性能计算平台进行大数据和人工智能计算的最新研究成果及解决的挑战性问题。【方法】大数据既为人工智能提供了日益丰富的训练数据集合,但也给计算机系统的算力提出了更高的要求。近年来我国超级计算机处于世界的前列,为大数据和人工智能的大规模应用提供了强有力的计算平台支撑。【结果】而目前以超级计算机为代表的高性能计算平台大多采用CPU+加速器构成的异构并行计算系统,其数量众多的计算核心能够为人工智能和大数据应用提供强大的计算能力。【局限性】由于体系结构复杂,在充分发挥计算能力和提高计算效率方面存在较大挑战。尤其针对有别于科学计算的人工智能和大数据领域,其并行计算效率的提升更为困难。【结论】因此需要从底层的资源管理、任务调度、以及基础算法设计、通信优化,到上层的模型并行化和并行编程等方面展开高效能计算的研究,全面提升人工智能和大数据应用在高性能计算平台上的计算能效。     

多计算机联合计算的系统设计基本问题

在通用计算机取得突习锰进的同时，各种专用计算机也取得良好、健康的发展。面对一个复杂的计算机系统，如何合理划分问题，充分发挥各种计算机的优势，设置高效的通信机制，建立一个具有良好性能价格比的高性能多计算机联合计算的系统是当前计算机应用向深度发展的重要课题。     

能耗并行加速比:高性能计算系统综合性能的有效度量

随着并行系统规模的扩大,高性能计算系统运行时消耗的能耗也在急剧增长,过高的能耗也给系统的可靠性、稳定性等方面带来严峻挑战。在这种情形下,能耗问题受到了前所未有的关注。因此,设计和研究高性能计算系统,需要在考虑高计算性能的同时兼顾系统低能耗的要求,这为高性能计算系统的度量模型提出了新的挑战。于是,大规模并行系统逐渐从"高性能"走向"高效能"的衡量标准。基于此,本文采用加速比度量指标,从系统可扩展角度将计算性能和能量消耗要素进行综合,提出了一种度量高性能计算系统综合性能的能耗并行加速比模型。该模型能够直观地反映并行计算系统的效能,旨在指导系统设计和应用研究。最后,通过对该模型的分析和模拟,验证了模型的有效性。     

ChattyGraph:面向异构多协处理器的高可扩展图计算系统

现阶段,随着数据规模扩大化和结构多样化的趋势日益凸现,如何利用现代链路内链的异构多协处理器为大规模数据处理提供实时、可靠的并行运行时环境,已经成为高性能以及数据库领域的研究热点.利用多协处理器(GPU)设备的现代服务器(multi-GPU server)硬件架构环境,已经成为分析大规模、非规则性图数据的首选高性能平台.现有研究工作基于Multi-GPU服务器架构设计的图计算系统和算法(如广度优先遍历和最短路径算法),整体性能已显著优于多核CPU计算环境.然而,这类图计算系统中,多GPU协处理器间的图分块数据传输性能受限于PCI-E总线带宽和局部延迟,导致通过增加GPU设备数量无法达到整体系统性能的类线性增长趋势,甚至会出现严重的时延抖动,进而已无法满足大规模图并行计算系统的高可扩展性要求.经过一系列基准实验验证发现,现有系统存在如下两类缺陷:(1)现代GPU设备间数据通路的硬件架构发展日益更新(如NVLink-V1,NVLink-V2),其链路带宽和延迟得到大幅改进,然而现有系统受限于PCI-E总线进行数据分块通信,无法充分利用现代GPU链路资源(包括链路拓扑、连通性和路由);(2)在...     

DNA逻辑计算模型的研究现状与展望

DNA计算因其优异的计算能力已经成为当前研究热点,DNA逻辑计算模型是DNA计算体系与运算实现的重要依托。按应用技术将现有DNA逻辑计算模型进行分类：基于链置换的DNA逻辑计算模型、基于核酶的DNA逻辑计算模型、基于G-quadruplex的DNA逻辑计算模型、基于DNA自组装的逻辑计算模型、基于其他分子技术和分子材料的DNA逻辑计算模型。首先阐述了DNA逻辑计算的研究背景和研究目的以及现阶段在生物分子检测、疾病诊断、多因素分析和生物成像等领域的应用并简述其相关概念;然后梳理各DNA逻辑计算模型的研究历史和现状,分析各类逻辑计算模型所应用的分子操控技术和分子材料以及优缺点和应用前景;最后归纳总结DNA逻辑计算领域当前研究热点和发展前景,为未来提出全新的计算方式奠定基础,为信息、医疗等领域提供更好的服务。     

并行计算系统度量指标综述

系统度量指标的研究一直是并行系统和应用设计的重要问题。本文首先通过对国内外并行计算系统度量指标的分析,将当前并行计算系统度量指标分为单一的计算性能度量指标和多要素综合的高效能度量指标两种。其次,总结了这些度量指标的研究现状,并指出这些度量指标研究中存在的一些问题以及需要考虑的难点。由于并行计算系统正在逐渐从"高性能"走向"高效能",本文主要考虑当前大规模并行计算系统的可靠性和能耗要素对系统的影响,从系统可扩展角度建立了可靠并行加速比和能耗并行加速比模型,并进一步扩展为度量并行计算系统效能的综合指标模型。最后指出了未来并行计算系统度量的研究方向。     

技工院校云计算技术专业人才培养的研究与探索

云计算技术是近些年来计算机领域比较关注的话题之一，云的发展在较短的时间内极大改变了人们的生活和工作形态。培养具备一定云计算设计和应用能力的专业人才已经成为计算机教学领域的一个热点话题。本文基于云计算技术产业对人才的需求，对技工院校云计算技术专业的人才培养进行了探索和实践。     

Scheduling aspects in keyword extraction problem

The amount of big data collected during human–computer interactions requires natural language processing (NLP) applications to be executed efficiently, especially in parallel computing environments. Scalability and performance are critical in many NLP applications such as search engines or web indexers. However, there is a lack of mathematical models helping users to design and apply scheduling theory for NLP approaches. Moreover, many researchers and software architects reported various difficulties related to common NLP benchmarks. Therefore, this paper aims to introduce and demonstrate how to apply a scheduling model for a class of keyword extraction approaches. Additionally, we propose methods for the overall performance evaluation of different algorithms, which are based on processing time and correctness (quality) of answers. Finally, we present a set of experiments performed in different computing environments together with obtained results that can be used as reference benchmarks for further research in the field.