АНАЛИЗ МЕТОДОВ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ ПРИ РЕШЕНИИ ЗАДАЧ БЕЗОПАСНОСТИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Г. И. Борзунов, А. Е. Войнов, Т. В. Петрова

Аннотация


В настоящее время все большее значение как в реализации криптосистем [1], так и в исследованиях вычислительной стойкости криптоалгоритмов [2] приобретают распределенные вычисления. Одним из стратегических направлений развития современных компьютерных технологий является широкое использование кластеров (clusters). Под кластером обычно понимается (см., например, [3]) множество отдельных компьютеров, объединенных в сеть при помощи специальных аппаратно- программных средств. Важным преимуществом параллельных программ, разработанных с использованием кластера, является их мобильность. Так, при решении задач большой временной сложности программы, разработанные для кластера с использованием MPI-технологии, могут быть перенесены практически без доработки на более производительный суперкомпьютер, например на Многопроцессорную вычислительную систему Межведомственного суперкомпьютерного центра РАН [3]. Вместе с этим следует отметить, что организация взаимодействия вычислительных узлов кластера при помощи передачи сообщений может приводить к значительным временным задержкам, что накладывает дополнительные ограничения на тип разрабатываемых параллельных алгоритмов и программ. Таким образом, для эффективной реализации распределенных вычислений требуется обеспечить равномерную вычислительную нагрузку для всех процессоров кластера и минимальные информационные потоки передачи данных между этими процессорами [4, 5]. Естественной моделью решения этой задачи является граф, вершины которого соответствуют подзадачам и взвешены временной сложностью этих подзадач, а ребра представляют собой обмен сообщениями между подзадачами и взвешены соответствующими коммуникационными затратами. В терминах этой модели решение указанной выше задачи сводится к разбиению вершин графа на непересекающиеся подмножества с максимально близкими значениями суммарных весов вершин подмножеств и при минимальном значении суммы весов ребер, соединяющих вершины из разных подмножеств. В качестве пространства решений задачи рассматривается множество всех допустимых разбиений графа на непересекающиеся подграфы

Полный текст:

PDF

Литература


1 Pearson D. A Parallel Implementation of RSA. Computer Science Department. Cornell University, Ithaca, NY 14853. July 22, 1996.

2 Бабенко Л. К., Курилкина А. М. Распараллеливание криптоаналитического метода «разделяй и побеждай» для каскадных шифров // Материалы XII Всероссийской научно-практической конференции «Проблемы информационной безопасности в системе высшей школы». М.: МИФИ, 2005. С. 14-15.

3 Гергель В. П. Теория и практика параллельных вычислений. М.: БИНОМ. Лаборатория знаний, 2007. - 423 с.

4 Хьюоз К., Хьюоз Т. Параллельное и распределенное программирование с использованием С++. М.: Издательский дом «Вильямс». 2004. - 672 с.

5 Нарайкин А. А., Лопатин И. В. Проблемы эффективного использования узлов на основе архитектуры INTEL в гетерогенных кластерах // Материалы Международного научно-практического семинара «Высокопроизводительные параллельные вычисления на кластерных системах» / Под ред. проф. Р. Г. Стронгина. Нижний Новгород: Изд-во Нижегородского университета, 2002. С. 124.

6 Романовский И. В. Алгоритмы решения экстремальных задач. М.: Главная редакция физико-математической литературы изд-ва «Наука», 1977. С. 247-251.

7 Pothen A. Graph partitioning algorithms with applications to scientific computing. Kluwer Academic Press, 1996.

8 Ou C., Ranka S., Fox G. Fast and parallel mapping algorithms for irregular and adaptive problems // Journal of Supercomputing. 1996. 10. P. 119-140.

9 Patra A., Kim D. Efficient mesh partitioning for adaptive hp finite element methods // International Conference on Domain

10 Decomposition Methods. Greenwich, U.K., August, 1998.

11 Pilkington J., Baden S. Partitioning with space filling curves. Technical Report CS94-349, Dept. of Computer Science and Engineering, Univ. of California. 1994.

12 Miller G. L., Teng S.-H., Thurston W., Vavasis S. A. Automatic mesh partitioning // George A., Gilbert J. R., Liu J. W. H., eds., Graph Theory and Sparse Matrix Computation, Springer-Verlag, 1993.

13 Nicol D. M. Rectilinear partitioning of irregular data parallel computations. Tech. Rep. 91--55, ICASE, NASA Langley Res. Ctr., Jul. 1991.

14 Hendricson B., Leland R. Multidemensional spectral load balancing. Rep. SAND93-0074, Sandia National Laboratories, Albuquerque, NM, January 1993.

15 Bradford L. Chamberlain. Graph Partitioning Algorithms for Distributing Workloads of Parallel Computations. 1998.

16 Бувайло Д. П., Толок В. А. Быстрый высокопроизводительный алгоритм для разделения нерегулярных графов // Вісник Запорізького державного університету. 2002. № 2. С. 1-10.

17 Якобовский М. В. Обработка сеточных данных на распределенных вычислительных системах // Вопросы атомной науки и техники. Сер. Математическое моделирование физических процессов. 2004. Вып. 2. С. 40-53.


Ссылки

  • На текущий момент ссылки отсутствуют.


Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.