Recommandé
Contenu connexe
Similaire à Grille de-calcul
Similaire à Grille de-calcul (20)
Grille de-calcul
- 1. Grille De Calcul Réalisé par Benlahrech Freiha Hanan
- 2. Contenu • Introduction • Définition • Architecture • Types de calcul • Exemple • Avantages • Conclusion
- 3. Introduction L’évolution des Différentes Sciences Besoin traitements de très gros volumes de données Besoin de grandir la force de calcul. Solution: Super Computer ! Coûteux!
- 4. Une solution Le calcul distribué Toute seconde de CPU inutilisée est PERDUE à jamais! • Alors, pourquoi pas créer un système dont chaque unité de calcul serait indépendante, sans contrainte pour les utilisateurs des postes? • De ce fait, l'idée de répartir un calcul imposant entre plusieurs machines indépendantes commence à émerger. • Un ensemble de machines hétérogènes, toutes regroupées pour représenter une puissance de calcul exceptionnelle. Virtual Super Computer ! Grille de calcul
- 5. Définition: Grille de calcul • Inspirée de la grille d’électricité (power grid). C’est une infrastructure virtuelle constituée d'un ensemble de ressources informatiques Partagées, Distribuées, Hétérogènes, Délocalisées et Autonomes. • Objectif Partage de puissance de calcul et de capacité de stockage via Internet.
- 6. Caractéristiques des Grilles • Existence de plusieurs domaines administratifs Différentes organisations différentes politiques de gestion. • Hétérogénéité des ressources Hardware et software. • Passage à l’échelle (scalability) Dizaines de millions de ressources. • Nature dynamique des ressources tolérance aux pannes.
- 7. Point de vue Utilisateur
- 8. Composant de la grille
- 10. Type de Calcul Supercalculateur réparti (Distributed supercomputing) Agréger une importante quantité de ressources Fournir une puissance de calcul Calcul haut-débit (High-Throughput Computing) Exécution parallèle des tâches. Calcul sur demande (On-Demand Computing) Utilisation temporaire de ressources
- 11. Calcul Collaboratif (Collaborative Computing) Interaction entre humains. Environnements de simulation en temps réel. Systèmes de réalité virtuelle à objectifs éducatifs. Génération, traitement et stockage d’énormes quantités de données (Dataintensive Computing) Stockage d’une quantité importante d’informations générées.
- 12. Exemple • BOINC 9.2 PFLOPS(Mars 2013,). • MilkyWay@Home 1.6 PFLOPS, GPUs(Avril 2010) • SETI@Home 730 TFLOPS(April 2010). • Einstein@Home 210 TFLOPS(Avril 2010). • GIMPS 61 TFLOPS(Juin 2011).
- 13. Avantages • Exploiter les ressources sous utilisées • Fournir une importante capacité de calcul parallèle • Assurer la fiabilité et la disponibilité des services
- 14. Inconvénients • Qualité de service n’est pas assurée • Disponibilité des données • Sécurité
- 15. Conclusion La Grille de calcul représente une bonne illustration du parallélisme
- 17. Références • ARTICLE: A Theoretical and Detail approach on Grid Computing A Review on Grid Computing Applications 2017 • ARTICLE: Taking advantage of Grid computing for application enablement Level: Introductory ITSO Redbooks Project Leader, IBMJune 2003 • https://www.slideshare.net/keshabnath/grid-computing-21427802 • https://www.slideserve.com/phyliss/introduction-aux-grilles-de-calcul • http://igm.univ-mlv.fr/~dr/XPOSE2006/Jolly_Laskri/problematique.html
Notes de l'éditeur
- High performance computing requires the art of emerging scientific applications. A single high performance computer or a single computer cluster cannot solve large quantities of data and problems independently. Thereby, the Computer Scientist in the mid-1990’s began to explore and develop a similar infrastructure called the Computational Power Grid [4] (Grid Computing) inspired by the Electrical Power Grid’s ubiquitous. Le calcul haute performance nécessite l'art de l'émergence d’applications scientifiques. Un seul ordinateur haute performance ou un seul cluster informatique ne peut pas résoudre de grandes quantités de données et les problèmes indépendamment. Ainsi, l'informaticien au milieu des années 1990, a commencé à explorer et à développer un infrastructure appelée Computational Power Grid [4] (Grid Informatique) inspiré des réseaux électriques omniprésent. omniprésent. Avec l’évolution des sciences ,les laboratoires de recherche, et certaines grandes sociétés avec des centres de Recherches et Développement, ont un besoin toujours grandissant de force de calcul. nécessitant énormément d'unités de calcul et traitements de très gros volumes de données Des applications "très gourmandes" en terme de puissance nécessiteraient plusieurs dizaines d'années pour pouvoir être menée à bien sur une machine standard, ou alors une autre solution serait d'investir dans la construction d'un supercalculateur à coup de Millions d'euros, ce qui n'est pas à la portée de tout le monde. Pour certaines de ses composantes, l'achat de matériel dédié à ces calculs n'est pas possible, car un système de cluster est très onéreux, que ce soit en terme de coût du matériel informatique que des infrastructures qui vont l'accueillir (salle serveur, climatisation, installation électrique et de sécurité...). De plus, tous ces éléments prennent une place qui n'est pas négligeable dans un bâtiment.
- Virtual Super Computer ! Grille de calcul
- Plaszczak/Wellner la technologie qui permet la virtualisation de ressource à la demande, et la partage entre plusieurs organisations. Buyya un type de système parallèle et distribué qui permet le partage, la sélection, et l'aggrégation de ressources autonomes géographiquement distribués dynamiquement. Chacune de ces ressources ont leur propre disponibilité, capacité, performance, coût, et utilisateurs, avec leurs propres contraintes de qualité de service. Chacune de ces ressources ont leur propre -Disponibilité -Capacité, -Performance, -Coût, -Utilisateurs -Qualité de service
- Caractéristiques des Grilles Existence de plusieurs domaines administratifs : les ressources sont géographiquement distribuées et appartiennent à différentes organisations chacune ayant ses propres politiques de gestion et de sécurité. Ainsi il est indispensable de respecter les politiques de chacune de ces organisations. Hétérogénéité des ressources: les ressources dans une grille sont de nature hétérogène en termes de matériels et de logiciels. Passage à l’échelle (scalability): une grille pourra consister de quelques dizaines de ressources à des millions voire des dizaines de millions. Nature dynamique des ressources: dans les grilles ce caractère dynamique est la règle et non pas l’exception. Cela pose des contraintes sur les applications telles que l’adaptation au changement dynamique du nombre de ressources, la tolérance aux pannes et aux délais d’attente…
- • Portal/user interface • Security– Grid Security Infrastructure (GSI) • Broker– Monitoring and Discovery Service (MDS)It provides information about available resources on the grid and working status of these resources • Scheduler If jobs were to become lost due to system or network outages, scheduler would automatically resubmit the job elsewhere. • Data management– Grid Access to Secondary Storage (GASS)It is responsible for moving files and data to various nodes within the grid Job and resource management– Grid Resource Allocation Manager (GRAM)Providing the services to launch a job on a particular resource checking the job’s status, retrieve the results when the job is complete
- Supercalculateur réparti (Distributed supercomputing) Agréger une importante quantité de ressources Fournir une puissance de calcul Calcul haut-débit (High-Throughput Computing) Exécution parallèle des tâches. Calcul sur demande (On-Demand Computing) Utilisation temporaire de ressources Possession permanente n’est pas rentable. Capacités de calcul, logiciels, bases de données Calcul Collaboratif (Collaborative Computing) Interaction entre humains. Environnements de simulation en temps réel. Systèmes de réalité virtuelle à objectifs éducatifs. Génération, traitement et stockage d’énormes quantités de données (Dataintensive Computing) Stockage d’une quantité importante d’informations générées. Introduction aux Grilles de Calcul
- Fastest virtual supercomputers As of April 2013, Folding@home – 11.4 x86-equivalent (5.8 "native") PFLOPS. As of March 2013, BOINC – processing on average 9.2 PFLOPS. As of April 2010, MilkyWay@Home computes at over 1.6 PFLOPS, with a large amount of this work coming from GPUs. As of April 2010, SETI@Home computes data averages more than 730 TFLOPS. As of April 2010, Einstein@Home is crunching more than 210 TFLOPS. As of June 2011, GIMPS is sustaining 61 TFLOPS.
- InconvénientsL *Les logiciels et les normes de la grille sont toujours en évolution • Soumission de travaux non interactifs • Confidentialité interrompue