Вычислительный кластер на базе учебной лаборатории

В последние годы кластеры широко используются во всем мире как дешевая альтернатива суперкомпьютерам. Система требуемой производительности собирается из готовых серийно выпускаемых компьютеров, объединенных с помощью некоторого серийно выпускаемого коммуникационного оборудования.

Магистральным направлением развития параллельных ЭВМ для крупноформатного параллелизма является построение таких систем на базе средств массового выпуска: микропроцессоров, каналов обмена данными, системного программного обеспечения, языков программирования, конструктивов. Системы с индивидуальной памятью идеально подходят для реализации на основе электронной и программной продукции массового производства. При этом не требуется разработки никакой аппаратуры. Такие системы получили название кластеры рабочих станций или просто «кластеры» [3].

Использование таких средств в образовательном процессе открывает серьёзные перспективы для улучшения качества подготовки специалистов не только в областях информационных технологий. К примеру, кластеры позволяют решать сложные математические операции, связанные с физикой, математикой и другими науками. Таким образом, при большой вычислительной мощности кластера очевидна привлекательность проведения различных исследований в реальном масштабе времени на моделях, а не в натуре. При условии организации удаленного доступа к кластеру он может использоваться не только в образовательном процессе, но и для решения научных задач. В свою очередь, студенты могут получать доступ к кластеру параллельных вычислений для реализации задач, связанных с выполнением лабораторных работ по различным предметам. Как пример, это может быть решение численными методами интегралов

(в том числе кратных интегралов), для которых невозможно найти первообразную функцию.

При реализации кластера параллельных вычислений на базе учебной лаборатории только для студентов, специализирующихся в области информационных технологий, можно выделить так же ряд существенных положительных качеств, таких как повышение компетентности студентов и предоставление им опыта работы с параллельными системами. Это даст им возможность не только в теории, но и на практике рассмотреть методы построения параллельных систем, а также позволит им реализовать алгоритмы решения сложных математических операции с использованием параллельных вычислений, что будет способствовать повышению мотивации студентов [2].

В Брянском Государственном Техническом Университете на кафедре «Информатика и Программное обеспечение» реализован кластер параллельных вычислений на базе учебной лаборатории, который используется в качестве средства обучения, при преподавании дисциплины «Параллельное программирование». Студенты на первом лабораторном занятии устанавливают соединение компьютеров через сеть. Затем они тестируют данный кластер с помощью специально реализованного теста, который выполняет сложные математические операции и отслеживает время выполнения с учетом количества компьютеров, завязанных в параллельную систему.

Данный вычислительный кластер на базе учебной лаборатории построен на основе протокола MPI (Message Passing Interface) [1]. Идея MPI исходно проста и очевидна. Она предполагает представление параллельной программы в виде множества параллельно исполняющихся процессов (программы процессов обычно разрабатываются на после-

довательном языке программирования С или Фортран), взаимодействующих друг с другом в ходе исполнения для передачи данных с помощью коммуникационных процедур. Они и составляют библиотеку MPI. Однако надлежащая реализация MPI для обеспечения межпроцессорных коммуникаций оказалась довольно сложной. Такая сложность связана с необходимостью достижения высокой производительности программ, необходимостью использовать многочисленные ресурсы кластера, и, как следствие, большим разнообразием в выборе алгоритмов реализации коммуникационных процедур в зависимости от режима обработки данных в процессорных элементах кластера. При этом передачи данных между процессами программы должны осуществляться вне зависимости от того, где, на каких процессорах, реально находятся взаимодействующие процессы. Использование этого стандарта в значительной степени гарантирует переносимость и масштабируемость (т.е. независимость программы от числа используемых процессоров и других устройств); таким образом, полученную программу можно использовать на других параллельных системах.

В процессе построение вычислительного кластера в БГТУ были использованы все компьютеры, находящиеся в учебной лаборатории и связанные единой локальной сетью, что позволило организовать достаточно мощную параллельную систему. При этом возникло ряд проблем, которые требовали анализа и решения:

• 1.    При соединении компьютеров через маршрутизатор была обнаружено резкое падение скорости вычисление;

• 2.    При использовании ОС “Windows” невозможно создать клиент-серверную базу для кластера.

Первая проблема, связанная с падением вычислительных мощностей, обуславливается тем, что при связи компьютеров через маршрутизатор пакеты с задачами сначала передаются между всеми компьютерами, связанными в одну локальную сеть, затем весь пакет оставшихся задач отправляется на маршрутизатор и только потом на следующие компьютеры. Соответственно тоже самое происходит при передаче выполненных действий с элементов кластера обратно. Решить такую проблемы можно лишь при соединении компьютеров единой локальной сетью без использования маршрутизатора.

Вторая проблема может быть решена путем установки на все компьютера кластера другой операционной системы (например, UNIX), которая позволит реализовать систему клиент-сервер, но при этом необходимо учитывать, что в процессе обучения студентов в учебной лаборатории используются приложения, который работают только с ОС «Windows».

В то же время, несмотря на все проблемы и трудности, возникающие при создании вычислительного кластера на базе учебной лаборатории, его создание в вузе является очень важной и актуальной практической задачей. Использование в процессе обучения такого кластера позволяет повысить уровень компетентности специалистов в области программного обеспечения, а также подготовить их к решению задач в сфере параллельного программирования. Именно специалисты, подготовленные к решению задач на параллельных системах, со временем могут занять лидирующие позиции на рынке труда, так как задачи, которые уже выходят на первый план, требуют огромных вычислительных мощностей.