Помощь в учёбе, очень быстро...
Работаем вместе до победы

Моделирование и анализ иерархических многопроцессорных систем баз данных

Диссертация: Моделирование и анализ иерархических многопроцессорных систем баз данных
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В диссертационной работе были рассмотрены вопросы, связанные с моделированием и анализом иерархических многопроцессорных систем баз данных. Исследованы современные подходы по организации моделей параллельного вычисления. Проведен обзор наиболее популярных на сегодняшний день моделей многопроцессорных систем с общей памятью (RAM, PRAM, YPRAM, HPRAM), моделей с распределенной памятью (BSP, LogP… Читать ещё >

Содержание

  • Глава 1. Обработка транзакций в многопроцессорных иерархиях
    • 1. 1. Многопроцессорные иерархии
    • 1. 2. Организация параллельной обработки запросов
    • 1. 3. Обзор моделей многопроцессорных систем
      • 1. 3. 1. Аппаратно-архитектурные модели
      • 1. 3. 2. Классификация моделей параллельных вычислений
      • 1. 3. 3. Параллельные вычислительные модели с общей памятью
      • 1. 3. 4. Параллельные вычислительные модели с распределенной памятью
      • 1. 3. 5. Параллельные вычислительные модели с иерархией памяти
    • 1. 4. Выводы по главе 1
  • Глава 2. Модель мультипроцессоров баз данных
    • 2. 1. Требования к модели
      • 2. 1. 1. Специфика
  • приложений баз данных класса ОЬТР
    • 2. 1. 2. Иерархическая структура соединительной сети
    • 2. 1. 3. Дисковый ввод/вывод
    • 2. 1. 4. Фрагментный параллелизм
    • 2. 1. 5. Передача сообщений по соединительной сети
    • 2. 1. 6. Оценка стоимости запросов
    • 2. 1. 7. Специфика реляционной модели данных
    • 2. 1. 8. Параллельные транзакции
    • 2. 1. 9. Межтранзакционный параллелизм
    • 2. 2. Формальное описание модели
    • 2. 2. 1. Базовые определения
    • 2. 2. 2. Модель аппаратной платформы
    • 2. 2. 3. Модель операционной среды
    • 2. 2. 4. Стоимостная модель
    • 2. 2. 5. Модель транзакций
    • 2. 3. Выводы по главе 2
  • Глава 3. Эмулятор многопроцессорных иерархических машин баз данных
    • 3. 1. Модель вариантов использования эмулятора ЭМБ
    • 3. 2. Архитектура эмулятора БМ
    • 3. 3. Принципы работы эмулятора БМЭ
    • 3. 4. Язык описания конфигураций
    • 3. 5. Выводы по главе 3
  • Глава 4. Вычислительные эксперименты
    • 4. 1. Параметры вычислительных экспериментов
    • 4. 2. Подтверждение адекватности модели БММ
    • 4. 3. Моделирование 8МР-узлов
    • 4. 4. Влияние интерконнекта и дисков на масштабирование
    • 4. 5. Оптимизация стоимости расширения системы
    • 4. 6. Выводы по главе 4

Моделирование и анализ иерархических многопроцессорных систем баз данных (реферат, курсовая, диплом, контрольная)

Актуальность темы

.

Современные многопроцессорные системы в большинстве случаев организуются по иерархическому принципу. Например, большая часть вычислительных кластеров сегодня имеют трехуровневую архитектуру. В рамках такой архитектуры многопроцессорная система строится как набор однородных вычислительных модулей, соединенных высокоскоростной сетью. Это — первый (верхний) уровень иерархии. Каждый вычислительный модуль является, в свою очередь, многопроцессорной системой с разделяемой памятью и образует второй уровень иерархии. Так как в современной кластерной системе, как правило, используются многоядерные процессоры, то мы получаем третий уровень иерархии. Еще одним источником многопроцессорных иерархий являются Grid-технологии [8, 73], позволяющие объединять несколько различных кластеров в единую вычислительную систему. Подобная Grid-система будет иметь многоуровневую иерархическую структуру.

Важным классом приложений для многопроцессорных систем являются задачи, связанные с обработкой сверхбольших баз данных [81]. Возникновение сверхбольших баз данных обусловлено расширением сферы применения СУБД. Примерами приложений, характеризующихся сверхбольшим объемом хранимых данных, являются электронная коммерция [43,89], электронные библиотеки [11], геоинформационные системы [38, 104], мультимедийные архивы [97, 131], социальные сети [39, 126], научные базы данных [22, 81] и многие другие.

Одной из самых больших и быстро наполняемых научных баз данных является база данных проекта WLCG (Worldwide Large Hadron Collider Computing Grid) [79, 116]. Главной целью проекта WLCG является использование грид-среды для обработки экспериментальных данных получаемых с Большого адронного коллайдера (Large Hadron Collider, LHC) Европейского центра ядерных исследований (CERN). Поток экспериментальных данных, который необходимо обрабатывать, составляет около 15 петабайт в год [8].

Другим примером сверхбольшой базы данных является база данных проекта системы SkyServer проекта SDSS (Sloan Digital Sky Survey) [121, 122, 133]. Данный проект предполагает создание виртуальной обсерватории, доступной через Интернет. База данных проекта должна объединить в себе полную информацию о наблюдениях всех участков звездного неба различными обсерваториями мира. Суммарный объем данных, поступающих с телескопов, составляет около 5 петабайт в год [123].

Работы по созданию виртуальной обсерватории ведутся также и в России [3, 27]. В настоящее время начаты работы по двум масштабным космическим экспериментам «Лира» и «Свеча» [31], целью которых является высокоточный многоцветный фотометрический обзор звезд всего неба вплоть до 16−17 звездной величины. В обзор войдут около 400 млн. звезд. Измерения будут вестись в 10 спектральных полосах от 0.2 до 1.0 мкм с борта Российского сегмента МКС. Для хранения базы данных проекта «Лира» потребуется дисковое пространство суммарным объемом до 1 петабай-та. Для хранения данных проекта «Свеча» потребуется дисковое пространство размером несколько экзабайт.

Еще одним примером сверхбольших баз данных являются базы данных проекта EOS/DIS (Earth Observation System/Data Information System) [76, 124], разрабатываемого агентством NASA в США. Система наблюдения земли EOS включает в себя множество спутников, которые собирают информацию, необходимую для изучения долгосрочных тенденций состояния атмосферы, океанов, земной поверхности. Начиная с 1998 года, спутники поставляют информацию в объеме 1/3 петабайт в год. Предполагается, что к 2010 году общий объем поддерживаемых в системе данных превысит 20 петабайт.

Фактически единственным эффективным решением проблемы хранения и обработки сверхбольших баз данных является использование параллельных систем баз данных [67, 81], обеспечивающих параллельную обработку запросов на многопроцессорных вычислительных системах. В области технологий параллельной обработки запросов для реляционных баз данных достигнуты значительные успехи, воплощенные в целом ряде исследовательских и коммерческих СУБД. В качестве примеров успешных коммерческих проектов создания параллельных систем баз данных можно привести DB2 Parallel Edition [109], NonStop SQL [37, 68, 83] и Teradata [47, 77]. Подобные системы объединяют тысячи процессоров и жестких дисков и способны обрабатывать петабайтные базы данных. Тем не менее, в области параллельных систем баз данных до сих пор остается ряд направлений, требующих дополнительных научных исследований [42]. Одно из них — дальнейшее развитие аппаратной архитектуры параллельных систем баз данных. В ближайшем будущем крупные организации будут располагать базами данных объемом в несколько петабайт [49]. Для обработки подобных объемов информации потребуются параллельные машины с новыми иерархическими многопроцессорными многоядерными архитектурами, поддерживающими сотни тысяч процессоров [51], что в десятки раз превышает их число в самых мощных современных системах.

В соответствие с этим актуальной является задача моделирования и анализа новых иерархических многопроцессорных систем баз данных.

Цель и задачи исследования

.

Цель данной работы состояла в построении математической модели иерархической многопроцессорной системы в контексте приложений баз данных, а также в разработке на ее основе методов и алгоритмов моделирования процессов параллельной обработки транзакций, которые могут быть применены для поиска и исследования перспективных аппаратных архитектур. Для достижения этой цели необходимо было решить следующие задачи:

1. Разработать математическую модель мультипроцессоров баз данных, включающую в себя модель аппаратной платформы, модель операционной среды, стоимостную модель и модель транзакций.

2. Разработать методы и алгоритмы, позволяющие реализовать предложенную модель на ЭВМ.

3. Спроектировать и реализовать эмулятор многопроцессорных иерархических машин баз данных.

4. Произвести проверку адекватности модели мультипроцессоров баз данных путем сравнения результатов, полученных на эмуляторе, с результатами, полученными на реальной параллельной СУБД.

5. При помощи эмулятора провести вычислительные эксперименты для поиска оптимальных аппаратных архитектур параллельных систем баз данных.

Методы исследования.

Проведенные в работе исследования базируются на реляционной модели данных. Для построения моделей использовался математический аппарат, в основе которого лежат теория множеств, теория графов, теория алгоритмов и теория вероятности. При разработке программной системы применялись методы объектно-ориентированного проектирования и язык иМЬ.

Научная новизна.

Научная новизна работы заключается в следующем:

1. Разработана математическая модель для описания иерархических многопроцессорных систем, ориентированная на перспективные суперкомпьютерные архитектуры и грид-системы, учитывающая специфику параллельной обработки транзакций для сверхбольших баз данных.

2. Создана модель операционной среды, позволяющая моделировать работу приложения с интенсивным дисковым вводом-выводом на иерархической многопроцессорной системе.

3. Разработана стоимостная модель для оценки времени, расходуемого на обмены с дисками и передачу данных внутри иерархической многопроцессорной системы.

4. Предложена математическая модель для описания выполнения смеси транзакций в многопроцессорной системе.

Теоретическая и практическая ценность.

Теоретическая г^енностъ работы состоит в том, что в ней дано формальное описание модели мультипроцессоров баз данных DMM (.Database Multiprocessor Model), включающей в себя модель аппаратной платформы, модель операционной среды, стоимостную модель и модель транзакций.

Практическая ценность работы заключается в том, что на базе предложенной модели DMM разработан эмулятор многопроцессорных иерархических машин баз данных DMS {Database Multiprocessor Simulator). Эмулятор DMS представляет собой программный комплекс, позволяющий моделировать и исследовать эффективность различных иерархических многопроцессорных конфигураций [32] в контексте задач баз данных класса ОЬТР[Щ.

Структура и объем работы.

Диссертация состоит из введения, четырех глав, заключения и библиографии. Объем диссертации составляет 112 страниц, объем библиографии — 136 наименований.

Основные результаты диссертационной работы.

На защиту выносятся следующие новые научные результаты:

1. Разработана новая математическая модель мультипроцессоров баз данных DMM {Database Multiprocessor Model), включающая в себя модель аппаратной платформы, модель операционной среды, стоимостную модель и модель транзакций.

2. Разработаны методы и алгоритмы, позволяющие реализовать модель DMM на ЭВМ.

3. Разработан эмулятор многопроцессорных иерархических машин баз данных DMS (.Database Multiprocessor Simulator), реализующий модель DMM. Произведена проверка адекватности модели мультипроцессоров баз данных путем сравнения результатов, полученных на эмуляторе DMS, с результатами, полученными на реальной параллельной СУБД.

4. С использованием эмулятора DMS проведены вычислительные эксперименты, позволяющие находить оптимальные многопроцессорные архитектуры для приложений баз данных.

Публикации по теме диссертации.

1. Костенецкий П. С., Jlenuxoe А.В., Соколинский Л. Б. Технологии параллельных систем баз данных для иерархических многопроцессорных сред // Автоматика и телемеханика. 2007. No. 5. С. 112−125.

2. Kostenetskiy P. S., Sokolinsky L.B. Analysis of Hierarchical Multiprocessor Database Systems // Proceedings of the 2007 International Conference on High Performance Computing, Networking and Communication Systems.

HPCNCS-07), July 9−12 2007, Orlando, FL, USA. ISRST. 2007. P. 245 251.

3. Костенецкий П. С. Моделирование параллельных систем баз данных для вычислительных кластеров // Научный сервис в сети Интернет: масштабируемость, параллельность, эффективность: Труды Всерос-сийск. науч. конф. (21−26 сентября 2009 г., г. Новороссийск). М.: Изд-во МГУ. 2009. С. 300−304.

4. Костенецкий 77. С. Разработка эмулятора виртуальных мультипроцессоров баз данных // Параллельные вычислительные технологии: Труды международной науч. конф. (29 января — 2 февраля 2007 г., г. Челябинск). Челябинск.: Изд-во ЮУрГУ. 2007. С. 285.

5. Костенецкий П. С. Jlenuxoe А.В., Соколинский Л. Б. Некоторые аспекты организации параллельных систем баз данных для мультипроцессоров с иерархической архитектурой // Алгоритмы и программные средства параллельных вычислений: Сб. науч. тр. Вып. 9./ Екатеринбург: УрО РАН. 2006. С. 42−83.

6. Kostenetskii P. S., Lepikhov A.V., Sokolinskii L.B. Technologies of parallel database systems for hierarchical multiprocessor environments // Automation and Remote Control. 2007. Vol. 68, No. 5. P. 847−859.

7. Костенецкий П. С., Соколинский Л. Б. Моделирование иерархических архитектур параллельных систем баз данных // Научный сервис в сети Интернет: технологии распределенных вычислений: Труды всерос-сийск. науч. конф. (19−24 сентября 2005 г., г. Новороссийск). М.: Изд-во МГУ. 2005. С. 21−24.

8. Kostenetsky P. S., Sokolinsky L.B., KuligA. Simulating multiprocessor database system architectures // Proceedings of Spring Young Researcher’s Colloquium in Databases and Information Systems (SYRCoDIS'2005). June.

1−2, 2005. Research-in-progress reports. St.-Petersburg, Russia: VVM.com.Ltd., 2005. P. 25−27.

9. Костенецкий П. С., Соколинский Л. Б. Моделирование и анализ иерархических архитектур параллельных систем баз данных // Суперкомпьютерные системы и их применение (SSA'2004) (26−28 октября 2004 г., г. Минск, Республика Беларусь), тез. докл. междунар. науч. конф., Минск: ОИПИ НАН Беларуси. 2004. С. 116−120.

10. Бородулин КВ., Костенецкий П. С. Исследование производительности вычислительных кластеров на базе четырехъядерных процессоров Intel Xeon Е5472 по системе тестов TopCrunch // Научный сервис в сети Интернет: решение больших задач: Труды Всероссийск. науч. конф. (2227 сентября 2008 г., г. Новороссийск). М.: Изд-во МГУ. 2008. С. 109 113.

11. Костенецкий 77. С. Соколинский Л. Б. Свидетельство Роспатента об официальной регистрации программы для ЭВМ «Эмулятор параллельных систем баз данных» № 2 009 616 225 от 11.11.2009.

Работа 1 опубликована в журнале, включенном ВАК в перечень журналов, в которых должны быть опубликованы основные результаты диссертаций на соискание ученой степени доктора наук.

Апробация работы.

Основные положения диссертационной работы, разработанные модели, методы, алгоритмы и результаты вычислительных экспериментов докладывались автором на следующих международных и всероссийских научных конференциях:

— на Всероссийской научной конференции «Научный сервис в сети Интернет: масштабируемость, параллельность, эффективность» (21−26 сентября 2009 г., Новороссийск) — на Всероссийской научной конференции «Научный сервис в сети Интернет: решение больших задач» (22−27 сентября 2008 г., Новороссийск) — на Международной научной конференции «Высокопроизводительные вычисления, сети и коммуникационные системы (НРС!ч1С8−07)» (9−12 июля 2007 г., Орландо, США) — на Международной научной конференции «Параллельные вычислительные технологии» (29 января — 2 февраля 2007 г., Челябинск) — на Всероссийской научной конференции «Научный сервис в сети Интернет: технологии распределенных вычислений» (19−24 сентября 2005 г., Новороссийск) — на Втором весеннем коллоквиуме молодых исследователей в области баз данных и информационных систем (БУКСоБК) (1−2 июня 2005 г., Санкт-Петербург) — на Международной научной конференции «Суперкомпьютерные системы и их применение» (26−28 октября 2004 г., Минск).

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе были рассмотрены вопросы, связанные с моделированием и анализом иерархических многопроцессорных систем баз данных. Исследованы современные подходы по организации моделей параллельного вычисления. Проведен обзор наиболее популярных на сегодняшний день моделей многопроцессорных систем с общей памятью (RAM, PRAM, YPRAM, HPRAM), моделей с распределенной памятью (BSP, LogP, LogGP) и моделей с иерархией памяти (Memory logP, DRAM (h, k), H-BSP). Рассмотрено использование сетей Петри, для моделирования многопроцессорных систем.

Разработана новая модель DMM (Database Multiprocessor Model), позволяющая моделировать и исследовать произвольные иерархические многопроцессорные конфигурации. Модель DMM отличается от других известных моделей для многопроцессорных систем тем, что она учитывает специфику приложений баз данных. На основе предложенной модели DMM разработан эмулятор многопроцессорных иерархических машин баз данных DMS (Database Multiprocessor Simulator), позволяющий моделировать и исследовать эффективность различных иерархических многопроцессорных конфигураций в контексте задач баз данных класса OLTP. Отлаженный код системы составил 2600 строк на языке С++.

Произведена проверка адекватности модели DMM путем сравнения результатов, полученных на эмуляторе, с результатами, полученными на реальной параллельной СУБД для кластерных систем.

При помощи эмулятора DMS проведены вычислительные эксперименты для поиска оптимальных аппаратных архитектур параллельных систем баз данных.

Работа выполнялась при поддержке Российского фонда фундаментальных исследований (проекты 06−07−89 148, 09−07−241-А).

В заключение перечислим основные полученные результаты диссертационной работы, приведем данные о публикациях и апробациях, и рассмотрим направления дальнейших исследований в данной области.

Показать весь текст

Список литературы

  1. Буч Г., Рамбо Д., Якобсон И. Язык UML. Руководство пользователя. 2-е изд. М.: ДМК Пресс, 2007. 496 с.
  2. В.В. и др. Проект Российской виртуальной обсерватории. // Научный сервис в сети Интернет: Труды Всероссийск. науч. конф. (2328 сентября 2002 г., г. Новороссийск). М.: Изд-во МГУ. 2002.
  3. Вл.В. Решение больших задач в распределенных вычислительных средах. //Автоматика и Телемеханика. 2007, No. 5, С. 324−5.
  4. В.В., Воеводин Вл.В. Параллельные вычисления. СПб.: БХВ-Петербург, 2002. 608 с.
  5. Вычислительный кластер «СКИФ Урал». URL: http://supercomputer.susu.ru/computers/ckifural/index.html (дата обращения: 08.11.2009).
  6. Д., ГрэйД. Параллельные системы баз данных: будущее высокоэффективных систем баз данных // СУБД. 1995. № 2. С. 8−31.
  7. А.П., Ильин В. А., Крюков А.ТТ. Введение в грид-технологии. Препринт НИИЯФ МГУ 2007−11/832, 2007. 87 с.
  8. КнутД.Э. Искусство программирования, т. 1. Основные алгоритмы, 3-е изд. М.: Издательский дом «Вильяме», 2000. 720 с.
  9. М.Р. Энциклопедия технологий баз данных. М.: Финансы и статистика, 2002. 800 с.
  10. М.Р., Новиков Б. А. Электронные библиотеки новый класс информационных систем // Программирование, 2000. № 3. С. 3−8.
  11. В.В. Параллельные вычислительные системы. М.: Нолидж, 1999. 320 с.
  12. П. С. Разработка эмулятора виртуальных мультипроцессоров баз данных // Параллельные вычислительные технологии: Труды международной науч. конф. (29 февраля 2 февраля 2007 г., г. Челябинск). Челябинск.: Изд-во ЮУрГУ. 2007. С. 285.
  13. П. С., Соколинский Л. Б. Свидетельство Роспатента об официальной регистрации программы для ЭВМ «Эмулятор параллельных систем баз данных» № 2 009 616 225 от 11.11.2009.
  14. П.С., Лепихов A.B., Соколинский Л. Б. Технологии параллельных систем баз данных для иерархических многопроцессорных сред // Автоматика и телемеханика. 2007. No. 5. С. 112−125.
  15. H.H., Шелестов А.Ю. Grid-системы для задач исследования Земли. Архитектура, модели и технологи. Киев: «Наукова думка», 2008. 452 с.
  16. Кузнецов С.Д. SQL. Язык реляционных баз данных. -М.: Майор, 2001. -192 с.
  17. С.Д. Большие хлопоты с большими объемами данных // Открытые системы. СУБД. 2008. № 4. С. 20−27.
  18. Кузьминский M. Nehalem: микроархитектура и производительность // Открытые системы. 2009. № 8. С. 10−14.
  19. A.B., Соколинский Л. Б. Обработка запросов в СУБД для кластерных систем // Программирование. 2010 (в печати).
  20. A.A., Мальцев П. А., Спиридонов A.M. Сети Петри в моделировании и управлении. JI.: Наука, 1989. 133 с.
  21. И.О., Старцева Е. Б. Применение аппарата сетей Петри для моделирования экономических процессов: Метод, указания./ Уфимск. гос. авиац. техн. ун-т- Уфа, 2001. 32 с.
  22. О.М. Моделирование параллельных алгоритмов с использованием сетей Петри // Искусственный интеллект. 2005. № 4. С. 240−244.
  23. Параллельная СУБД Омега для многопроцессорных иерархий Сайт проекта. URL: http://fireforge.net/projects/omega/ (дата обращения: 24.10.2009).
  24. Л.Б. Обзор архитектур параллельных систем баз данных // Программирование. 2004. № 6. С. 49−63.
  25. Л.Б. Организация параллельного выполнения запросов в многопроцессорной машине баз дан-ных с иерархической архитектурой // Программирование. 2001. No. 6. С. 13−29.
  26. Стивене У.P. UNIX: взаимодействие процессов. СПб.: Мастер-класс, 2003. 576 с.
  27. И.Е. Некоторые приемы параллельного программирования / ГОУ ВПО «Московский государственный институт радиотехники, электроники и автоматики» М., 2008. 188 с.
  28. Ф. Отказоустойчивая операционная система Tandem NonStop Kernel // Открытые системы. 1997. № 3. С. 32−36.
  29. В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998. 288 с.
  30. Aggarwal A., et al. A model for hierarchical memory // Proceedings of the 19th Annual ACM Symp. on Theory of Computing. ACM. 1987, P. 305 314.
  31. Aggarwal A., et al. Hierarchical Memory with Block Transfer // Proceedings of the 28th IEEE Symp. On Foundations of Computer Science. USA. 1987. P. 204−216.
  32. Agrawal R., Ailamaki A., Bernstein P.A. et al. The Claremont Report on Database Research // Communications of the ACM. 2009. Vol. 52, No. 6.1. P. 56−65.
  33. Agrawal R., Srikant R., Xu Y. Database technologies for electronic commerce // 28th international conference on Very Large Data Bases, Hong Kong, China, August 20 23, 2002. Proceedings. VLDB Endowment, 2002. P. 1055- 1058.
  34. Alfawair M., Aldabbas., et al. Grid Evolution // IEEE International Conference on Computer Engineering & Systems, Cairo, Egypt, 27−29 November, 2007, Proceedings. IEEE Computer Society. 2007. P. 158−163.
  35. Alpern B, et al. The uniform memory hierarchy model of computation // Al-gorithmica. 1994. Vol. 12 No. 2/3 P. 72−109.
  36. Ballinger C., Fryer R. Born To Be Parallel: Why Parallel Origins Give Te-radata an Enduring Performance Edge // IEEE Data Engineering Bulletin. 1997. Vol. 20, No. 2. P. 3−12.
  37. Bar-Noy A., Kipnis S. Designing broadcasting algorithms in the Postal model for message passing systems // Proceedings of the SPAA'92, USA. 1992. P. 13−22.
  38. Bell G., Gray J. What’s next in high-performance computing // Communications of. ACM. 2002. Vol. 45, No. 2, P. 91−95.
  39. Bell G., Gray J., Szalay A.S. Petascale Computational Systems // IEEE Computer. 2006. Vol. 39, No. 1. P. 110−112.
  40. Bilardi G. Models for parallel and hierarchical computation // Proceedings of the 4th international conference on Computing frontiers. ACM: New York, 2007. P. 95−96.
  41. Borkar S. Y. et al. Platform 2015: Intel processor and platform evolution for the next decade: URL: http://www.cs.helsmki.fl/u/kerola/rio/papers/borkar2015.pdf (дата обращения: 08.11.2009). 2005.
  42. Bosque J.L., Pastor L. A Parallel Computational Model for Heterogeneous Clusters // IEEE Transactions on Parallel and Distributed Systems. 2006. Vol. 17, No. 12. P. 1390−1400.
  43. Cameron K. W., et al. Lognp and Log3p: accurate analytical model of point-to-point communication in distributed systems // IEEE Transactions on Computers, 2007. Vol. 56 No. 3. P. 314−327.
  44. Cameron K. W., Sun X.H. Quantifying locality effect in data access delay: memory LogP // Proceedings of the 2003 IEEE International Parallel and Distributed Processing Symposium, France. 2003.
  45. Cavin R., Hutchby J.A., et al. Emerging Research Architectures // Computer. 2008. Vol. 41, No. 5. P. 33−37.
  46. Cha H., Lee D. H-BSP: A Hierarchical BSP Computation Model // The Journal of Supercomputing. 2001. Vol. 18, No. 2. P. 179−200.
  47. Chen H., Decker J., Bierbaum N. Future Networking for Scalable I/O // 24th IASTED international Conference on Parallel and Distributed Computing and Networks, Innsbruck, Austria, February 14—16, 2006, Proceedings, ACTA Press, 2006. P. 128−135.
  48. Cole R., et al. The APRAM: incorporating asynchrony into the PRAM model // Proceedings of the 1st Annual ACM SPAA'89. USA. 1989. P. 169−178.
  49. Cook S, Reckhow R. Time Bounded Random Access Computers // Journal of Computer and Systems Sciences. 1973. No. 7. P. 354−375.
  50. Cormen T.H., Goodrich M.T. A bridging model for parallel computation, communication, and I/O // ACM Computing Surveys. 1996. Vol. 28, No.4.
  51. Culler D., et al. LogP: A Practical Model of Parallel Computation. Commun. ACM, 1996. Vol. 39, No. 11. P. 78−85.
  52. Culler D, et al. LogP: towards a realistic model of parallel computation // Proceedings of PPoPP'93 USA. 1993. P. 1−12.
  53. Dasgupta S. A Hierarchical Taxonomic System for Computer Architectures // IEEE Computer. 1990. Vol. 23, No. 3. P. 64−74.
  54. De La Torre P., Kruskal C.P. Towards a single model of efficient computation in real parallel computers // Future Generation Computer Systems, Elsevier Science Publishers. 1992, Vol. 8, No. 4. P. 395−408.
  55. DeWitt D.J., Gray J. Parallel Database Systems: The Future of HighPerformance Database Systems // Communications of the ACM. 1992. Vol. 35, No. 6. P. 85−98.
  56. Englert S., Glasstone R., Hasan W. Parallelism and its Price: A Case Study of NonStop SQL/MP // ACM SIGMOD Record. 1995. Vol. 24, No. 4. P. 61−71.
  57. Flynn M.J. Computer Organization and Architecture // Operating Systems, An Advanced Course. Springer, 1978 (Lecture Notes in Computer Science- Vol. 60). P. 17−98.
  58. Flynn M.J. Very High Speed Computing Systems // Proc. IEEE. 1966. Vol. 54. P. 1901−1909.
  59. Flynn M.J., RuddK. W. Parallel architectures // ACM Computing Surveys. 1996. Vol. 28, No. 1. P. 67−70.
  60. Fortune S., Wyllie J, C. Parallelism in random access computers // Proceedings of the Tenth Annual ACM Symposium on Theory of Computing. USA. 1978. P. 114−118
  61. I. Т., Grossman R.L. Blueprint for the future of high-performance networking: Data integration in a bandwidth-rich world // Communications of the ACM. 2003. Vol. 46, No. 11. P. 50−57.
  62. I. Т., Kesselman C., Nick J., Tuecke S. The Physiology of the Grid: An Open Grid Service Architecture for Distributed Systems Integration. URL: http://www.globus.org/ogsa (дата обращения: 08.11.2009). 2002.
  63. Foster I. What is the Grid? A Three Point Checklist. URL: http://www.gridtoday.com/02/0722/100 136.html (дата обращения: 08.11.2009). 2002.
  64. Frew J., Dozier J. Data Management for Earth System Science // ACM SIGMOD Record. 1997. Vol. 26, No. 1. P. 27−31.
  65. Gibbons P., et al. The QRQW PRAM: accounting for contention in parallel algorithms. Proceedings of the 5th annual ACM-SIAM SODA'94, USA. 1994. P. 638−648.
  66. Girone M. CERN Database Services for the LHC Computing Grid // International Conference on Computing in High Energy and Nuclear Physics (CHEP'07). Journal of Physics: Conference Series. Vol.119. 2008.
  67. Goldschlager L M. A Universal interconnection pattern for parallel computers // Journal of the ACM. 1982, 29(4). P. 1073−1086.
  68. Gray J., et al. Scientific Data Management in the Coming Decade // SIG-MOD Record. 2005. Vol. 34, No. 4. P. 34−41.
  69. Handbook of Parallel Computing: Models, Algorithms and Applications. Chapman & Hall/CRC Press, 2007. 1224 p.
  70. Heywood T., Ranka S. A practical hierarchical model of parallel computation. 1. The model. // Journal of Parallel and Distributed Computing. 1992. Vol. 16. P. 212−232.
  71. Hill J., McColl B., Stefanescu D.C. et al. BSPlib: The BSP programming library//Parallel Computing, Vol. 24. 1998. P. 1947−1980.
  72. Hill J., Crumpton P.I., Burgess D.A. The theory, practice, and a tool for BSP performance prediction // EuroPar'96, August 1996. Springer-Verlag, 1996. P. 697−705.
  73. Hill J., Jarvis S., Siniolakis C., et al. Analysing an SQL application with a BSPlib call-graph profiling tool // EuroPar'98, LNCS, Springer-Verlag, September 1998. Springer Berlin. 1998. P. 157−164.
  74. JaJa J.F., Kwan W.R. The block distributed memory model // IEEE Transaction on Distributed and Parallel Systems. 1996. Vol. 7, No. 8. P. 830−840.
  75. Kalakota R., Whinston A. Readings in Electronic Commerce. Addison-Wesley, 1997. 340 p.
  76. Kim C. Future Memory Technology Trends and Challenges // 7th international Symposium on Quality Electronic Design, March 27−29, 2006, proceedings. IEEE Computer Society. P. 513.
  77. Kostenetskii P. S., Lepikhov A. V., Sokolinskii L.B. Technologies of parallel database systems for hierarchical multiprocessor environments // Automation and Remote Control. 2007. Vol. 68, No. 5. P. 847−859.
  78. Leiserson C., Maggs B. Communication efficient parallel algorithms for distributed random access computers // Algorithmica. 1988. Vol. 3. P. 53−77.
  79. Li Z. Y., et al. Models and resource metrics for parallel and distributed computation // Proceedings of 28th Hawaii International Conference on System Sciences. USA. 1995. Vol. 2. P. 51−60.
  80. Lu G. Multimedia Database Management System. Artech House, 1999.
  81. Maggs B M, et al. Models of Parallel Computation: A Survey and Synthesis // Proceedings of 28th Hawaii Int. Conf. on System Sciences. Wailea, USA. 1995. P. 61−70.
  82. Maertens H. A Classification of Skew Effects in Parallel Database Systems // 7th International Euro-Par Conference, August 28−31, 2001, Manchester, UK, Proceedings. Springer. 2001. Vol. 2150. P.291−300.
  83. McColl W.F. General purpose parallel computing. Lectures on Parallel Computation // Cambridge University Press. 1993. P. 337−391.
  84. Meuer H.W. The TOP500 Project: Looking Back Over 15 Years of Supercomputing Experience. Informatik Spektrum 2008. Vol. 31 No. 3 P. 203 222.
  85. Norman M. G., Zurek T., Thanisch P. Much Ado About Shared-Nothing // ACM SIGMOD Record. 1996. Vol. 25, No. 3. P. 16−21.
  86. Parkhurst J., Darringer J., Grundmann B. From single core to multi-core: preparing for a new exponential // IEEE/ACM international Conference on Computer-Aided Design, San Jose, California, November 05−09, 2006. ACM, 2006. P. 67−72.
  87. Peterson J.L. Petri Net Theory and the Modeling of Systems, Englewood Cliffs, Prentice Hall, 1981. 290 p.
  88. Pfister G. Sizing Up Parallel Architectures // Database Programming Design OnLine. URL: http://www.dbpd.com (дата обращения: 08.11.2009). 1998. Vol. 11, No. 5.
  89. Rahm E. Parallel Query Processing in Shared Disk Database Systems // ACM SIGMOD Record. 1993. Vol. 22, No. 4. P. 32−37.
  90. Raman V., Han W., Narang I. Parallel Querying with Non-Dedicated Computers // Proceedings of the 31st International Conference on Very Large Data Bases, Trondheim, Norway, August 30 September 2, 2005. ACM. 2005. P. 61−72.
  91. ReedD.A. Grids, the TeraGrid, and Beyond // Computer. 2003. Vol. 36, No. l.P. 62−68.
  92. Roberts L. G. Beyond Moore’s Law: Internet Growth Trends // Computer 2000. Vol. 33, No. 1 P. 117−119.
  93. Rumbaugh J. Getting Started Using Use Cases to Capture Requirements / J. Rumbaugh // Journal of Object Oriented Programming. 1994. Vol. 7, № 5. P. 8−12.
  94. Schoene R., Nagel W.E., Oiger S Analyzing Cache Bandwidth on the Intel 2 Core Architecture // Parallel Computing: Architectures, Algorithms and Applications. 2007. Vol. 38. P. 365−372.
  95. Scherger M., Baker J., Potter J. Using UML to Describe the BSP Model of Parallel Computation // Proceedings of the International Conference on Parallel and Distributed Processing Techniques and Applications. CSREA Press. 2002. Vol. 2. P. 578−583.
  96. Selic B. UML 2: a model-driven development tool // IBM Syst. J. 2006. Vol. 45, № 3. P. 607−620.
  97. Shiers J. The Worldwide LHC Computing Grid (worldwide LCG) // Computer Physics Communications. 2007. Vol. 177 No. 1−2. P. 219−223.
  98. Skillicorn D.B., Talia D. Models and languages for parallel computation // ACM Computing Surveys. 1998. Vol. 30, No. 2. P. 123−169.
  99. Snyder L. Type architectures, shared memory, and the corollary of modest potential // Annu. Review of Computer Science, 1986, Vol. 1. P. 289−317.
  100. Stonebraker M. The case for shared nothing // Database Engineering Bulletin. 1986. Vol. 9, No. 1. P. 4−9.
  101. Szalay A.S. The Sloan Digital Sky Survey and beyond // SIGMOD Record. -2008. Vol. 37, No. 2. P. 61−66.
  102. Szalay A.S., et al. The SDSS SkyServer Public Access to the Sloan Digital Sky Server Data // Proceedings of the 2002 ACM SIGMOD International Conference on Management of Data, Madison, Wisconsin, June 3−6, 2002. ACM Press. 2002.
  103. Szalay A.S., Gray J., Vandenberg J. Petabyte Scale Data Mining: Dream or Reality? // Technical Report MSR-TR-2002−84. Microsoft Research. 2002.
  104. Szalay A., Gray J. The World-Wide Telescope // Science. 2001. Vol. 293, P. 2037−2040.
  105. Tsvetovat M., Diesner J., Carley, K.M. Netlntel: a database for manipulation of rich social network data. Technical Report CMU-ISRI-04−135. Carnegie Mellon University, School of Computer Science, Institute for Software Research International. 2005.
  106. ValiantL.G. A bridging model for parallel computation. Communication of the ACM. 1990. Vol. 33, No. 8. P. 103−111.
  107. Valiant L.G. General Purpose Parallel Architectures / Handbook of theoretical computer science (Vol. A): algorithms and complexity. Cambridge, MA, USA. MIT Press. 1991. P. 943−973.
  108. Vangal S. An 80-Tile 1.28TFLOPS Network-on-Chip in 65nm CMOS // Solid-State circuits conference, February 11−15,2007. P. 98−105.
  109. W3C. Extensible Markup Language (XML) 1.0 (Fifth Edition). World Wide Web Consortium. 2006. URL: http://www.w3.org/TR/2006/REC-xml-20 060 816 (дата обращения: 08.11.2009).
  110. Wen J., Li Q., Ma W., Zhang H. A multi-paradigm querying approach for a generic multimedia database management system // ACM SIGMOD Record Volume 32, Issue 1, March 2003. Proceedings. ACM, New York, NY, USA. P. 26−34.
  111. Williams M.H., Zhou S. Data Placement in Parallel Database Systems // Parallel database techniques. IEEE Computer society, 1998. P. 203−218.
  112. XiangH., Baker M., Nichol R. Experiences Mirroring and Distributing the Sloan Digital Sky Survey // International Conference on Grid and Cooperative Computing Workshops, Hunan, China, 21−23 October, 2006, IEEE Computer Society, 2006. P. 518−521.
  113. Zhang Y., Chen G., Sun G, Miao Q. Models of parallel computation: a survey and classification // Frontiers of Computer Science in China. 2007. Vol. 1, No. 2. P. 156−165.
  114. Zhang Y.Q. DRAM (h): a parallel computation model for high performance numerical computing // Chinese Journal of Computers. 2003. Vol. 26, No. 12. P. 1660−1670.
  115. Zhang Y.Q. Performance optimizations on parallel numerical software package and study on memory complexity. Dissertation of Doctoral Degree Beijing, P.R. China / Institute of Software, Chinese Academy of Sciences, 2000.
Заполнить форму текущей работой

Пора сдавать?