Модель проблемно-ориентированной облачной вычислительной среды

Для эффективного использования ресурсов высокопроизводительных вычислительных систем при реализации методов численного исследования физических, биологических, социальных и др. явлений могут быть использованы подходы предоставления распределенных проблемно-ориентированных вычислительных сред. Они обеспечивают пользователям прозрачный доступ к решению конкретных классов прикладных задач на базе доступных вычислительных ресурсов. Для повышения эффективности таких сред необходимо применение проблемно-ориентированных методов планирования вычислительных задач, использующих информацию о предметной области для прогнозирования вычислительных характеристик задач при планировании и распределении заданий. В статье представлены модели предметной области и проблемно-ориентированной облачной вычислительной среды, ориентированные на поддержку разработки новых проблемно-ориентированных алгоритмов планирования при выполнении расчетов в конкретных предметных областях на базе облачных вычислительных систем.

облачные вычисления, модель вычислительной среды, распределенные вычислительные системы, проблемно-ориентированная вычислительная среда

1. Glotzer S.C. International assessment of research and development in simulation-based engineering and science. Imperial College Press, 2011. 312 p. doi: 10.1142/9781848166981.

2. Reed D. et al. Computational Science: Ensuring America’s Competitiveness. United States. President’s Information Technology Advisory Committee. National Coordination Office for Information Technology Research & Development, 2005. 104 p.

3. Folino G. et al. A grid portal for solving geoscience problems using distributed knowledge discovery services. Future Generation Computer Systystems, 26(1), 2010. P. 87-96. doi: 10.1016/j.future.2009.08.002.

4. Walker D.W. et al. The software architecture of a distributed problem-solving environment. Concurrency: Practice and Experience, 12(15), 2000. P. 1455-1480.

5. Радченко Г.И. Распределенные виртуальные испытательные стенды: использование систем инженерного проектирования и анализа в распределенных вычислительных средах. Вестник ЮУрГУ. Серия “Математическое моделирование и программирование”, том 10, № 37(254), 2011 г. стр. 108-121.

6. Deelman E. et al. Workflows and e-Science: An overview of workflow system features and capabilities. Future Generation Computer Systystems, 25(5), 2009. P. 528-540.

7. Bil C. Concurrent Engineering in the 21st Century. Concurrent Engineering in the 21st Century: Foundations, Developments and Challenges, 2015. P. 421-454. doi: 10.1007/978-3-319-13776-6.

8. Шамакина А.В., Соколинский Л.Б. Исследование алгоритма планирования POS для проблемно-ориентированных вычислительных сред. Параллельные вычислительные технологии труды международной научной конференции (31 марта - 2 апреля 2015 г., г. Екатеринбург), 2015. стр. 488-493.

9. Weicker R.P. Dhrystone: a synthetic systems programming benchmark. Communications of the ACM, 27(10), 1984. P. 1013-1030. doi: 10.1145/358274.358283.

10. WPrime Systems. Super PI. 2013. URL: http://www.superpi.net/ (дата обращения: 14.11.2015).

11. Dongarra J.J., Luszczek P., Petite A. The LINPACK benchmark: Past, present and future. Concurrency and Computation: Practice and Experience. 15(9), 2003. P. 803-820. doi: 10.1002/cpe.728.

12. Demmel J., Dongarra J., Parlett B. Prospectus for the next LAPACK and ScaLAPACK libraries // PARA'06 Proceedings of the 8th international conference on Applied parallel computing: state of the art in scientific computing, 2006. P. 11-23. doi: 10.1007/978-3-540-75755-9.