Оптимизация фрагментации при выделении ресурсов для высокопроизводительных вычислительных систем с сетью Ангара

?

Оптимизация фрагментации при выделении ресурсов для высокопроизводительных вычислительных систем с сетью Ангара

Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика. 2018. Т. 7. № 2. С. 50–62.

Семенов А. С., Мукосей А. В.

В данной работе рассматривается высокоскоростная вычислительная сеть Ангара с топологией много-
мерный тор. Работа посвящена оптимизации фрагментации, возникающей в результате последовательного
выделения вычислительных узлов в многоузловой системе при заданном требовании о том, что сетевой тра-
фик разных пользовательских заданий не должен пересекаться. В данной работе на основе идей из задачи о
многомерной упаковке контейнера предложен метод поиска узлов с оценкой фрагментированности системы.
Для такой оценки введено понятие прямоугольников максимального размера, которые возможно вписать
в систему после размещения очередного пользовательского задания. Каждое множество узлов, подходя-
щее для размещения задания, оценивается предложенной функцией, учитывающей размер и количество
найденных прямоугольников максимального размера. Исследование разработанного метода проводилось с
помощью симулятора работы вычислительной системы. Рассмотрен набор различных вычислительных си-
стем с трехмерными и четырехмерными топологиями, размер минимальной системы — 32 вычислительных
узла, максимальной — 144 узла. Для каждой системы задана синтетическая очередь заданий, параметры
которой приближены к реально возможной. В качестве критерия качества метода выбора узлов рассматри-
вается средняя утилизация ресурсов вычислительной системы и среднее время ожидания заданий в очереди.
Исследование показало, что увеличение утилизации ресурсов для предложенного метода выбора узлов со-
ставило в среднем 11% по сравнению с базовым методом, а среднее значение времени нахождения задания
в очереди сокращенно на 45, 3%.

Приоритетные направления: компьютерно-математическое

Язык: русский

DOI

Текст на другом сайте

ML-based Fast Simulation of FARICH Responses

Шипилов Ф. А., Barnyakov A., Ivanov A. и др., / Series Physics "arxiv.org". 2026.

Добавлено: 19 мая 2026 г.

Natural hazard database from Internet publications: text mining with a large language model

Деркачева А. А., Сакиркина М. А., Краев Г. Н. и др., /. 2026.

Добавлено: 28 апреля 2026 г.

Algorithmic overlaps as thermodynamic variables: from local to cluster Monte Carlo dynamics in critical phenomena

Пиле Я. Э., Deng Y., Щур Л. Н., / Series arXiv "math". 2026. No. 2604.10254.

Добавлено: 20 апреля 2026 г.

Using predefined vector systems to speed up neural network multimillion class classification

Gabdullin N., Андросов И. А., / Series Computer Science "arxiv.org". 2026.

Добавлено: 2 апреля 2026 г.

Iterative Ricci-Foster Curvature Flow with GMM-Based Edge Pruning: A Novel Approach to Community Detection

Сорокин К. С., Бекетов М. Е., Онучин А. и др., / arxiv.org. Серия cs.SI "Social and Information Networks ". 2025.

Обнаружение сообществ в сложных сетях — фундаментальная проблема, открытая для новых подходов в различных научных областях. Мы представляем новый метод обнаружения сообществ, основанный на потоке Риччи на графах. Наша техника итеративно обновляет веса ребер (их метрические длины) в соответствии с их (комбинаторной) версией кривизны Риччи Фостера, вычисленной на основе эффективного расстояния сопротивления между узлами. Известно, ...

Добавлено: 15 января 2026 г.

Implementing Transport Coding in OMNeT++ for Message Delay Reduction

Петрованов И. С., Сергеев А. В., / Series Computer Science "arxiv.org". 2025. No. 2512.18332.

Добавлено: 24 декабря 2025 г.

Hessian-based lightweight neural network for brain vessel segmentation on a minimal training dataset

Меньшиков И. А., Бернадотт А. К., Елфимов Н. С., / Series arXie "Statistical mechanics". 2025.

Добавлено: 1 декабря 2025 г.

Determining the boundary of dynamical chaos in the generalized Chirikov map via machine learning

Чернышов Д. П., Сатанин А. М., Щур Л. Н., / Series arXiv "math". 2025.

Добавлено: 21 ноября 2025 г.

Эффективный алгоритм торговли на фондовом рынке: ретроспективный анализ, основанный на данных по S&P-500.

Рубчинский А. А., Чубарова Д. А., / Series WP7 "Математические методы анализа решений в экономике, бизнесе и политике". 2025. No. WP7/2025/01.

Добавлено: 9 ноября 2025 г.

Graph based routing algorithm for torus topology and its evaluation for the Angara interconnect

Mukosey A., Семенов А. С., Tretiakov A., Journal of Parallel and Distributed Computing 2024 Vol. 183 Article 104765

Добавлено: 25 ноября 2023 г.

Исследование масштабируемости FlowVision на кластере с интерконнектом Ангара

Акимов В. С., Силаев Д. П., Симонов А. С. и др., Вычислительные методы и программирование: новые вычислительные технологии 2017 Т. 18 С. 406–415

Исследуется масштабируемость вычислений задач газодинамики в программном комплексе FlowVision на кластере Ангара-К1 с интерконнектом Ангара. Рассматривались несколько тестовых задач, имеющих 260 тысяч, 5.5 млн и 26.8 млн расчетных ячеек. Вычисления во FlowVision проводились с использованием нового решателя систем линейных алгебраических уравнений, основанного на алгебраическом многосеточном методе AMG (Algebraic MultiGrid). Показано, что специальная технология FlowVision “Динамическая ...

Добавлено: 30 октября 2019 г.

Оптимизация утилизации при выделении ресурсов для высокопроизводительных вычислительных систем с сетью Ангара

Мукосей А. В., Семенов А. С., Симонов А. С., Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика 2019 Т. 8 № 1 С. 5–19

В данной работе рассматривается высокоскоростная вычислительная сеть Ангара с топологией «многомерный тор». Работа посвящена оптимизации фрагментации, возникающей в результате последовательного выделения вычислительных узлов в многоузловой системе при заданном требовании о том, что сетевой трафик разных пользовательских заданий не должен пересекаться. Данная работа является продолжение работы по оптимизации фрагментации ресурсов исследуемой вычислительной системы. В данной работе ...

Добавлено: 10 июня 2019 г.

Приближенный алгоритм выбора оптимального подмножества узлов в коммуникационной сети Ангара с отказами

Мукосей А. В., Семенов А. С., Вычислительные методы и программирование: новые вычислительные технологии 2017 Т. 18 С. 53–64

В Научно-исследовательском центре электронной вычислительной техники (НИЦЭВТ) разрабатывается высокоскоростная коммуникационная сеть Ангара с топологией “многомерный тор”. При эксплуатации вычислительного кластера с сетью Ангара в условиях наличия занятых и отказавших узлов возникает задача поиска оптимального подмножества узлов сети для покрытия заданного числа узлов так, чтобы весь сетевой трафик лежал внутри этого подмножества узлов. В настоящей статье ...

Добавлено: 12 декабря 2018 г.

Мукосей А. В., Семенов А. С., В кн.: Суперкомпьютерные дни в России: Труды международной конференции (24-25 сентября 2018 г., г. Москва).: М.: МГУ, 2018. С. 831–840.

Работа посвящена оптимизации утилиции при выделении вычислительных узлов для заданий в суперкомпьютере с сетью Ангара, имеющей топологию «многомерный тор». В работе показано, что перестановка пользовательских заданий в очереди одновременно с использованием метода выделения ресурсов, сокращающего фрагментацию системы, в среднем дает прирост утилизации ресурсов на 7% и на 36,6% сокращает значение время ожидания задания в очереди ...

Добавлено: 14 ноября 2018 г.

Оптимизация работы MPI-программ с учётом особенностей топологии кластеров, использующих коммуникационную сеть Ангара

Халилов М. Р., Тимофеев А. В., В кн.: Суперкомпьютерные дни в России: Труды международной конференции (25-26 сентября 2017 г., г. Москва).: М.: Издательство МГУ, 2017. С. 641–649.

В данной работе предложена процедура оптимизации работы параллельных MPIпрограмм на вычислительных кластерах, использующих коммуникационную сеть Ангара, и исследована эффективность предложенной оптимизации. На основе анализа работы параллельной программы составляется информационный граф программы, который используется эвристическим алгоритмом для эффективно- го распределения её процессов по процессорным ядрам с целью минимизации суммарного времени выполнения обменов между ветвями MPI-программы. При- ...

Добавлено: 29 января 2018 г.