СОВРЕМЕННЫЕ GRID – ТЕХНОЛОГИИ

Первая фаза вычислительного проекта GRID для LHC была одобрена на Совете ЦЕРН. Сегодня важно не только иметь доступ к информации, но и распределенным образом обpaбатывать ее. Четыре гигантских детектора этого ускорителя - ALICE, ATLAS, CMS и LHCb - будут накапливать больше чем 10 миллионов гигабайт данных в течение каждого года о событиях, происходящих при столкновении частиц. Это эквивалентно содержанию, примерно, 20 миллионов компьютерных компакт - дисков.
Ведущие российские исследовательские центры различных ведомств ведут работы по проекту LHC, как по созданию самого ускорителя, так и всех четырех его детекторов. На выполнение соответствующих заказов по проекту LHC задействованы десятки российских заводов. В целом вклад России в проект LHC можно оценить в размере 5%.
Научно-исследовательские центры РФ, участвующие в проекте «Большой адронный коллайдер», разpaбатывают два основных направления развития GRID технологий:
- интенсивные операции с базами данных, data intensive GRID (проект DataGRID);
- вычислительный computational GRID (проект EuroGRID), в котором создаваемая инфраструктура нацелена на достижение максимальной скорости расчетов за счет глобализации распределения (распараллеливания) вычислений.
Концепция GRID (название по аналогии с электрическими сетями - electric power grid) предполагает создание компьютерной инфраструктуры нового типа, обеспечивающей глобальную интеграцию информационных и вычислительных ресурсов на основе управляющего и оптимизирующего программного обеспечения (middleware) нового поколения. Для достижения этой цели создается набор стандартизированных служб для обеспечения надежного, совместимого, дешевого и всепроникающего доступа к географически распределенным высокотехнологичным информационным и вычислительным ресурсам - отдельным компьютерам, кластерам и суперкомпьютерным центрам, хранилищам информации, сетям, научному инструментарию и т.д.
Важнейшим является междисциплинарный хаpaктер GRID. Имеется довольно много общего в вычислительных потребностях различных областей научных исследований - развиваемые технологии применяются в физике высоких энергий, космофизике, микробиологии, экологии, метеорологии, различных инженерных приложениях (например, в самолетостроении). Схожие проблемы наблюдаются и в других областях. Например, NASA реализует для своих нужд сеть высокопроизводительных компьютеров, роботизированных устройств массовой памяти, высокоскоростных каналов связи, научных инструментов и продвинутых интерфейсов для пользователя под названием Information Power Grid.
В настоящее время кроме LHC идет подготовка нескольких научных экспериментов нового поколения - эксперименты с использованием интерферометров для регистрации гравитационных волн бинарных пульсаров, новых сверхсвезд и иных экзотических объектов (эксперимент LIGO), а также автоматизированная цифровая космическая съемка с очень высоким разрешением (более 1012 пикселей), которая позволит значительно развить систематическое изучение звезд, галактик и крупномасштабных космических структур (эксперимент SDSS) для создания подробного каталога астрономических данных. Все эти эксперименты рассчитаны на длительный период и предполагают накопление и последующую обработку массивов данных.
Требования к вычислительным и архивным ресурсам для этих экспериментов различны. Процессорные затраты, необходимые для LIGO составляют несколько петафлопов. Объемы данных у LHC будут значительно больше, чем у LIGO, а у LIGO - значительно больше, чем у SDSS.
Среди основных направлений использования computational GRID на данный момент можно выделить:
- распределенные супервычисления, решение очень крупных задач, требующих огромных процессорных ресурсов, памяти и т.д.;
- «высокопоточные» вычисления (High - Throughput Computing), позволяющие организовать эффективное использование ресурсов для небольших задач, утилизируя временно простаивающие компьютерные ресурсы;
- вычисления «по требованию» (On-Demand Computing), крупные разовые расчеты;
- вычисления с привлечением больших объемов распределенных данных (Data-Intensive Computing), например, в метеорологии, астрономии, физике высоких энергий;
- коллективные вычисления (Collaborative Computing).
К общим хаpaктеристикам потребностей, которые делают оправданной организацию вычислительных архитектур типа Data intensive GRID, можно отнести следующие:
- большие объемы данных, распределенных по различным научным центрам, странам и континентам;
- участие большого количества специалистов в обработке данных из разных институтов и университетов;
- информация, которую следует проанализировать, имеет сложную структуру;
- алгоритмы обработки информации имеют нетривиальный хаpaктер (объем программ составляет миллионы строк текста);
- наконец, масштабируемость базового программного обеспечения (фактически, всего того, что лежит ниже прикладного уровня), которое должно устойчиво работать как на настольной машине, так и на суперкомпьютере.
Как прогнозируется, эволюционные изменения в полупроводниковых технологиях и архитектуре микропроцессоров приведут в ближайшие пять лет к десятикратному увеличению вычислительных мощностей. Уже сегодня возможности рядовых пользователей, подключенных к цифровым каналам связи с предоставлением комплексных услуг, сравнимы с теми возможностями, которыми обладали суперкомпьютерные центры 10-15 лет назад.
Технологическое основание для создания Grid - инфраструктур дают уже существующие волоконно-оптические сети, высокопроизводительные процессоры, параллельные архитектуры, протоколы связи, математическое обеспечение распределенных структур, механизмы обеспечения безопасности.
В НовГУ создана лаборатория "GRID-ТЕХНОЛОГИИ В СОВРЕМЕННОЙ ФИЗИКЕ".
Ее задачами являются:
1.Подготовка научных сотрудников, программистов и инженеров по направлениям:
- обработка и анализ экспериментальных данных с ускорителя LHC;
- работа по созданию программного обеспечения для проекта DATAGRID,
- работа по созданию программного обеспечения для моделирования физических процессов;
- работа по проекту распределенных вычислений EuroGRID.
2.Проведение работ:
- создание и развитие российского сегмента DATAGRID;
- моделирование экспериментов на детекторах ALICE, ATLAS, CMS;
- обработка экспериментальных данных с этих детекторов, а также с детектора TOTEM.
3. Создание программного обеспечения для DATAGRID и EuroGRID.
4. Создание программного обеспечения для моделирования физических процессов взаимодействия адронов и ядер при сверхвысоких энергиях.
5. Создание программного обеспечения для триггеров редких процессов в рассеянии адронов и ядер.
На основе этих конкретных задач лаборатория также может готовить специалистов по использованию технологии GRID в других областях науки и техники, в частности, в экологии, экономике, энергетике, машиностроении, медицине, биологии.
Новгородский государственный университет включен в сеть Grid. Вычислительные ресурсы доступны для использования всеми участниками сети.
Для этого были осуществлены следующие работы:
1. Произведена установка и настройка вычислительного элемента сети GRID и сопутствующих сервисов, а именно:
- Computing Element - система управления вычислительными ресурсами, распределением заданий, аутентификацией хостов и пользователей сети,
- Storage Element - система хранения исходных экспериментальных данных и данных, полученных в результате обработки,
- Monitoring BOX - распределенная система мониторинга отдельных хостов сети GRID и сети в целом,
- Сервисы: SSH, Firewall, VPN, Hosts Autoupdate (система обновления ПО с помощью apt-get).
2.Все имеющиеся хосты зарегистрированы в сети GRID, для них получены соответствующие OpenSSL - сертификаты в Regional Certification Authority.
3.Получен сертификат пользователя, который был зарегистрирован в виртуальной организации RDIG (Russian Data Intensive Grid).
4.Локально устранены мелкие недоработки системы автоматического развертывания сайтов (совокупности сервисов в рамках одного вычислительного центра), связанных с тем, что ПО для сети GRID находится еще в стадии разработки и предварительного тестирования.
Работа представлена на научную конференцию «Новые технологии и современные системы автоматизации», Тунис, 12-19 июня 2005 г., поступила в редакцию 29.04.2005г.
Статья в формате PDF
125 KB...
23 07 2026 10:54:12
Статья в формате PDF
114 KB...
21 07 2026 17:15:53
Статья в формате PDF
110 KB...
20 07 2026 18:23:40
Статья в формате PDF
125 KB...
19 07 2026 7:30:58
18 07 2026 0:55:11
Брыжеечный лимфатический ствол белой крысы проходит вдоль ствола краниальной брыжеечной артерии без перерыва в одноименных лимфоузлах.
...
17 07 2026 18:37:41
Статья в формате PDF
262 KB...
16 07 2026 12:48:17
15 07 2026 11:37:23
Новым методом в диагностике болезней и оценке физиолого-биохимического статуса организма животных является определение динамического поверхностного натяжения (ПН) сыворотки крови. У лошадей разного пола, возраста и породы ПН имеет ряд особенностей. Установлено, что у жеребцов разных пород наблюдаются отличия в изменениях ПН сыворотки крови с возрастом, наиболее выраженные в возрасте 7–8 лет. Наиболее специфичным показателем породы и возраста является угол наклона начального и конечного участка тензиограммы, что может быть использовано в пpaктике в качестве экспресс-контроля возраста и породы лошадей по пробам крови. При проведения измерений были получены высокие значения ПН при малых временах существования поверхности для некоторых групп животных, что может быть связано с особым соотношением компонентов (белки, липиды, соли и др.) в сыворотке крови.
...
14 07 2026 18:11:50
Статья в формате PDF
322 KB...
13 07 2026 18:51:23
Статья в формате PDF
142 KB...
12 07 2026 11:28:49
Статья в формате PDF
119 KB...
11 07 2026 13:36:14
Статья в формате PDF
109 KB...
10 07 2026 23:39:17
Статья в формате PDF
113 KB...
09 07 2026 7:42:26
Статья в формате PDF
119 KB...
08 07 2026 9:18:13
Статья в формате PDF
135 KB...
07 07 2026 16:45:15
Статья в формате PDF
321 KB...
05 07 2026 5:35:12
Статья в формате PDF
100 KB...
04 07 2026 14:28:26
Статья в формате PDF
100 KB...
01 07 2026 4:29:54
Построена математическая модель системы управления качеством образования филиала ВУЗа с учетом влияния внешних информационных связей, проведена оценка критерия качества и улучшения внешних связей вследствие внедрения информационной системы.
...
30 06 2026 18:25:24
Статья в формате PDF
689 KB...
28 06 2026 21:56:16
Статья в формате PDF
330 KB...
27 06 2026 23:44:44
Статья в формате PDF
111 KB...
26 06 2026 3:26:48
Статья в формате PDF
162 KB...
25 06 2026 20:26:51
Статья в формате PDF
322 KB...
24 06 2026 3:34:48
Статья в формате PDF
279 KB...
23 06 2026 0:37:55
Статья в формате PDF
263 KB...
22 06 2026 21:36:49
Статья в формате PDF
117 KB...
21 06 2026 23:53:12
Статья в формате PDF
111 KB...
20 06 2026 17:38:48
Статья в формате PDF
345 KB...
19 06 2026 0:37:13
На здоровье населения особое влияние оказывают экологические, гигиенические, социально-медицинские причины. В работе была реализована специально созданные социологические карты. Результаты социологического исследования показали, что к причинам, сильно влияющим на здоровье мигрантов-репатриантов относятся экологически нeблагоприятные условия окружающей среды. Заболеваемость мигрантов-репатриантов, проживающих в высокой степени опасности экологически наблагоприятных районах достигает от 2227,9 до 3010,9 ‰. Этот показатель указывает на значительное повышение показателей мигрантов, проживающих районах, где экологическая обстановка средняя, низкая и неопасная .Между загрязнением атмосферного воздуха и почвы и патологиями иммунной системы, минерализацией воды и заболеваниями мочепoлoвoй системы, загрязнением атмосферного воздуха и патологиями дыхательных путей есть прямая и в высокой степени связь.
...
18 06 2026 5:41:38
Статья в формате PDF
115 KB...
17 06 2026 23:43:12
Статья в формате PDF
412 KB...
16 06 2026 20:20:46
Статья в формате PDF
101 KB...
15 06 2026 7:16:58
Статья в формате PDF
243 KB...
14 06 2026 3:30:16
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::