Особенности разработки и анализа имитационной модели мультипроцессорной вычислительной системы


https://doi.org/10.21686/1818-4243-2017-3-48-56

Полный текст:


Аннотация

За последнее десятилетие мультипроцессорные системы нашли всеобщее применение в вычислительной технике. На сегодняшний день многоядерными процессорами оснащаются не только суперкомпьютеры, но и подавляющее большинство мобильных устройств, в связи с чем возникает необходимость обучения студентов основным принципам их построения и работы. Одним из возможных методов анализа функционирования мультипроцессорных систем является имитационное моделирование. Его применение способствует лучшему пониманию не только их организации, но и влияния параметров рабочей нагрузки и структуры на производительность. В статье рассматриваются особенности разработки имитационной модели для оценки временных характеристик мультипроцессорной вычислительной системы, а также использование регенеративного метода анализа модели. В качестве рабочей нагрузки принимаются характеристики программной реализации решения обратной задачи кинематики робота. Данная задача заключается в определении разворотов в сочленениях манипулятора по известному угловому и линейному положению его схвата. Был выбран аналитический алгоритм решения задачи, а именно метод простых кинематических связей. Работа программы характеризуется наличием распараллеленных вычислений, в ходе которых возникают ресурсные конфликты между задействованными ядрами процессора при одновременных обращениях к памяти через общую шину. В связи с высокой информационной связностью между параллельно выполняющимися потоками программы предполагается, что все процессорные ядра используют разделяемую оперативную память. Имитационная модель учитывает вероятностные обращения к памяти и отслеживает возникающие очереди к общим ресурсам. В ходе моделирования накапливается статистика, выявляющая производительные и накладные временные затраты на выполнение программы для каждого задействованного процессорного ядра. Результаты моделирования показывают неравномерность загруженности ядер, простои в очередях к общим ресурсам и временные потери при ожидании других ядер из-за информационных зависимостей. Результаты моделирования оцениваются регенеративным методом, что позволяет определить среднее время нахождения заявок на обращение к памяти в очередях и доверительные интервалы этих значений для различных степеней доверия. Приведённый подход к построению имитационной модели мультипроцессорной вычислительной системы и её анализ могут использоваться для анализа функционирования параллельных вычислительных систем, а также в образовательных целях для обучения студентов по курсам «Вычислительные системы» и «Имитационное моделирование». 


Об авторах

О. М. Брехов
Московский Авиационный Институт (национальный исследовательский университет)
Россия
доктор технических наук, заведующий кафедрой 304


Г. А. Звонарёва
Московский Авиационный Институт (национальный исследовательский университет)
Россия
кандидат технических наук, доцент кафедры 304


В. В. Рябов
Московский Авиационный Институт (национальный исследовательский университет)
Россия
магистрант 2-го курса


Список литературы

1. О.М. Брехов, Г.А. Звонарёва, А.В. Корнеенкова. Имитационное моделирование: учебное пособие – М.: Издательство МАИ, 2015. – 323 с.

2. Конюх В.Л., Игнатьев Я. Б., Зиновьев В.В. Методы имитационного моделирования систем. Применение программных продуктов. Электронное изд. зарег. в Федеральном депозитарии электронных изданий, No 0320401123. Рег. свид. ФГУП НТЦ «Информрегистр» от 06.09.2004. No 4753.

3. В.А. Сигнаевский. Я.А. Коган. Методы оценки быстродействия вычислительных систем, Moсква: «Наука», 1990.

4. R. Humayu, Kh. David J. Morse. System Performance Analysis: Tools, Techniques, and Methodology // Dell magazin’s, 2001, Issue 3.

5. G. Latouche, V. Ramaswami, J. Sethuraman, K. Sigman, M.S. Squillante, D. Yao. Matrix-Analytic Methods in Stochastic Models. Springer Science & Business Media, 2012, 258 p.

6. A. Morecki, G. Bianchi, C. Rzymkowski. ROMANSY 11: Theory and Practice of Robots and Manipulators. – Berlin: Springer, 2014. – 432 c.

7. D. Tolani, A. Goswami, N. Badler. Real-Time Inverse Kinematics Techniques for Anthropomorphic Limbs – Philadelphia: University of Pennsylvania, 2000. – 36 c.

8. Луговской К.С.,Казанин П.И. Автоматизация обратной задачи кинематики двухзвенного манипулятора. — Саратов: Институт управления и социально-экономического развития, 2016. — 8 с.

9. Волков, Н.Н. Верификация и валидация ИВС: предварительное проектирование и компьютерное моделирование информационно-вы- числительных систем – М.: ТЕХПОЛИГРАФ- ЦЕНТР, 2015. – 629 с.

10. S.L. Frenkel. Performance measurement methodology -and-tool for computer systems with migrating applied software, in BRICS Notes Series, NS-98-4, pp.83-86, Aalburg, Denmark, June 1998.

11. Орлов С.А., Цилькер Б.Я. Организация ЭВМ и систем. 3-е изд. — СПб.: Питер, 2014. — 688 с.

12. Томашевский В., Жданова Е. Имитационное моделирование в среде GPSS. — М.: Бестселлер, 2003. — 416 с.

13. Axelrod T. Effects of Synchronization Barriers on Multiprocessor Performance. Parallel Computing, 1986, №3, p. 129–140.

14. Н.Н. Иванов, А.Ю. Игнатущенко, А.Ю. Михайлов. Статистическое Прогнозирование Времени Выполнения Комплексов Взаимосвязанных Работ в Микропроцессорных Вычислительных Системах. Автоматика и Телемеханика, 2005, № 6. с. 89—103.

15. Танненбаум Э., Остин Т. Архитектура компьютера. — СПб.: Питер, 2013. — 816с.

16. S.C. Allmaier, M. Kowarschik, G. Horton. State space construction and steady-state solution of GSPNs on a shared-memory multiprocessor // Proc. 7th Int. Workshop on Petri Nets and Performance Models (PNPM’97), June 1997, St. Malo, France, p. 112-121.

17. Смелянский Р.Л. Об инварианте поведения программ // Вестник МГУ, сер.15, Вычисл. матем. и киберн., 1990, №4, с. 54–60.

18. S.L. Frenkel. Random Summation and its Application to the Performance Modelling Computer Systems // Proceedings of 17th European simulation multiconference ESM2003, June, 2003, England, p. 278–283.

19. Д.В. Калиниченко, А.П. Капитонова, Н.В. Ющенко. Методы и средства прогнозирования времени выполнения последовательных программ. // Методы математического моделирования МГУ, 1997.

20. М. Крэйн, О. Лемуан. Введение в регенеративный метод анализа моделей. – М.: Наука, 1982 – 104 с.

21. Р.С. Некрасова. Регенеративное оценивание и его применение к системам с конечным буфером. Автореферат диссертации. Институт прикладных математических исследований Карельского научного центра Российской академии наук. Петрозаводск, 2015. 124 с.

22. Л.В. Потахина. Анализ стационарности стохастических моделей телекоммуникационных систем методами теории восстановления. Автореферат диссертации. Институт прикладных математических исследований Карельского научного центра Российской академии наук. Петрозаводск, 2015. 114 с.


Дополнительные файлы

Для цитирования: Брехов О.М., Звонарёва Г.А., Рябов В.В. Особенности разработки и анализа имитационной модели мультипроцессорной вычислительной системы. Открытое образование. 2017;(3):48-56. https://doi.org/10.21686/1818-4243-2017-3-48-56

For citation: Brekhov O.M., Zvonareva G.A., Ryabov V.V. Features of development and analysis of the simulation model of a multiprocessor computer system. Open Education. 2017;(3):48-56. (In Russ.) https://doi.org/10.21686/1818-4243-2017-3-48-56

Просмотров: 288

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1818-4243 (Print)
ISSN 2079-5939 (Online)