Проведение тестирования, Тестовые прогоны на модели ОА-архитектуры dataflow-ВС задач расчета напряженности элетростатического поля - Преимущества применения dataflow-парадигмы в вычислительных системах

Все проводимые ниже тесты были проведены для получения характеристик производительности моделируемой системы, описанных в разделе №2. Для каждого теста приведены полученные характеристики, а также различные зависимости некоторых выходных параметров от входных. Графики были получены при помощи среды MatLab.

Тестовые прогоны на модели ОА-архитектуры dataflow-ВС задач расчета напряженности элетростатического поля

Тестовые программы программы на ПЯ для задачи расчета напряженности в точках электростатического поля осуществлялись при изменении различных входных параметров моделируемой системы:

    - Размерность матрицы вычислительных узлов (от 2*2 до 40*40 устройств) - Расположение и числовое значение электрических зарядов на матрице - Число исполнительных устройств в вычислительной системе

На графиках ниже приведены зависимости числа задействованных ядер от времени выполнения. Размер моделируемой матрицы - 70*70 вычислительных узлов.

n=16, t=9611 т

Рисунок 16. N=16, T=9611 т.

n=40, t=4115 т

Рисунок 17. N=40, T=4115 т.

n=64, t=2750 т

Рисунок 18. N=64, T=2750 т.

n=100, t=2691т

Рисунок 19. N=100, T=2691т.

Также, для тестовых задач расчета напряженности была разработана программа для визуализации электростатического поля. Градации серого цвета обозначают значение напряженности (белый - положительное, черный - отрицательный). Стрелки обозначают направление вектора напряженности.

На рисунке ниже приведен скриншот данной программы.

, 21. визуализация расчета напряженности электростатического поля

Рисунок 20, 21. Визуализация расчета напряженности электростатического поля

На рисунках ниже приведен расчет выходных характеристик моделируемой вычислительной системы:

    - зависимость модельного времени (T) выполнения теста от числа исполнительных ядер и от числа функциональных устройств - зависимость среднего коэффициента параллелизма (P) от числа исполнительных ядер и от числа функциональных устройств - зависимость дисперсии среднего коэффициента параллелизма (D) от числа исполнительных ядер и от числа функциональных устройств - зависимость коэффициента использования аппаратуры (A) от числа исполнительных ядер и от числа функциональных устройств
зависимость времени выполнения (t) от числа исполнительных (rd) и виртуальных устройств (fu)

Рисунок 22. Зависимость времени выполнения (T) от числа исполнительных (Rd) и виртуальных устройств (Fu).

зависимость коэффициента параллелизма p от числа исполнительных (rd) и виртуальных устройств (fu)

Рисунок 23. Зависимость коэффициента параллелизма P от числа исполнительных (Rd) и виртуальных устройств (Fu).

Производительность зависит только от числа функциональных устройств, растет по корню. Закон квадрата оборудования.

зависимость дисперсии (d) среднего коэффициента параллелизма p от числа исполнительных (rd) и виртуальных устройств (fu)

Рисунок 24. Зависимость дисперсии (D) среднего коэффициента параллелизма P от числа исполнительных (Rd) и виртуальных устройств (Fu).

зависимость коэффициента использования оборудования (a) от числа исполнительных (rd) и виртуальных устройств (fu)

Рисунок 25. Зависимость коэффициента использования оборудования (A) от числа исполнительных (Rd) и виртуальных устройств (Fu).

Похожие статьи




Проведение тестирования, Тестовые прогоны на модели ОА-архитектуры dataflow-ВС задач расчета напряженности элетростатического поля - Преимущества применения dataflow-парадигмы в вычислительных системах

Предыдущая | Следующая