Обзор систем обработки больших графов ЧЕРНОСКУТОВ МИХАИЛ ИММ УРО РАН, УРФУ
2 Современные системы обработки (больших) графов Parallel Boost Graph Library, Pregel, CuSha, GraphCT, NetworkX, PowerGraph, graph-tool, GraphBLAS, KDT, igraph, STINGER, Ligra, Gunrock, HelP, GPS, Galois, Green-Marl, Gephi, Medusa, MapGraph, NetworKit, SNAP, GraphLab, Giraph, JUNG, Pajek, GraphPad, PEGASUS, GraphX, GraphChi, Totem, Vertexapi2 + множество работ, посвященных оптимизации отдельных алгоритмов 2
3 Классификация систем обработки графов По поддержке параллелизма Без поддержки параллелизма (Gephi) SMP (NetworKit, GraphCT, graph-tool, GraphChi ) MPP (Pregel, Parallel BGL, KDT, ) GPGPU (Gunrock, Medusa, MapGraph, ) MIC (?) 3
4 Классификация систем обработки графов По модели обработки Vertex-centric Domain-specific Language Примитивы параллельной обработки 4
5 Модель Vertex-centric Основные идеи Выражение алгоритмов в парадигме thinking like a vertex Вершина содержит данные о самой себе и исходящих ребрах Каждая вершина может выполнять локальные вычисления с имеющимися у нее данными Вершина может получать и отправлять сообщения (используя входящие и исходящие ребра) Достоинство Позволяет естественным образом распараллеливать вычисления Высокая масштабируемость 5
6 Модель Vertex-centric Первая реализация Pregel (2010 год, Google) Другие реализации HelP (примитивы для GPU) GPS (система на основе Hadoop) 6
7 Doman-specific Language Domain-specific language язык программирования, предназначенный для применения в конкретной предметной области. Содержит специфические для предметной области выражения и конструкции Пользователь разрабатывает программу на DSL в терминах своей предметной области Компилятор транслирует код в целевой язык с поддержкой распараллеливания (например, C++ или CUDA) Достоинства Повышается продуктивность разработки Возможность компилирования для различных платформ Повышенная производительность 7
8 Doman-specific Language Green-Marl DSL для обработки графов для систем с общей памятью Содержит компилятор со встроенными примитивами обхода графа в ширину и глубину Другие реализации PowerGraph Galois GraphChi GraphLab 8
9 Примитивы параллельной обработки Общая идея Выделение обобщенных операций (примитивов) для всего семейства алгоритмов на графах и их параллельная реализация в виде отдельных функций Реализация алгоритмов на графах в виде различных комбинаций примитивов Достоинства Упрощение разработки и отладки Совместное использование с любым другим кодом Упрощение портирования кода на разные архитектуры 9
10 Примитивы параллельной обработки Gather-Apply-Scatter (MapGraph, PowerGraph) Gather Apply Scatter Advance-Filter-Compute (Gunrock) 10
11 Примитивы параллельной обработки Описание одной итерации алгоритма SSSP в терминах примитивов параллельной обработки в различных системах обработки графов 11
12 Примитивы параллельной обработки GraphBLAS Попытка описания алгоритмов на графах в терминах операций с линейной алгеброй До сих пор ведутся дискуссии по поводу возможности описания всех алгоритмов с помощью набора операций линейной алгебры Разработка ведется с 2008 г. как отдельными научными группами, так и крупными компаниями (IBM, Intel) 12
13 Обработка больших графов Graph500 Первые строки графы, имеющие 2 40 вершин и более IBM BlueGene, K computer, Sunway TaihuLight Возможности существующих систем обработки графов (предельный размер обработанных графов в экспериментах, описанных в открытых источниках) Pregel 127 млрд. вершин GraphCT, Parallel BGL 17 млрд. вершин KDT 17 млрд. вершин NetworkX 100 млн. вершин Pajek, igraph неск. млн. вершин 13
14 Network Science Область науки, изучающая комплексные сети Комплексные сети сети, обладающие нетривиальными топологическими свойствами (т.е. отличающимися от случайных сетей или решеток) Scale-free Small-world 14
15 Комплексные сети Scale-free Сеть, в которой степени вершин распределены согласно степенному закону Small-world Сеть, в которой расстояние между двумя произвольными вершинами пропорционально логарифму от числа вершин в сети 15
16 Исследовательские центры Network Science Примеры исследовательских центров Network Science Duke Network Analysis Center (Duke University) Network Science Institute (Northeastern University) Network Science Institute (Indiana University) Center for Computational Analysis of Social and Organizational Systems (Carnegie Mellon University) Примеры решаемых задач Анализ структуры протеинов Исследования социальных сетей (политическое и экономическое прогнозирование) Изучение активности мозга 16
17 Какие системы используются для решения реальных задач? В крупных центрах Network-science часто используются системы собственной разработки Показатели цитируемости у различных систем обработки графов Gephi 2382 цит. NetworkX 1051 цит. igraph 2360 цит. Pregel 2164 цит. Parallel BGL 229 цит. MapGraph 35 цит. Green-Marl 161 цит. SNAP 19 цит. GraphLab 653 цит. 17
18 Какие системы используются для решения реальных задач? Наибольшей популярностью пользуются системы, предназначенные для анализа сетей с использованием последовательных вычислений Почему сложные системы параллельной обработки больших графов менее популярны? Выбери что-то одно Поддержка разных архитектур Возможность быстро обрабатывать большие массивы данных Большое количество реализованных алгоритмов 18
19 Алгоритмы в Network Science Базовые операции (изменение структуры графа, извлечение подграфа и т.д.) Анализ путей (поиск кратчайших путей) Вычисление метрик центральности Поиск сообществ Поиск базовых элементов (motifs discovery) Распространение инфекции по сети Анализ устойчивости сетей и другие 19
20 Алгоритмы в Network Science Базовые операции (изменение структуры графа, извлечение подграфа и т.д.) Анализ путей (поиск кратчайших путей) Вычисление метрик центральности Поиск сообществ Поиск базовых элементов (motifs discovery) Распространение инфекции по сети Анализ устойчивости сетей и другие 20
21 Сложные задачи Алгоритмы network science лишь вершина айсберга и часто бывают необходимы для первичного анализа Реальные задачи требуют разработки более сложных алгоритмов и структур данных Использование приближенных алгоритмов для расчета некоторых метрик Быстрая модификация структуры графа Необходим конвейер Выделение главной компоненты поиск сообществ вычисление метрик центральности 21
22 Сложные задачи Обработка социальных сетей Поиск пересекающихся сообществ 22
23 Сложные задачи Анализ нейронных сетей в мозге Динамически меняющийся граф Большие затраты времени на выполнение алгоритмов 23
24 Сложные задачи Анализ транспортных сетей Построение алгоритмов, которые используют одновременно несколько свойств (атрибутов) вершин и ребер 24
25 Какой должна быть идеальная система обработки графов? Возможность портирования на разные архитектуры DSL / наборы примитивов Широкие возможности для модификации структуры графа Быстрое добавление / удаление вершин и ребер Поддержка большого количества алгоритмов Стандартные алгоритмы Network Science Алгоритмы приближенных вычислений Возможность разработки собственных алгоритмов 25
Система параллельной обработки графов для задач науки о сетях ЧЕРНОСКУТОВ МИХАИЛ ИММ УРО РАН, УРФУСистема параллельной обработки графов для задач науки о сетях ЧЕРНОСКУТОВ МИХАИЛ ИММ УРО РАН, УРФУ E-MAIL: MACH@IMM.URAN.RU Содержание Подходы к обработке графов Vertex-centric Domain-specific languages
Реализация и исследование теста производительности Graph500 для многоузловых систем с GPU. Черноскутов Михаил ИММ УрО РАН, УрФУРеализация и исследование теста производительности Graph500 для многоузловых систем с GPU Черноскутов Михаил ИММ УрО РАН, УрФУ mach@imm.uran.ru 1 Содержание Data intensive computing Graph500 multigpu Graph500
Распределённая генерация случайных графов на основе моделей социальных сетейРаспределённая генерация случайных графов на основе моделей социальных сетей Институт системного Кирилл программирования РАН Чихрадзе et al. chykhradze@ispras.ru GraphHPC-2015 5 марта, 2015 Москва, Россия
Принципы решения задач в социальных сетях. Николай СкворцовПринципы решения задач в социальных сетях Николай Скворцов Решение задач в социальных сетях Программные модели параллельной обработки социальных сетей Основные принципы решения задач в областях с интенсивным
Некоторые задачи анализа социальных сетей. Славнов КонстантинНекоторые задачи анализа социальных сетей Славнов Константин 15.10.2014 План Что это такое. Примеры. Особенности Что можно посчитать Как можно моделировать Деанонимизация Что такое социальная сеть Дружеские
Технологии параллельной обработки графов: проблемы, подходы, перспективыТехнологии параллельной обработки графов: проблемы, подходы, перспективы Александр Фролов Лаборатория DISLab, ОАО «НИЦЭВТ» GraphHPC-2014, Москва 5 марта 2014 г. 1 / 29 План доклада Проблемы анализа больших
Содержание. Описание проекта Что такое Graph500? Graph500 для ИММ УрО РАН План работ / роли в проектеРазработка методов эффективного использования гибридных вычислительных систем в задачах с интенсивным использованием памяти на примере реализации теста Graph500 Грант РЦП-13-П18 Содержание Описание проекта
Использование средств nvidia CUDA для эффективной реализации алгоритмов построения карт диспаратностиИспользование средств nvidia CUDA для эффективной реализации алгоритмов построения карт диспаратности А.Н. Волкович Объединенный институт проблем информатики НАН Беларуси, Беларусь, Минск Введение Построение
Структура параллельных алгоритмовЛетняя Суперкомпьютерная Академия МГУ Структура параллельных алгоритмов Воеводин Вл.В. чл.-корр.ран, профессор voevodin@parallel.ru 24 июня, 2016 г., г.москва Суперкомпьютер МГУ Ломоносов Суперкомпьютер
Колганов А.С. ВМК, МГУ им. М.В. Ломоносова / ИМП им. М.В. Келдыша РАНКолганов А.С. ВМК, МГУ им. М.В. Ломоносова / ИМП им. М.В. Келдыша РАН Breadth first search один из важных и фундаментальных алгоритмов в обработке графов; Алгоритмические трудности BFS: Очень мало вычислений;
Спецкурс «Параллельная обработка больших графов» Лекция 5Спецкурс «Параллельная обработка больших графов» Лекция 5 А.С. Семенов dislab.org Виды графов 2 Виды графов. Случайные графы Random, Random Uniform, Erdos Renyi N вершин, M ребер, k средняя связность вершины
УСКОРЕНИЕ ПОИСКА В ШИРИНУ НА GPU-АРХИТЕКТУРЕ С ПОМОЩЬЮ РАСПРЕДЕЛЕНИЯ НАГРУЗКИУСКОРЕНИЕ ПОИСКА В ШИРИНУ НА GPU-АРХИТЕКТУРЕ С ПОМОЩЬЮ РАСПРЕДЕЛЕНИЯ НАГРУЗКИ М.А. Черноскутов 1,2 1 Институт математики и механики УрО РАН 2 Уральский Федеральный Университет Введение. Поиск в ширину
Студенческий научный журнал «Грани науки» Т.1. С УДК ИЗУЧЕНИЕ ТЕХНОЛОГИИ NVIDIA CUDA НА ПРИМЕРЕ АЛГОРИТМА ХЕШИРОВАНИЯ MD5УДК 004.021 ИЗУЧЕНИЕ ТЕХНОЛОГИИ NVIDIA CUDA НА ПРИМЕРЕ АЛГОРИТМА ХЕШИРОВАНИЯ MD5 Гребенюк Е.О., Ишмухаметов Ш.Т. ФГАОУ ВПО Казанский (Приволжский) федеральный университет, 420008, г. Казань, ул. Кремлевская,
Использование модели социальной сети с сообществами пользователей для распределённой генерации случайных социальных графовИспользование модели социальной сети с сообществами пользователей для распределённой генерации случайных социальных графов Институт системного программирования РАН Кирилл Чихрадзе 10-я Международная конференция
ОГЛАВЛЕНИЕ. Основы распараллеливанияОГЛАВЛЕНИЕ Введение. 12 Ч а с т ь I. Основы распараллеливания Лекция 1. О постановке задачи распараллеливания. 17 1.1. Введение. 17 1.2. О некоторых вычислительных задачах. 19 1.3. Численный
Пример оптимизации задачи SSSP и MSTКолганов А.С. Обзор параллельных архитектур Проблемы обработки графов Пример оптимизации задачи SSSP и MST Заключение 2 Графические ускорители (GPU); Многоядерные процессоры x86 (CPU); Сопроцессоры Intel
Примерный перечень вопросов к вступительному экзамену в магистратуру по направлению подготовки «Информатика и вычислительная техника»ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО РЫБОЛОВСТВУ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «МУРМАНСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ» Примерный
Модели взаимодействия процессовМодели взаимодействия процессов С/к. «Параллельное программирование» мехмат, IV курс, группа 11 Практикум 2 Модели взаимодействия процессов 1 / 47 Модели Итеративный Производители Клиенты Равные Особенности
Программный комплекс DMORSy для переупорядочения разреженных матриц на кластерных системахИнститут Информационных технологий, математики и механики Кафедра Математического обеспечения и суперкомпьютерных технологий Программный комплекс DMORSy для переупорядочения разреженных матриц на Пирова
Структура данных для представления графов на параллельных вычислительных системах и параллельные алгоритмы операций над графамиСтруктура данных для представления графов на параллельных вычислительных системах и параллельные алгоритмы операций над графами # 11, ноябрь 2014 Головков А. А., профессор Иванова Г. С. УДК: 004.051+519.168
ВЛОЖЕНИЕ ГРАФОВ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ В ГРАФЫ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ НЕЙРОСЕТЕВЫМИ АЛГОРИТМАМИВЛОЖЕНИЕ ГРАФОВ ПАРАЛЛЕЛЬНЫХ ПРОГРАММ В ГРАФЫ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ НЕЙРОСЕТЕВЫМИ АЛГОРИТМАМИ М.С. ТАРКОВ Институт физики полупроводников СО РАН, г. Новосибирск tarko@isp.nsc.ru 05.05.2011
Современные проблемы анализа данных пользователей социальных сетейСовременные проблемы анализа данных пользователей социальных сетей Коршунов Антон Викторович korshunov@ispras.ru Gartner Hype Cycle for Emerging Technologies 2012 Социальная сеть Пользователи, объекты,
Отчет по дипломной работеМосковский Государственный Университет имени М.В.Ломоносова Факультет Вычислительной Математики и Кибернетики Кафедра Системного Программирования Отчет по дипломной работе Распараллеливание прикладной
Содержание. Предисловие ко второму изданию 15. Глава 1. Мысли алгоритмически 21. Глава 2. Математика алгоритмов 29Содержание Предисловие ко второму изданию 15 Изменения во втором издании 15 Целевая аудитория 16 Соглашения, используемые в данной книге 17 Использование примеров кода 18 Благодарности 18 Об авторах 19
Информационное письмо о программном продукте IBM Europe, Middle East and Africa ZP от 4 июня 2012 г.ZP12-0274 от 4 июня 2012 г. Предварительный обзор: Решения IBM Platform Computing ускоряют получение результатов при помощи комплексных и интегрированных функций управления кластерными, распределенными
Обзор области параллельных вычислений. Востокин Сергей ВладимировичОбзор области параллельных вычислений Востокин Сергей Владимирович План Суть параллельного программирования Краткий обзор аппаратного обеспечения Приложения и стили программирования Средства параллельного
Параллельные алгоритмы переупорядочения графа разреженной матрицыИнститут Информационных технологий, математики и механики Кафедра Математического обеспечения и суперкомпьютерных технологий Параллельные алгоритмы переупорядочения графа разреженной матрицы Пирова Анна
Использование мощных возможностей решений IBM. Разумная разработка вместе с RationalИспользование мощных возможностей решений B Разумная разработка вместе с ational 04 Разумная разработка вместе с ational v 2.4 2 Q Y G Q / W W H V B V V W ational Q G B K K Инструментальные средства разработки
2.4. Показатели эффективности параллельного алгоритма Учебный пример. Вычисление частных сумм последовательности числовых значений.Лекции Лекция 1. Принципы построения параллельных вычислительных систем. 23 Лекция 2. Моделирование и анализ параллельных вычислений. 49 Лекция 3. Оценка коммуникационной
Computer Science МФТИ. Intro to OpenMP. Субботина МФТИComputer Science МФТИ Intro to OpenMP Субботина МФТИ Анна Содержание лекции Архитектура параллельных вычислительных систем Модели параллельного программирования Технология OpenMP o История o Модель данных
Анализ сообществ в социальных сетях. Николай СкворцовАнализ сообществ в социальных сетях Николай Скворцов Социальные сети как области с интенсивным использованием данных Телекоммуникационные связи (звонки, адресные книги и др.) Информационные сети (медиа,
АЛГОРИТМЫ БАЛАНСИРОВКИ ЗАГРУЗКИ ПРОЦЕССОРОВ ПАРАЛЛЕЛЬНОЙ ВЫЧИСЛИТЕЛЬНОЙ СИСТЕМЫАЛГОРИТМЫ БАЛАНСИРОВКИ ЗАГРУЗКИ ПРОЦЕССОРОВ ПАРАЛЛЕЛЬНОЙ ВЫЧИСЛИТЕЛЬНОЙ СИСТЕМЫ Бельков Д.В. Донецкий национальный технический университет, г. Донецк кафедра вычислительной математики и программирования
Предсказание ссылок в социальных сетяхПредсказание ссылок в социальных сетях Арсен Хажоян Декабрь 2016 Computer Science Center актуальность Кому это нужно? Социальные сети e-commerce Правоохранительные органы Биоинформатики Многие другие 2/22
СОДЕРЖАНИЕ. Часть I. Анализ 19. Часть II. Структуры данных 73. Благодарности 11 От издательства 12СОДЕРЖАНИЕ Об авторе 11 Благодарности 11 От издательства 12 Предисловие консультанта по C++ 13 Введение 14 Круг рассматриваемых вопросов 15 Использование в учебных курсах 15 Практическое применение алгоритмов
Курсовая работа на тему: Выделение групп пользователей в социальных сетяхСанкт- Петербургский Государственный Университет Математико- механический факультет Кафедра системного программирования Курсовая работа на тему: Выделение групп пользователей в социальных сетях Никита
Данная книга представляет собой подробное практическое руководство по разработке приложений с использованием технологии NVIDIA CUDA версии 4.Данная книга представляет собой подробное практическое руководство по разработке приложений с использованием технологии NVIDIA CUDA версии 4. В первой части последовательно излагаются основы программной
Языковая поддержка архитектурно-независимого параллельного программирования. Легалов А.И.Языковая поддержка архитектурно-независимого параллельного программирования Легалов А.И. (legalov@mail.ru) MPP GPU OpenCL CUDA SMP OpenMP Intel MIC MPI Intel Xeon Phi CPU DVM Последовательные вычислительные
1. Цели и задачи дисциплины: 2. Место дисциплины в структуре ООП: 3. Требования к результатам освоения дисциплины:1. Цели и задачи дисциплины: Суперкомпьютерные технологии и высокопроизводительные вычисления с использованием многопроцессорных вычислительных систем (МВС) становятся важным фактором научно-технического
Многопоточные вычисления на основе технологий MPI и OpenMPМногопоточные вычисления на основе технологий MPI и OpenMP НОЦ МФТИ 2011 Структура курса Введение в технологию MPI Постановка задачи курсового проекта (клеточные автоматы) Введение в технологию OpenMP
Нижегородский государственный университет. Раздел 6 Примеры многопроцессорных системНижегородский государственный университет им. Н.И.Лобачевского Факультет Вычислительной математики и кибернетики Параллелизм как основа архитектуры ВС Раздел 6 Примеры многопроцессорных систем Кудин А.В.,
Методы и алгоритмы параллельных вычисленийМетоды и алгоритмы параллельных вычислений Проектирование параллельных алгоритмов Кулаков Кирилл Александрович 2016 Петрозаводск Цели проектирования Балансировка нагрузки Масштабируемость Эффективность
ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ NVIDIA CUDA ДЛЯ ПОИСКА СОБСТВЕННЫХ ЗНАЧЕНИЙ МАТРИЦПРИМЕНЕНИЕ ТЕХНОЛОГИЙ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ NVIDIA CUDA ДЛЯ ПОИСКА СОБСТВЕННЫХ ЗНАЧЕНИЙ МАТРИЦ А.В. Высоцкий, Н.Е. Тимофеева, А.Н. Савин, К.И. Шоломов Саратовкский государственный университет ин. Н.
MST на мультипроцессоре: сравнение вариантов алгоритма Борувки. Зайцев Вадим, Новосибирский ГУ Калгин Константин, к.ф.-м.н.MST на мультипроцессоре: сравнение вариантов алгоритма Борувки Зайцев Вадим, Новосибирский ГУ Калгин Константин, к.ф.-м.н., ИВМиМГ СО РАН Минимальное остовное дерево (MST) Остовное дерево - ациклический
Автоматическое. Степени параллелизма. Статическое и динамическое. распараллеливание последовательных программАвтоматическое распараллеливание последовательных программ Степени параллелизма. Статическое и динамическое распараллеливание последовательных программ Как писать код для параллельного вычисления? Программирование
Представление графовых моделей в системах параллельной обработкиУДК 004.051+519.168 Представление графовых моделей в системах параллельной обработки Головков А.А., студент Россия, 105005, г. Москва, МГТУ им. Н.Э. Баумана, кафедра «Компьютерные системы и сети» Научный
Построение статистических моделей эффективности параллельных программПостроение статистических моделей эффективности параллельных программ В.Н.Белецкий, С.А.Резникова, А.А.Чемерис Институт проблем моделирования в энергетике им. Г.Е.Пухова НАН Украины В статье рассмотрен
ПОСТРОЕНИЕ РЕЙТИНГА УНИВЕРСИТЕТОВ В СОЦИАЛЬНЫХ СЕТЯХ С ПРИМЕНЕНИЕМ ИНСТРУМЕНТОВ BIG DATAПОСТРОЕНИЕ РЕЙТИНГА УНИВЕРСИТЕТОВ В СОЦИАЛЬНЫХ СЕТЯХ С ПРИМЕНЕНИЕМ ИНСТРУМЕНТОВ BIG DATA А.И. Парамонов Доцент кафедры программное обеспечение информационных технологий БГУИР, кандидат технических наук
Инкрементальное распараллеливание для кластеров в системе САПФОРВСЕРОССИЙСКАЯ НАУЧНАЯ КОНФЕРЕНЦИЯ НАУЧНЫЙ СЕРВИС В СЕТИ ИНТЕРНЕТ 2017 Инкрементальное распараллеливание для кластеров в системе САПФОР 21 сентября 2017г. Абрау-Дюрсо В.А. Бахтин, О.Ф. Жукова, Н.А. Катаев,
ИСПОЛЬЗОВАНИЕ ГРАФИЧЕСКОГО УСКОРИТЕЛЯ ДЛЯ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ДАННЫХ. С. В. Жабинский Разработчик в ООО "Информационно-технологическийИСПОЛЬЗОВАНИЕ ГРАФИЧЕСКОГО УСКОРИТЕЛЯ ДЛЯ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ДАННЫХ С. В. Жабинский Разработчик в ООО "Информационно-технологический альянс", магистр технических наук ООО «Информационно-технологический
MST на мультипроцессоре: сравнение вариантов алгоритма Борувки. Зайцев Вадим, Новосибирский ГУ Калгин Константин, к.ф.-м.н.MST на мультипроцессоре: сравнение вариантов алгоритма Борувки Зайцев Вадим, Новосибирский ГУ Калгин Константин, к.ф.-м.н., ИВМиМГ СО РАН План доклада Постановка задачи Последовательные алгоритмы решения
О парадигме универсального языка параллельного программирования на примере задач SSSP и BFSО парадигме универсального языка параллельного программирования на примере задач SSSP и BFS А.В. Климов arkay.klimov@gmail.com Институт проблем проектирования в микроэлектронике (ИППМ) РАН GraphHPS-2017
Колганов А.С., МГУ ВМККолганов А.С., МГУ ВМК Алгоритм BFS Тенденции рейтингов Graph500 и GGraph500 Реализация BFS на общей памяти (CPU / GPU) Прогнозируемая масштабируемость 2 Алгоритм BFS Тенденции рейтингов Graph500 и GGraph500
Преимущества распараллеливания на CPU и GPU в MATLAB Михаил ШпакПреимущества распараллеливания на CPU и GPU в MATLAB Михаил Шпак Инженер MathWorks 1 Доступные высокопроизводительные устройства Один процессор Много ядер Много процессоров Кластер Грид, Облако Графический
Распределение памятиРаспределение памяти Распределение памяти - это процесс, в результате которого отдельным элементам исходной программы ставятся в соответствие адрес, размер и атрибуты области памяти, необходимой для размещения
Совместное использование MPI и OpenMP на кластерахСовместное использование MPI и OpenMP на кластерах Киреев С.Е., Городничев М.А., Калгин К.В., Перепелкин В.А. Отдел МО ВВС ИВМиМГ СО РАН План Введение в архитектуру: теория Практические следствия Привязка
A.A. Al-Khulaidi, Y.O. Chernyshev EXPERIMENTAL AND THEORETICAL EVALUATION OF PARALLEL ALGORITHM FOR FINDING MINIMAL SPANNING TREE ON CLUSTER SYSTEMSРАЗДЕЛ I. АВТОМАТИЗАЦИЯ ПРОЕКТИРОВАНИЯ УДК 004.032.24 А.А. Аль-Хулайди, Ю.О. Чернышев ЭКСПЕРИМЕНТАЛЬНАЯ И ТЕОРЕТИЧЕСКАЯ ОЦЕНКИ ПАРАЛЛЕЛЬНЫХ АЛГОРИТМОВ НАХОЖДЕНИЯ МИНИМАЛЬНОГО ОСТОВНОГО ДЕРЕВА НА КЛАСТЕРНЫХ
Анализ эффективности архитектур x86_64 процессоров Intel и AMD для расчетов из первых принципов: исследование пакета VASP. Вечер В.С., Стегайлов В.В.Анализ эффективности архитектур x86_64 процессоров Intel и AMD для расчетов из первых принципов: исследование пакета VASP Вечер В.С., Стегайлов В.В. Популярность задач вычислительного материаловедения
Проект LuNA или современное системное параллельное программирование в области численного моделированияПроект LuNA или современное системное параллельное программирование в области численного моделирования В.А. Перепелкин Лаборатория синтеза параллельных программ, ИВМиМГ СО РАН Зимняя школа по параллельному
ГЕОИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ АНАЛИЗА ГРАНИЦ КАРЬЕРОВ РУДНЫХ МЕСТОРОЖДЕНИЙГЕОИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ АНАЛИЗА ГРАНИЦ КАРЬЕРОВ РУДНЫХ МЕСТОРОЖДЕНИЙ Д.В. Петров 1, В.М. Михелев 1 1 Белгородский государственный национальный исследовательский университет (НИУ «БелГУ») Одним из
Методы повышения эффективности широкомасштабных распределенных вычислительных экспериментов на неструктурированных сетках *Методы повышения эффективности широкомасштабных распределенных вычислительных экспериментов на неструктурированных сетках * С.А. Суков Институт прикладной математики им. М.В. Келдыша РАН В работе представлено
УДК ; ; ; : Ю.А. Шичкина РАСПАРАЛЛЕЛИВАНИЕ АЛГОРИТМА НОРМАЛИЗАЦИИ РЕЛЯЦИОННЫХ ОТНОШЕНИЙII. Моделирование и управление в технических системах УДК 1.11.3; 81.1.01; 81.3.01;8.012.011.:8.12 Ю.А. Шичкина РАСПАРАЛЛЕЛИВАНИЕ АЛГОРИТМА НОРМАЛИЗАЦИИ РЕЛЯЦИОННЫХ ОТНОШЕНИЙ Одной из важнейших характеристик
Параллельные вычисления с MATLAB Артем Багров Application EngineerПараллельные вычисления с MATLAB Артем Багров Application Engineer 2011 The MathWorks, Inc. 1 Имеется ли необходимость увеличить скорость выполнения Вашего MATLAB кода? 2 У Вас многопроцессорная система
Задача вершинного покрытияЗадача вершинного покрытия Сергей Воронов Московский физико-технический институт (государственный университет) Факультет управления и прикладной математики 11 декабря 2013 г. Сергей Воронов (МФТИ) Задача
Структурный синтез и планирование вычислений. Костенко Валерий АлексеевичСтруктурный синтез и планирование вычислений Костенко Валерий Алексеевич kost@cs.msu.su Задачи комбинаторной оптимизации Множество решений включает всевозможные: размещения исходно заданных объектов, упорядочивания
Масштабируемый параллельный алгоритм для решения системы уравнений звездной динамики на гибридных суперэвмМасштабируемый параллельный алгоритм для решения системы уравнений звездной динамики на гибридных суперэвм Снытников Николай Лаборатория параллельных алгоритмов решения больших задач ИВМиМГ СО РАН Особенности
Моделирование системы фазовых осцилляторов Курамото на языке программирования Python с использованием технологий параллельных вычисленийМинистерство образования и науки Российской Федерации ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «САРАТОВСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИИВЕРСИТЕТ
ПРИКЛАДНАЯ ДИСКРЕТНАЯ МАТЕМАТИКА. АЛГОРИТМ ТОЧНОГО РЕШЕНИЯ ДИСКРЕТНОЙ ЗАДАЧИ ВЕБЕРА ДЛЯ ПРОСТОГО ЦИКЛА Р. Э. ШангинПРИКЛАДНАЯ ДИСКРЕТНАЯ МАТЕМАТИКА 2013 Вычислительные методы в дискретной математике 4(22) УДК 519.863 АЛГОРИТМ ТОЧНОГО РЕШЕНИЯ ДИСКРЕТНОЙ ЗАДАЧИ ВЕБЕРА ДЛЯ ПРОСТОГО ЦИКЛА Р. Э. Шангин Южно-Уральский государственный
Аннотация дисциплины «Алгоритмы и технологии анализа сложных сетей»Аннотация дисциплины «Алгоритмы и технологии анализа сложных сетей» В последние годы сформировалось новое направление изучения сложных систем теория сложных сетей (complex network theory, network theory).
Большие Данные: разделяй и властвуй. Сергей Кузнецов, ИСП РАНБольшие Данные: разделяй и властвуй Сергей Кузнецов, ИСП РАН Три принципа массивно-параллельных СУБД Архитектура Shared-Nothing Приближение вычислений к данным Эффективное разделение данных 2 Архитектура
Лекция 5. Парадигмы параллельного программированияНазвание Основные концепции Лекция 5. Парадигмы параллельного программирования Параллельное программирование 13 декабря 2010 г. Параллельное программирование 1 / 28 Название Основные концепции Стили (парадигмы)
ИСПОЛЬЗОВАНИЕ МЕТАСТРУКТУР ПРИ ПРОЕКТИРОВАНИИ ВЕБ- ИНТЕРФЕЙСА ВИРТУАЛЬНОЙ ЛАБОРАТОРИИИСПОЛЬЗОВАНИЕ МЕТАСТРУКТУР ПРИ ПРОЕКТИРОВАНИИ ВЕБ- ИНТЕРФЕЙСА ВИРТУАЛЬНОЙ ЛАБОРАТОРИИ В.В. Воробьев Введение Виртуальные лаборатории представляют собой современный способ организации совместной исследовательской
СРАВНИТЕЛЬНЫЙ АНАЛИЗ И ХАРАКТЕРИСТИКА АЛГОРИТМОВ О НАХОЖДЕНИИ ВЕРШИННОГО ПОКРЫТИЯМинистерство образования и науки Российской Федерации ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «САРАТОВСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
Моделирование физических процессов и визуализация результатов на графических процессорах. Примеры использованияМоделирование физических процессов и визуализация результатов на графических процессорах Примеры использования Высокопроизводительные вычисления в научных исследовниях Архитектура параллельных вычислений
332 Объектно-ориентированное программирование в С Структура MFT Файлы и потоки Каталоги ГЛАВА 9.ОГЛАВЛЕНИЕ ПРЕДИСЛОВИЕ. 3 ГЛАВА 1. ОСНОВНЫЕ ОПРЕДЕЛЕНИЯ ЯЗЫКА С++. 5 1.1. Алфавит языка. 5 1.2. Структура программы на языке С++. 6 ГЛАВА 2. СТАНДАРТНЫЕ ТИПЫ ДАННЫХ. 11 2.1. Переменные целого
Math-Net.Ru Общероссийский математический порталMath-Net.Ru Общероссийский математический портал А. С. Фролов, А. С. Семенов, Обзор проблемно-ориентированных языков программирования для параллельного анализа статических графов, Comp. nanotechnol., 2017,
Разработка и реализация переносимых алгоритмов распределённого исполнения фрагментированных программФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «НОВОСИБИРСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» Разработка и реализация
Разработка и реализация алгоритмов run-time оптимизации исполнения фрагментированных программРазработка и реализация алгоритмов run-time оптимизации исполнения фрагментированных программ Дуплищев И. К. 4 курс ФИТ НГУ Научный руководитель: Перепёлкин В. А. м.н.с., ИВМиМГ СО РАН Проблема При реализации
Программа учебного курса «Параллельное программирование в Hadoop»Программа учебного курса «Параллельное программирование в Hadoop» Созыкин А.В., Гольдштейн М.Л. Институт математики и механики УрО РАН, г. Екатеринбург Hadoop Hadoop один из сервисов OpenCirrus и «Университетский
Постулат ISSN УДК , Сравнение современных языков программированияУДК 517.518.8, 519.651 Сравнение современных языков программирования Семченко Регина Викторовна Приамурский государственный университет имени Шолом-Алейхема студент Еровлев Павел Андреевич Приамурский
Параллельный топологический алгоритм корректировки нормалей неструктурированной многогранной расчетной сетки на Intel Xeon PhiПараллельный топологический алгоритм корректировки нормалей неструктурированной многогранной расчетной сетки на Intel Xeon Phi Семенов А.С., Мукосей А.В., Головина Е.А. DISLab / ОАО «НИЦЭВТ» 5 марта 2015
ИССЛЕДОВАНИЕ ПРОИЗВОДИТЕЛЬНОСТИ КООРДИНАТНЫХ ПРЕОБРАЗОВАНИЙ ГЕОМЕТРИЧЕСКИХ ОБЪЕКТОВ НА ОСНОВЕ ТЕХНОЛОГИИ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ В OPENCLИССЛЕДОВАНИЕ ПРОИЗВОДИТЕЛЬНОСТИ КООРДИНАТНЫХ ПРЕОБРАЗОВАНИЙ ГЕОМЕТРИЧЕСКИХ ОБЪЕКТОВ НА ОСНОВЕ ТЕХНОЛОГИИ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ В OPENCL Мокров А.В. Федеральное государственное бюджетное образовательное
Введение в OpenMP. Слайд 1 Данная лекция посвящена OpenMP. Презентация основана на материалах SUN Microsystems.Комментарии к слайдам. Автор: Романенко Алексей arom@ccfit.nsu.ru Введение в OpenMP Слайд 1 Данная лекция посвящена OpenMP. Презентация основана на материалах SUN Microsystems. Слайд 2 Из данной лекции
Функционально-потоковое параллельное программирование при асинхронно поступающих данныхФункционально-потоковое параллельное программирование при асинхронно поступающих данных А.И. Легалов, А.В. Редькин, И.В. Матковский 1. Введение Рассматриваются особенности поведения функционально-потоковых
Р. И. Идрисов ВРЕМЕННАЯ РАЗВЁРТКА ВНУТРЕННЕГО ПРЕДСТАВЛЕНИЯ IR2 ЯЗЫКА SISAL 3.1 *Р. И. Идрисов ВРЕМЕННАЯ РАЗВЁРТКА ВНУТРЕННЕГО ПРЕДСТАВЛЕНИЯ IR2 ЯЗЫКА SISAL 3.1 * На сегодняшний день увеличение вычислительных мощностей связано уже не с ускорением отдельного, а с добавлением дополнительных
СУПЕРКОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ПРЕДЕЛЬНЫХ КОНТУРОВ ОТКРЫТЫХ КАРЬЕРОВ SUPERCOMPUER MODELLING THE OPEN PIT LIMITSСУПЕРКОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ПРЕДЕЛЬНЫХ КОНТУРОВ ОТКРЫТЫХ КАРЬЕРОВ SUPERCOMPUER MODELLING THE OPEN PIT LIMITS Петров Д.В., Михелев В.М. Denis V. Petrov, Vladimir M. Mikhelev Текст аннотации: в статье
Система моделирования и интеллектуализации задач принятия решенийУДК 681.3.07 Система моделирования и интеллектуализации задач принятия решений З. Н. Русакова 1 1 МГТУ им. Н.Э. Баумана, Москва, 105005, Россия Рассмотрен программный инструментарий системы поддержки принятия
Портирование генетических алгоритмов на платформу OpenCL на примере генерации автомата в задаче Умный муравейСанкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики Кафедра компьютерных технологий А. И. Бочкарев Портирование генетических алгоритмов на платформу
БИБЛИОТЕКА NVGRAPH: ПРИМИТИВЫ ДЛЯ РАБОТЫ С ГРАФАМИБИБЛИОТЕКА NVGRAPH: ПРИМИТИВЫ ДЛЯ РАБОТЫ С ГРАФАМИ Марат Арсаев 01.03.2018 СОДЕРЖАНИЕ Обзор концептов, форматов данных и возможностей nvgraph Новое в CUDA 9.0: Обход графа в ширину Кластеризация графа
ФИЗИЧЕСКИЙ ФАКУЛЬТЕТ. Курсовая работа по дисциплине Параллельное программирование. Образование гигантского кластера в случайных сетях.Московский государственный университет имени М.В.Ломоносова ФИЗИЧЕСКИЙ ФАКУЛЬТЕТ Курсовая работа по дисциплине Параллельное программирование Образование гигантского кластера в случайных сетях. Выполнил
СОВРЕМЕННЫЕ ТЕХНОЛОГИИ РАЗРАБОТКИ ПО. Лекция 11: Качество кода: Профилирование и оптимизацияСОВРЕМЕННЫЕ ТЕХНОЛОГИИ РАЗРАБОТКИ ПО Лекция 11: Качество кода: Профилирование и оптимизация Мотивация Скорость работы часть нефункциональных требований Недостаточная скорость серьёзный ущерб качеству вплоть
Программирование приложений массивнопараллельных. данных. Сергей Кузнецов, ИСП РАНПрограммирование приложений массивнопараллельных баз данных Сергей Кузнецов, ИСП РАН Массивно-параллельные СУБД и архитектура shared-nothing Принято считать, что горизонтальную масштабируемость массивно-параллельных
СУПЕРКОМПЬЮТЕРЫ И ПАРАЛЛЕЛЬНАЯ ОБРАБОТКА ДАННЫХ (лекция 3)Московский государственный университет имени М.В.Ломоносова Факультет Вычислительной математики и кибернетики СУПЕРКОМПЬЮТЕРЫ И ПАРАЛЛЕЛЬНАЯ ОБРАБОТКА ДАННЫХ (лекция 3) А.С.Антонов Вед. н.с. НИВЦ МГУ,
ТАКСОНОМИЯ ФЛИННА. Кириллова Юлия 6057/ТАКСОНОМИЯ ФЛИННА Кириллова Юлия 6057/2 22.11.11 Таксономия Флинна общая классификация архитектур ЭВМ по признакам наличия параллелизма в потоках команд и данных. предложена в 1972 г. Майклом Флинном.
Задачей изучения дисциплины: Является освоение методов вычислительной математики и проведение на их основе вычислительных экспериментов.«Численные методы» 010200 Б2.1.1 Общая трудоемкость дисциплины составляет 8 зачетных единиц, 288 часов. Целью освоения дисциплины «Численные методы» является изучение круга вопросов вычислительной математики
54 вычислительные методы и программирование Т. 14 УДК54 вычислительные методы и программирование. 213. Т. 14 УДК 4.21 БАЛАНСИРОВКА НАГРУЗКИ В ГПУ-РЕАЛИЗАЦИИ ПОИСКА В ШИРИНУ НА ГРАФЕ М.А. Черноскутов 1, Д.Г. Ермаков 1 Параллельная обработка неструктурированных
РАЗРАБОТКА МЕТОДОВ ОБРАБОТКИ ЗАПРОСОВ К БАЗЕ ДАННЫХ НА МНОГОЯДЕРНЫХ УСКОРИТЕЛЯХ, ПОДДЕРЖИВАЮЩИХ ТЕХНОЛОГИЮ CUDAРАЗРАБОТКА МЕТОДОВ ОБРАБОТКИ ЗАПРОСОВ К БАЗЕ ДАННЫХ НА МНОГОЯДЕРНЫХ УСКОРИТЕЛЯХ, ПОДДЕРЖИВАЮЩИХ ТЕХНОЛОГИЮ CUDA П.С. Костенецкий, А.И. Семенов 1. Введение После появления технологии NVIDIA CUDA, позволяющей