26.Классификация мкмд-систем. Вычислительные системы с общей памятью: архитектуры numa и coma.

Для большей масштабируемости мультипроцессоров приспособлена архитектура с неоднородным доступом к памяти NUMA (NonUniform Memory Access). Как и мультипроцессоры UMA, они обеспечивают единое адресное пространство для всех процессоров, но, в отличие от машин UMA, доступ к локальным модулям памяти происходит быстрее, чем к удаленным.

В рамках концепции NUMA реализуется подходы, обозначаемые аббревиатурами NC-NUMA и CC-NUMA.

Если время доступа к удаленной памяти не скрыто (т.к. кэш-память отсут-ствует), то такая система называется NC-NUMA (NUMA без кэширования) (рис. 5.13).

Согласно технологии CC-NUMA, каждый узел в системе владеет собственной основной памятью, но с точки зрения процессоров имеет место глобальная адресуе¬мая память, где каждая ячейка любой локальной основной памяти имеет уникаль¬ный системный адрес. Когда процессор инициирует доступ к памяти и нужная ячейка отсутствует в его локальной кэш-памяти, кэш-память второго уровня (L2) процессора организует операцию выборки. Если нужная ячейка находится в ло¬кальной основной памяти, выборка производится с использованием локальной шины. Если же требуемая ячейка хранится в удаленной секции глобальной памя¬ти, то автоматически формируется запрос, посылаемый по сети соединений на нуж-ную локальную шину и уже по ней к подключенному к данной локальной шине кэшу. Все эти действия выполняются автоматически, прозрачны для процессора и его кэш-памяти.

Способы обеспечения совместимости кэшей: 1. Отслеживание системной шины (низкая масштабируемость, простота технической реализации).

2. Использование каталога (хранение БД кэш-строк в высокоскоростном специализированном аппаратном обеспечении).

Машины NUMA имеют один большой недостаток: обращения к удаленной памяти происходят гораздо медленнее, чем обращения к локальной памяти. Было предложено использовать основную память процессора как кэш-память – архитектура COMA (Cache Only Memory Access).

Особенности архитектуры COMA:

1. Локальная память каждого процессора рассматривается как кэш для доступа «своего» процессора.

2. Кэши всех процессоров рассматриваются как глобальная память системы, а сама глобальная память отсутствует.

3. Данные не привязаны к конкретному модулю памяти и не имеют уни-кального адреса, остающегося неизменным в течение всего времени существования переменной.

4. Данные переносятся в кэш-память того процессора, который последним их запросил. Перенос данных из одного локального кэша в другой не требует участия в этом процессе операционной системы, но подразумевает сложную и дорогостоящую аппаратуру управления памятью.

27.Классификация мкмд-систем. Вычислительные системы с распределенной памятью.

В системах с распределенной памятью или слабо связанных многопроцессорных системах вся память распределена между процессорными эле¬ментами, и каждый блок памяти доступен только «своему» процессору. Сеть со¬единений связывает процессорные элементы друг с другом. Данные системы принято называть мультикомпьютерами. Представителями этой группы являются системы с массовым параллелизмом (МРР, Massively Parallel Processing) и кластерные вычислительные системы (COW). Различие между общей и распределенной памятью - это разница в структуре виртуальной памяти, то есть в том, как память выгладит со стороны процессора. Физически почти каждая система памяти разделена на автономные компоненты, доступ к которым может производиться независимо. Общую память от распределенной отличает то, каким образом подсистема памяти интерпретирует поступивший от процессора адрес ячейки.

Практически все исследования в области архитектур с параллельной обработкой направлены на создание гибридных форм, которые сочетают в себе преимущества обеих архитектур. Здесь важно получить такую систему, которая расширяема, то есть которая будет продолжать исправно работать при добавлении все новых и новых процессоров.

МРР-системы обладают следующими характеристиками:

- стандартные микропроцессоры;

- физически распределенная память;

- сеть соединений с высокой пропускной способностью и малыми задерж-ками;

- хорошая масштабируемость (до тысяч процессоров);

- асинхронная МКМД-система с пересылкой сообщений;

- программа представляет собой множество процессов, имеющих отдельные адресные пространства;

- огромная производительность СВВ;

- отказоустойчивость.

В таких системах необходимо решить целый ряд проблем, связанных с описанием и программированием коммутаций процессов и управления ими. Математическая база этой науки в настоящее время практически отсутствует.

На рис. 5.15. представлена структура машины Cray T3E, которая относится к классу MPP-систем.

Одно из самых современных направлений в области создания вычислительных систем – это кластеризация. По производительности и коэффициенту готовности кластеризация представляет собой альтернативу симметричным мультипроцессорным системам.

Кластер - это группа взаимно соединенных вычислительных систем (узлов), работающих совместно, составляя единый вычислительный ресурс и создавая иллюзию наличия единственной ВМ. Важно лишь то, что каждый узел в состоянии функционировать самостоятельно и отдельно от кластера. В плане архитектуры суть кластерных вычислений сводится к объединению нескольких узлов высокоскоростной сетью. Для описания такого подхода, помимо термина «кластерные вычисления», достаточно часто применяют такие названия, как: кластер рабочих станций, гипервычисления, параллельные вычисления на базе сети, ультравычисления .

Изначально перед кластерами ставились две задачи: достичь большой вычислительной мощности и обеспечить повышенную надежность ВС. В качестве узлов кластеров могут использоваться как одинаковые ВС (гомо-генные кластеры), так и разные (гетерогенные кластеры).

Целями построения кластеров могут служить:

1) улучшение масштабируемости (способность к наращиванию мощности);

2) повышение надежности и готовности системы в целом;

3) увеличение суммарной производительности;

4) эффективное перераспределение нагрузок между компьютерами кластера;

5) эффективное управление и контроль работой системы и т.п.

Классификация кластеров достаточно большая и не входит в рассмотрение в данной дисциплине.