规模化计算

规模化计算（共12篇）

规模化计算 篇1

1 生产成本

1.1 仔猪出生成本122元

母猪平均日采食饲料2.5 kg, 2008年1~3季度饲料平均价格2.4元/kg, 日需饲料费6元, 则年饲料费2 190元;每头母猪年均产成活仔猪18头, 则每头仔猪出生成本为122元。

1.2 仔猪培育至15 kg成本120元

每头仔猪需饲料15 kg, 2008年1~3季度仔猪饲料平均为8元/kg, 则每头仔猪饲料费120元。

1.3 仔猪育肥成本693.6元

仔猪育肥至100 kg, 净增85 kg, 平均料重比为3.4﹕1计算, 需饲料85×3.4=289 kg, 饲料价格2.4元/kg, 则育肥成本为693.6元。

1.4 防疫费、医药费、人工费、水费、电费、取暖费65元

其中﹕防疫费、医药费20元, 人工费40元, 水费、电费、取暖费5元。

1.5 死亡费用分摊7.6元

死亡率为3%, 平均死亡体重为15 kg, 饲养费用为244元, 成活猪头均分摊7.6元。

1.6 折旧费60.3元

1.6.1 母猪折旧分摊

育成母猪成本3 000元, 平均使用寿命8胎, 产成活仔猪72头, 淘汰母猪残值800元, 每头育肥猪母猪折旧摊销30元。

1.6.2 基础设施、设备折旧分摊

按照自繁自养年出栏1万头生猪计算基础设施、设备总投资700万元 (使用年限20年, 年折旧35万元, 平均每头摊销35元) 。

1.7 流动资金利息36元

年出栏1万头育肥猪, 年平均存栏6 000头, 每头需流动资金600元, 需流动资金360万元, 按年利率10%计算, 年付利息36万元, 平均每头36元。

1.8 销售费用和办公费用10元

1.8.1 销售费用

每头2元。

1.8.2 办公及管理费用

按照年8万元计算, 平均每头出栏肥猪8元。

每头出栏育肥猪成本为﹕1 114.5元。

2 粮食价格

以玉米价格为基准, 参照2008年1~3季度玉米到场价格, 确定前三季度玉米价格为1.62元/kg (安全水标准) 。

3 猪粮比价

育肥猪出栏体重100 kg, 每千克生产成本为11.15元, 则猪粮比为6.88∶1。

规模化计算 篇2

（１９８６年８月２４日 计资〔１９８６〕１５５０号）

近几年，国外厂商来我国举办的合资、合作经营企业逐渐增多。这些企业的建立，对弥补我国国内建设资金的不足，引进先进技术，加快四化建设的步伐起了一定的作用。但据有些部门、地方反映，目前中外合资、合作经营企业进行基本建设时，对于投资规模如何计算，界限不清，管理上也比较混乱。为此，拟作如下暂行规定。

（一）中外合资经营企业进行基本建设，应按中方投入的固定资金（不包括以现有厂房、土地、设备等实物投入的固定资产），并按资金来源纳入国家下达给部门或地区的相应的基建规模之内，外商的固定资产投资以及双方投入的流动资金不计规模。为了考核整个企业的建设情况，统计上可对其全部投资进行统计，但对不计入基建规模部分要分别列出。

（二）中外合资经营企业由于资金不足等原因，共同向国内或国外金融机构、公司及个人贷款、筹措资金进行基本建设，在计算双方投资比例时，中方按照投入的固定资金（包括以现有厂房、土地、设备等实物投入的固定资产）比例计算中方的投资并纳入相应的基本建设规模之内，外商投资部分不计规模，可进行统计，但要分别列出。

（三）利用在国外或港澳地区注册的中外合资经营企业的投资或贷款在国内进行基本建设，视同基本建设利用外资，同时纳入基本建设利用外资规模。

（四）中外合作经营企业，如中方是以提供土地、自然资源、劳动力和劳动服务或现有可用的房屋、设备、设施等形式的，一般不计入基本建设规模。如果协议规定由中方向国外贷款或通过中国银行向国外筹措建设资金，则这部分资金应相应地纳入基本建设利用外资规模。

（五）中外合作勘探开发，这种方式目前主要用于海上石油合作勘探开发，一般由外国企业直接投资并承担风险。以中外合作勘探开发形式进行海上石油基本建设，不计入基本建设规模。

以上规定只适用于中外合资、合作经营企业，请各部门、省、自治区、直辖市和计划单列省辖市按此规定试行。利用外国政府贷款、世界银行贷款和国际货币基金组织贷款以及国外商业银行贷款等外资进行基本建设的企业，仍按现行办法管理和计算规模。

注：中外合资经营企业，系指由外国（或地区）公司、企业和其他经济组织或个人，按照平等互利的原则，经我国政府批准，在我国境内，同我国的公司、企业或其他经济组织共同举办并在我国注册的企业。

发布部门：国家发展和改革委员会（含原国家发展计划委员会、原国家计划委员会）发布日期：1986年08月24日

定西规模化样本 篇3

甘肃定西，这个著名的“三西”贫困地区，短短几年时间，其土豆产业就击败几大传统产地，成为全国市场的领先者。

据说，如果定西土豆一天不到货，广州市场的土豆价格立马上涨5毛。为什么呢?因为定西土豆在广州市场拥有的份额高达50％。同样的情况在上海、南京也同样存在，土豆上市高峰期，甚至达到了80％。“集中上市那几天，市场上几乎都是定西的土豆，其他产地的土豆都不敢来了。”

干旱也是一种主动权

定西土豆为何能够异军突起?

土豆的竞争力主要在于品质。定西位于甘肃的东部，离兰州市有近百公里，干旱少雨，是全国有名的贫困地区。由于常年干旱，小麦往往颗粒无收，耐旱的土豆就成了定西人的救命饭。在很长一段时间，定西人都没有意识到定西土豆的价值，除了觉得特别沙，特别好吃以外，就等着一些散贩上门收购，赚点零花钱。

2000年底，定西县最穷的乡之一——鲁家沟试种了2万亩土豆，但由于没有市场概念，被外地客商廉价收走。而本地收购大户们挤破了头争取代办资格，于是拼命压价，以争取得到外地客商的合作。

2001年初，时任鲁家沟副镇长的潘燕军带了三个人出去考察市场，发现定西土豆在市场上竟然具有极强的竞争力。以麦当劳和肯德基的标准为例：土豆外观必须长条形，方便炸薯条，土豆表面光滑、芽眼少，此外，对土豆淀粉含量也有很高的要求。所以，很长一段时间，国产土豆都上不了肯德基、麦当劳的餐桌。但是定西的土豆就可以。麦当劳和肯德基所用土豆就有相当一部分来自于定西。

定西干旱少雨，气候恶劣，但气候温凉，昼夜温差大，耕地土层深厚，富含钾，非常适合土豆生长。适宜的气候使这里的洋芋以个大、皮薄、形整、味道好著称。

潘燕军还了解到，国内土豆主产区有内蒙、甘肃、陕西和云贵川等地。但和其他产地相比，定西土豆的劣势有二：一是没有叫得响的牌子，二是没有足够的规模和缺乏组织，整个产业处于松散状态，在市场上形不成统一的品牌效应，卖不起价钱。

潘燕军作出了两个决定：一是引进优良品种在原有的2万亩的基础上“扩了l万多亩”；二是成立洋芋办(当地把土豆俗称“洋芋”)，直接和市场对接。跨过中间商，将外地的大客户请到鲁家沟来，直接和他们合作。同时，通过洋芋办将松散的农民和收购户们组织起来，和客商谈判。

这几招很管用。很快，鲁家沟就有了叫得响的牌子“大西洋”，虽然是引进品种，但是鲁家沟的“大西洋”比其他产地的品质要好。而且，由于洋芋办的得力工作，外地客商再也不能随意杀价了，他们面对的是一个经济体。当地收购大户和农民的利益得到了保证，种植土豆的热情被激发出来了。

2002年，潘燕军在鲁家沟建立了育种基地。在两年左右的时间里，从育种到种植到销售，鲁家沟的土豆产业链逐渐有了雏形。

定西土豆产业链最初的核心是原产地优势。此后几年，安定区相继注册了“全定”、“鲁家沟”及“新大坪”等多个土豆重点品牌，形成了自己独有的育种体系，使得定西土豆在土豆产业链的上游始终能够掌握主动权。

突破规模临界点

鲁家沟的试验引起了另外一个人的兴趣，他就是当时的定西县长李旺泽(现任安定区书记)。

和潘燕军不同，作为产业全局的思考者，他要考虑土豆产业的普遍性和可持续性。因为在西部类似的产业故事很多，很多地区为了发展本地产业，在没有摸准市场行情的情况下就盲目上马，结果第一年丰收，第二年就烂市。他不想重蹈覆辙。

2002年，天公不作美，春秋冬三季连旱，土豆收成和品质都不太好，价格降到1．8毛一斤。2003年气候变好，土豆丰收、品质良好，价格还是1．7—1．8毛一斤。这是一个反常的现象。

市场调查表明，定西的土豆在国内市场处于供不应求的状态，照理说，好土豆应该卖出好价钱，那么为什么丰产而不增收呢?

在对国内各主产地的产量和市场的需求进行了详细的估算和对比后，他们发现，定西的土豆产量正面临一个临界点。即，虽然定地土豆有足够的竞争力，但是由于产量在整个市场的比重不够，使得定西土豆在和下游经销商议价的时候，处于被动地位。下游经销商既可以选择定西土豆，也可以选择其他产地的土豆，定西土豆的产量不具备优势地位。

而且，一个一流的育种基地也需要有足够的规模进行试验。没有足够的规模作为基础，育种基地的投入与产出很难进入良性循环。这也和企业的规模经济很相像，只有达到了一定的规模，整个产业链的各个利益环节才能进入一种良性的投资收益状态。而且，土豆产业单单是种植是很难获得高利润的，只有深加工才能获得高利润。而眼下的产量是支撑不了这个远景蓝图的。

另外，经过了几年的发展，定西土豆的最大对手已经清晰，就是内蒙土豆，要想获得比竞争对手更大的优势，必须在产量和品质、及市场运作方面全面超过对手。

2003年底，李旺泽决定将定西土豆由40万亩扩到80万亩。同时，成立土豆协会，将原来的贩子们都吸收进来，以订单农业的方式，组织自己的生产基地。以市场为导向形成了以民营资本为主的投资体系。一到收购旺季，定西就活跃着上万销售大军，这支销售大军被戏称为“倒蛋部队”。

巧夺全国市场

有了规模，定西土豆具备了竞争的基础。但好酒怎样吆喝，这是中国各地特色农产品最头疼的问题。定西土豆则通过半宫半企的“洋芋办”，构建了一套完整的市场方案：

首先，派出了几十个信息员到各地市场蹲点，每天发回各地最新的土豆价格，然后由洋芋办按照成本倒推法，推算出每个环节的合理利润，发布政府认为合适的交易指导价。

其次，从洋芋协会的会员中选择三个大户，形成三驾马车，每驾马车下面挂靠了十几个大户，在市场上形成既合作又竞争的关系。以保证市场稳定和保证农民的利益。

其三，由洋芋办牵头，地毯式地拜访全国重点市场，疏通销售渠道，和各地重点市场的土豆销售大户达成合作协议。

其四，在省委副书记的亲自协调下，定西政府和铁路部门组织成立了“土豆联合运输办公室”，将车皮分配权交给地方政府。这一招被认为是定西运作市场的点睛之笔。农产品的运输成本是市场运作的一个难点。西部很多优质农产品之所以销售难，运输成本居高不下是一个重要原因。运输成本过高，其直接后果是销售半径过小，相应地，需求也就不足了。土豆作为大宗农产品，点滴成本的增加最终都会成为制约销售的瓶颈。从运输距离来看，在北方市场，内蒙和定西的运输距离相当。但一到南方市场和东部市场，定西的运输距离就大大缩短了。

除此之外，定西还采取了给土豆开专列的形式运输土豆。每个大户组织一个车皮，三十几个大户就可以发一趟专

利了。开土豆专列大大地缩短了运输时间，可以根据市场需要随时发专列，短时间内，就集中优势兵力浩浩荡荡地冲向目标市场。

同时，车皮还是调控市场的好工具。“如果谁扰乱市场，就取消谁的车皮配载权。”

2005年，一场谋划已久的全国市场争夺战开始了。

这一年，内蒙土豆减产60％，市场出现了进攻的绝佳机会，定西洋芋办决定比内蒙土豆提前两天上市，抢占市场。

9月12日，定西方面召开2005年土豆洽谈会，会上，有关方面高调放出新闻，——定西至广州首趟“土豆专列”发车。很快，一列载着2000多吨定西土豆的专列到达广州大郎货场。而广州市场每天的土豆销量也就20～30个车皮(每个车皮载重60吨)。市场立马饱和。当天的市场占有率达到了90％。内蒙方面听到消息，不得不避其锋芒，暂缓进广州。

几天过后，第一冲击波消退，内蒙方面以为机会来了，几个车皮的土豆陆续来到广州大郎市场开始上市。没想到定西方面又迅速开来一趟土豆专列，几十个车皮一下子就把内蒙土豆逼到了角落。内蒙土豆被迫收缩。

此外，由于定西量大质优，大户们在和批发商谈判的时候底气十足，卖了个好价钱，“一个大户一次就赚了二十几万，议价主动权掌握在了我们的手里”。

不到一个星期，两次大洗胆，广州批发市场彻底被定西土豆占领。至今的市场份额一直稳定在50％，掌握了市场的话语权。

用同样的方法，定西土豆只用了5天时间就攻下了上海市场，市场份额达到了50％。随后，又攻下了南京市场。

规模：优势农产品的胜手

集约化、规模化，是新农村实力有别于传统农业产业的关键点之一。

新农村实业，是基于有效吸纳农村资源，运用现代管理手段，具有可持续发展特征的现代农业类工业和服务业，是以农产品为基础的现代工业生产、管理和经营模式，它可以从根本上引导中国农业的升级，新农村实业将成为解决三农问题的“牛鼻子”。没有新农村实业的带动，农业产业的发展处于无序状态，农业产业的资源也不能实现高度集中，因而不具备核心能力和竞争力。

传统农业产业化一般也注意到了以市场为导向，公司加农户的简单操作在中国大地比比皆是。但是，新农村实业首先是以社会化生产为基础的，因此具备一个显著的特征：因为产业细分而形成的规模效应。

中国务农的人数最多，但农产品的生产成本却很高，农产品的安全保障也很差。我们以前自以为是农业大国，现在才发现是农业人口的大国和农业产业的弱国。中国农业的组织方式，只要还停留在散漫农户的生产组织方式上，仍囿于“小农意识”，就不可能真正实现产业升级。因此，农产品的集约化经营势在必行。

同时，优势农产品要进入市场，一定的规模是基础保障。任何产品都有规模经济与规模不经济之分，规模的经济，是建立在成本降低、市场份额扩大的基础上，而规模的不经济，则是因为边际效应的递减和市场的趋于饱和。农产品的规模经济与否，同样取决于上述标准。农业产业的规模化、集约化谈了很多年，但为什么总是上不去?除了资金实力的原因外，对市场把握的缺乏是根本。

中国的优势农产品很多，但如何能创立自己的品牌，形成强大的市场竞争力，形成真正可持续的生命力，需要的是综合系统工程。是否能从纷繁复杂的系统里找出问题的关键点，是优势农产品真正占据市场高点的核心。对定西土豆来说，首先把握住自己产品的品质(优势农产品)，然后再根据竞争对手的情况，确定合适的战略，最终抢占市场，这个营销过程并不比任何工业品来得差。而这个系统的关节点，正是规模。

在农业产业中，土豆是一个极小的产品。但是，当这个产品具备了相当的规模之后，它就可以创造出极具震撼力的产业力量。当然，规模化生产的前提是品质，保障是市场。

商会：三农的新脊梁

中国三农问题的核心，是农民的主体性缺失!

在20世纪80年代以前，基层政府是农民的主心骨，始终主导着中国农民。然而，削减乡镇及村镇管理机构，降低农民负担已成大势所趋。

同时，目前既存的土地承包责任制对农业增长的刺激潜力已基本耗尽，并在某种意义上已成为发挥农业生产者积极性的制约因素。

既然官治模式和个体农户模式都已经不能满足农村发展的需要，那么，我们应该选择怎么的农业组织方式呢?

在确立农民主体性的原则上，建立农民合作经济组织，创建各类农业协会、商会，既可以全面提升农民的社会地位，又可以保护农民的各项权利。它最基本的经济功效，是为在弱肉强食、优胜劣汰的市场经济体制下处于绝对劣势地位的广大小农经营者提供一个得以生存的基本空间。农协与专业组织可采取多种组织形式：

农民自办型(即农民主体型)

龙头企业领办型

民间组织、国际项目带动型

专业商会既可以摆脱行政管理的约束，缓解政府管理的压力，又可以不同商业组织的共同利益，对抗单纯经济组织的风险。商会本身是利益共同体，也具有自我约束、自我发展的机制。

农业生产：当前政策扶持热点

建设社会主义新农村，提高农民收入是要点。因此，在最近几年的农业政策大盘子里，对农业生产的倾斜是比较明显的。

2004年，国家税务总局、财政部对农民产销农产品实施了系列税收优惠，其中包括农民从事种植业、养殖业、饲养业、捕捞业取得的所得，已缴纳农业税、牧业税的，不再缴纳个人所得税。取消农业特产税，减征、免征农业税或牧业税后，农民取得的农业特产所得和从事种植业、养殖业、饲养业、捕捞业的所得及销售自产农产品的所得，暂不缴纳个人所得税。销售水产品、畜牧产品、蔬菜、果品、粮食和其他农产品，月销售额不到5000元或每次(日)销售额不到200元的，不缴纳增值税。进入各类市场销售自产农产品的农民取得所得不征个人所得税等。最大限度地对农民从事农业生产进行政策扶持。

西部最大规模云计算中心启动 篇4

据了解, 该基地建设面积为40.15万平方米, 全部按照中国电信集团双A五星级机房要求建设。在设计时遵循新颖性、协调性、先进性、节能性、模块化原则, 面向国内外互联网及灾备中心高端客户提供定制化服务。而目前投入使用的一期工程, 含2栋IDC机楼和1栋综合楼, 总面积53851平方米, 满足出口带宽500 G、4500架机柜的业务需求, 目前西部规模第一。

目前, 中国电信已经是国内最大的云计算服务提供商, 云计算 (陕西) 基地未来发展定位是集市场营销、运营、产品研发于一体, 集约创新, 为政府、企业、公众提供电信级、高可靠的云基础资源、云平台应用及云解决方案:包括云主机、云储存、云加速、云呼叫中心、大数据分析等产品和服务。

据了解, 中国电信陕西公司将打造面向政府单位的政务云、面向校园的校园云、医疗云、企业云业务等, 根据用户的需求提供定制化的私有云、公有云、混合云行业的解决方案, 针对窗口单位提供桌面云服务, 政府热线12345服务等。

规模化猪场的管理措施 篇5

规模化猪场的管理措施

1 人员管理 1.1制度的`建立 规模化猪场人员较多,一般会制定许多的规章制度,如员工管理制度、防疫制度、各个环节的管理制度,无论是各项规章制度还是生产管理规程制定时一定要考虑可操作性,制定时也应力求详尽,制度需要延续性,不足的地方要尽快修改完善,逐步形成良好的制度管理机制.管理制度不是越多越好,而是越有针对性越好.

作 者：黄卫忠  作者单位：广东省肇庆市畜牧兽医局,526040 刊 名：养殖技术顾问 英文刊名：TECHNICAL ADVISOR FOR ANIMAL HUSBANDRY 年，卷(期)：2010 “”(7) 分类号： 关键词： 

19楼：本地社区规模化 篇6

本地社区规模化 》总编辑林煜，公司大股东为《都市快报》。19楼早期用户有相当一部分是由报纸读者转化而来的。

2006年，林煜和他的团队一度弱化论坛功能，欲将19楼做成本地新闻门户网站。经一年摸索、试错后，林煜和他的团队确定了本地生活服务社区这一方向，把网站定位为“真实、丰富、温暖的网上城市”，将内容划分为更多更垂直的板块。林煜说，做社区与做媒体是相反的，前者需去精英化、去中心化，因为它很草根，精英意识与精英文化很难获得较大空间。

在19楼这个板块细分的社区内，用户可以找到由共同兴趣者组成的圈子，当有棘手问题需要处理时，他能够在这里更为快捷地收获解决方案。比如，当他要结婚办酒席、装修房子时，可以阅读其他用户在社区内分享的相关经验。另外，在内容细分与用户细分的基础上，商家可以更为精准地找到它的服务对象。因此，19楼的一块收入是广告。林煜说，这些广告不是传统的硬广，而是融合在商家和用户互动过程中，它是一个完整的解决方案。

早在2003年，19楼就已展现出商业潜质。在亲子板块内，年轻父母们除了交流带孩子的经验，也交易多余的尿不湿、奶粉等物品，林煜干脆开通了母婴用品交易专区。结果非常火爆，用户一天发帖几千个。随后，他顺势开通了家电、家装等更多交易专区。

2006年之后，“好店”成为19楼社区里专门展示商家的板块。在该板块内，有结婚、装修、育儿、美食等不同行业不同商家供用户选择，如果有此需求，用户可直接在社区内完成挑选。不过，目前站内还无法完成在线交易。另外在内容上，19楼已设相应讨论版，用户可围绕这些话题展开讨论。

19楼的另一块收入是举办展会，通过展会获得赞助收入和参会产品广告收入。19楼举办的结婚采购大会，在杭州乃至整个浙江省准备筹办婚礼的人群中知名度极高，目前已成功举办过9届。通过展会这种高效供销模式，用户与商家实现了共赢。

根据2013年秋季展会数据，该次展会共有200余家供应商参展，包含了婚纱摄影、黄金珠宝、礼服、酒水等各类产品或服务，现场签单超过14000个，三天总成交额达到了1.3亿。

目前，19楼也在尝试电子商务。与淘宝不同，19楼的电子商务依然会与内容结合，比如购前、购中、购后的用户交流等。

19楼已初步探索出了商业模型：因每个细分板块都聚拢了一批诉求相同的用户，团队通过研究、分析用户发言，挖掘用户需求，精准地让公司和用户“会师”，双方达成一致后，交易、完成支付。

林煜认为，19楼现在仍处于初级阶段，用户规模、营收规模、利润规模都很小，还达不到一个有竞争力互联网企业的标准，社区功能也部分与58同城这样的“大企业”重合，面临一定竞争。

“互联网一定是个规模经济，小而美的公司只是一个理想，它最终可能要被大的吃掉。”林煜称。

2008年开始，19楼已在杭州周边城市复制同一模式。林煜希望，19楼平台可以落地到每个城市，每个城市都能快速聚集用户、快速扩张。

规模化计算 篇7

根据《城市普通中小学校校舍建设标准》 (建标[2002]102号) 及各省公布的普通、标准、示范高中教育技术装备标准设置指标, 学校规模在48班2400人范围内, 各类专用教室的数量均有明确规定;“学校规模大于48班的, 以37~48班的数据为基准, 每增加4个平行班, 理、化、生实验室及其附属用房各增加1套”, 其它用房无相关说明。结合南京师范大学张新平教授的相关研究, 超大规模高中可界定为在校生超过3 000人或办学规模超过50班的高中。然而在调研实例中, 原址基础上扩大的超大规模高中专用教室的数量远远无法达到规范要求;新建校区除参考相关指标外, 多数依靠办学经验和其它学校建设经验来估计专用教室的数量。因此如何确定专用教室的数量成为超大规模高中规划设计的关键问题。

和其它条件较好的新建校区相比, 以资源有限、投资不足的学校作为研究对象, 对超大规模高中专用教室的发展更具现实性的指导意义, 因此选取在原址基础上扩大的陕西QX一中和QX二中, 其各类专用教室的数量明显不足, 目前仍然保持着正常教学活动。由于专用教室包含内容众多, 要求不尽相同, 以化学实验室代表理科类专用教室, 以音乐教室代表艺术类专用教室表进行说明。QX一中学校规模103班, 共计4间化学实验室和1间音乐教室;QX二中学校规模85班, 共计3间化学实验室和1间音乐教室。前期所搜集的资料主要包括各班级的课程时间安排表、该科目所选用的教材、该专用教室的使用记录等。

二、专用教室的利用率

1. 理论利用率

专用教室的理论利用率即在理想条件下, 通过对全校课程表的统计, 排除超过该科目专用教室可同时提供授课外的课时, 该科目专用教室在一周内可提供的最大利用率。

理论利用率 (%) =周内该科目专用教室最大利用可能的授课时数/周内该科目专用教室的总授课时数 (定值=40课时/周×专用教室的数量) ×100%

经统计在化学科目中, QX一中和QX二中总授课时数分别为120和160, 最大利用可能的授课时数分别为105和142, 化学实验室的理论利用率分别为87.50%和88.75%;在音乐科目中, QX一中和QX二中总授课时数均为40, 最大利用可能的授课时数分别为19和31, 音乐教室的理论利用率分别为47.50%和77.50%。

2. 计划利用率

专用教室的计划利用率即根据该科目教材对实验和实践活动的要求, 统计平均一周内在专用教室开展教学活动的计划课时数, 和该科目专用教室一周内提供的总授课时数的比值。

计划利用率 (%) =平均周内该科目专用教室的计划授课时数/周内该科目专用教室的总授课时数 (定值=40课时/周×专用教室的数量) ×100%

经过对使用教材的统计, 化学 (人教版) 所有教材中要求实验的数量总计105个, 平均实验课时占总课时的28%;音乐 (人教版) 所有教材中要求重点欣赏曲目的数量总计72个, 重点欣赏曲目课时占总课时的100%, 即每章节都设有重点欣赏曲目。根据各校2012~2013年度课程时间安排表, QX一中全校化学课时总计398课时/一周, 音乐课时总计32课时/一周;QX二中全校化学课时总计295课时/一周, 音乐课时总计54课时/一周。因此, 在化学科目中, QX一中和QX二中总授课时数分别为120和160, 平均计划授课时数分别为83和112, 化学实验室的计划利用率分别为69.17%和70.00%;在音乐科目中, QX一中和QX二中总授课时数均为40, 平均计划授课时数分别为40和32, 音乐教室的计划利用率分别为100.00%和80.00%。

3. 实际利用率

专用教室的实际利用率即根据专用教室的使用记录, 统计平均一周内在专用教室开展教学活动的实际课时数, 和该科目专用教室一周内提供的总授课时数的比值。

实际利用率 (%) =平均周内该科目专用教室的实际授课时数/周内该科目专用教室的总授课时数 (定值=40课时/周×专用教室的数量) ×100%

根据专用教室的使用记录估算, QX一中6周内完成化学实验总计107课时, 18周内完成音乐实践活动总计360课时;QX二中4周内完成化学实验总计51课时, 4周内完成音乐实践活动总计60课时。因此, 在化学科目中, QX一中和QX二中总授课时数分别为120和160, 平均实际授课时数分别为13和18, 化学实验室的实际利用率分别为10.83%和11.25%;在音乐科目中, QX一中和QX二中总授课时数均为40, 平均实际授课时数分别为15和20, 音乐教室的实际利用率分别为37.50%和50.00%。

三、专用教室数量计算

1. 专用教室数量的影响因素

专用教室数量的影响因素包括: (1) 每班级该科目的周内授课时数; (2) 学校规模; (3) 专用教室的周内总授课时数; (4) 专用教室的平均利用率。其中 (1) 、 (2) 因素和专用教室的数量成正比例关系, (3) 、 (4) 因素和专用教室的数量成反比例关系。

专用教室的平均利用率为理论利用率、计划利用率和实际利用率的平均值 (见表1) 。理科类专用教室的平均利用率在55%上下, 可取值55%;艺术类专用教室的平均利用率取值65%。

2. 专用教室数量计算公式

专用教室的数量=每班级该科目的周内授课时数×学校规模/每间专用教室的周内总授课时数×专用教室的平均利用率

其中: (1) 专用教室的数量设为变量Z; (2) 每班级该科目的周内授课时数根据不同科目取值不同, 以化学为例, 高一年级每班授课时数为4课时/周; (3) 学校规模设为变量, 由于大部分高中在高二、高三年级分设文、理科, 文、理科对应某些科目的每周授课时数不同, 可将学校规模拆分为变量X (文科班级数量) 和变量Y (理科班级数量) , 并调整相对应科目的每周授课时数; (4) 每间专用教室的周内总授课时数一般为定值40课时/周; (5) 专用教室的平均利用率为理论利用率、计划利用率和实际利用率的平均值, 可取表10的数据。

3. 专用教室数量的试算

下面以QX一中为例, 针对所需化学实验室的数量进行试算。

化学实验室的数量=每班级化学课的周内授课时数×学校规模/每间化学实验室的周内总授课时数×化学实验室的平均利用率

各项取值如下: (1) 学校规模103班, 其中文科16班 (高二年级9班、高三年级7班) , 理科55班 (高二年级23班、高三年级32班) , 不分科高一年级32班; (2) 每班级化学课周内授课时数根据文、理科不同年级的细分, 高一年级取值为4, 高二年级理科取值为4, 高二年级文科取值为2, 高三年级理科取值为5, 高三年级文科取值为0; (3) 每间化学实验室的周内总授课时数为定值40课时/周; (4) 化学实验室的平均利用率取值为55%。

化学实验室的数量= (4×32+2×9+4×23+0×7+5×32) /40×55%=5.47

经计算可知, QX一中在103班的学校规模下增建化学实验室至6间较为适宜。

四、结语

由于办学规模的扩大, 高中在教学组织、管理模式、资源利用等方面都发生了变化, 校园各项建设内容不仅仅是简单的数量叠加, 而目前针对超大规模高中专用教室的规划建设缺乏现实性的参考指标。推导专用教室数量的计算方法诣在提供一种思路, 以数量的确定作为关键点, 在此基础上进一步探索适应超大规模高中专用教室的设计方法, 对计算结果的适用性还需要一定的实例反馈使用效果进行长时间的验证和修正。

摘要：随着中小学布局调整工作的推进, 超大规模高中普遍存在, 专用教室在规划建设中缺乏相对应规模的数量指标。本文结合两所超大规模高中典型实例, 分析影响专用教室数量的因素, 初步提出适应性的计算方法并进行试算。

关键词：超大规模高中,专用教室,数量,计算方法

参考文献

[1]李志民著.小学校における余裕教室の活用に关する建筑计画的研究[M].西安:西安地图出版社, 2000.

[2]张新平, 郑小明.关于超大规模学校的若干思考[J].教育科学研究, 2007 (03) .

规模化计算 篇8

关键词：暂态稳定,并行计算,图形处理器,双层对角加边结构,稳定双共轭梯度,稀疏近似逆预处理

0 引言

电力系统暂态稳定仿真是进行电力系统规划、安全稳定分析和电力科学研究的重要工具。电网规模的扩大和仿真模型的日益精细使其计算量不断增长。与此同时, 为进一步提高工作效率以及满足对电网进行更快的安全控制, 对仿真速度的要求也不断提升。在此背景下, 并行计算技术被引入暂态稳定仿真领域, 并不断发展[1,2]。

近几十年来, 随着并行计算技术的革新和进步, 众多科研工作者提出了多种暂态稳定并行算法, 一般可分为空间并行算法, 时间并行算法和引自VLSI领域的波形松弛算法三类[3]。算法的数学本质都是使用并行方法解决一个大规模微分-代数方程组初值问题, 对于空间并行算法, 一个主要思路是基于串行联立算法, 首先将整个系统形成一个统一的非线性方程组, 进而通过牛顿法将方程组线性化, 再进行并行处理, 代表性的算法有并行VDHN法, SOR-Newton法[4], Maclaurin-Newton法[5]等。另一条思路是基于交替算法, 直接将微分与代数方程分开处理, 两部分交替计算, 其并行研究主要集中在任务的平衡分配和网络矩阵的处理[6,7]。这些算法的共同之处是都需要处理一个线性代数方程组。

对线性方程组的求解, 直接法 (如LU分解) 占据了主流地位。但是, 直接法由于其序列性, 不能完全地并行化。在很多科研领域, 迭代法已经显示出其优秀的应用性质。在众多迭代算法中, 共轭梯度 (Conjugate Gradient Method, CG) 及其改进算法[8]具有快速收敛、存储量小、不必预先估计参数等特点, 其计算过程主要是矩阵向量相乘。此类方法近些年在电力系统潮流、仿真等计算中得到了很多研究应用。文献[9]在超立方计算机上实现了预处理CG算法, 应用于暂态稳定计算。文献[10]针对分块式电力系统暂态稳定并行算法, 采用乔列斯基分解的预处理共轭梯度法用于边界系统方程组的求解。文献[11]将ILU共轭梯度法与矩阵方程直接求解法相结合, 求解暂态稳定计算中的整个雅可比矩阵, 获得了较好的加速效果。文献[12]在Beowulf集群平台上, 提出一种采用多项式预处理的共轭梯度迭代法求解电力系统分析计算中的稀疏线性方程组, 收到了一定的效果。但是, 共轭梯度算法针对的是实对称矩阵, 很多电力系统矩阵并不具备这个特点 (如包含移相调节变压器的网络导纳矩阵) , 会影响算法的收敛性, 导致迭代次数增加。针对求解不对称矩阵问题, 文献[13]提出的稳定双共轭梯度法 (Bi Conjugate Gradient Stabilized Method, Bi CGSTAB) 是一种有效的解决方案。

基本的并行计算硬件平台主要基于PC集群和共享内存的多核计算机等多CPU体系结构。近年来, 图形处理器 (Graphics Processing Unit, GPU) 发展迅猛。自1999年诞生后, 其发展的速度是CPU更新速度的3倍多[14]。广泛应用于图像与视频处理等领域。2010年, 文献[15]首次将GPU引入电力系统计算, 在包含GPU的多核计算平台上 (本文简称为GPU计算平台) 使用直接法计算电力系统暂态稳定性。我国学者同时也展开了相应研究:文献[16-17]分析了GPU的特性, 并使用其计算电力系统潮流和进行谐波分析, 提升了计算速度, 提高了分析的实用性。

本文提出了一种应用于GPU计算平台的电力系统暂态稳定仿真并行算法。首先, 在联立算法框架下, 依据非诚实牛顿法 (Very Dishonest Newton Method, VDHN) 原理, 将联立矩阵解耦, 使动态元件与网络方程可以分别计算。进一步, 将网络矩阵重排为对角加边 (block bordered diagonal form, BBDF) 形式, 使此部分计算分解为子分区系统和边界系统两部分。子分区系统与相连的动态元件交由多核CPU并行处理。对于边界系统, 本文在GPU上使用基于稀疏近似逆预处理的Bi CGSTAB法求解。针对一个12823节点的大型电力系统进行测试, 验证了算法的准确性和有效性。结果显示算法提高了边界系统计算速度, 可获得较高加速比。

1 暂态稳定并行算法

1.1 联立算法基本原理

电力系统暂态稳定模型的数学本质为大规模微分代数方程初值问题

式中:x为状态向量, 描述发电机组等元件的动态行为;V为电压向量, 描述节点电压变化;I为电流向量, 描述节点注入电流变化。YN为输电网络导纳矩阵。公式 (1) 描述电网各种动态元件的行为, 如发电机组。各动态元件仅由网络连接, 因此, 式 (1) 由多组相互独立的子集组成。

采用联立算法时, 求解过程如下:

1) 应用数值积分算法将微分方程组差分化, 获得联立代数方程组。本文采用隐式梯形积分法:当t时步状态向量xt, 电压向量Vt已知时, 令h为积分步长, 由式 (1) 得t+1时步的状态向量x表达式为

由式 (2) 得, t+1时步网络方程为

定义

2) 联立计算

式 (7) 为非线性代数方程组, xt+1与Vt+1为未知量, 可采用Newton法求解。第k次迭代计算公式为

YD为输电网络导纳YN (固定不变) 与动态元件自导纳YG之和。F (xkt+1, Vkt+1) 与H (xkt+1, Vkt+1) 为第k次迭代时的残差向量。Δtxk+1, ΔtVk+1为迭代修正量。雅可比矩阵仅在迭代次数k达到设定阈值时才更新。式 (8) 迭代收敛后, 进入t+2时步计算。

当计及发电机凸极效应时, 如图1所示。

图中, YGN、YGS分别为YG中的固定部分和可变部分, 即YG=YGN+YGS。i (xkt+1) 为发电机注入电流I (xkt+1, Vkt+1) 中与机端电压无关部分。

由图及VDHN原理[18], 式 (8) 的计算可简化为

式中, Y= (YN+YGN) , 其在计算过程中为固定值, 仅需在网络拓扑变化时重新形成, 十分利于算法并行化。

1.2 双层BBDF并行算法

由电力系统特点, 可对上述联立算法进行双层BBDF并行分解。

第1层:电力系统中, 发电机组通过电网连接, 这种特点使式 (8) 的具体结构如式 (12) 所示。

其中:G代表发电机组总数。g代表第g台发电机;Ag, Bg, Cg, Δxkt+1, g, Fkt+1, g分别为A, B, C, Δxtk+1, Fkt+1的子矩阵。定义ˆBg为Bg中非零向量, ˆCg为Cg中非零向量。

因此, 动态元件 (发电机组) 相关计算, 即式 (9) 、式 (10) 可分解为

其中:g∈[1, G], Vkt+1, g为Vkt+1中元素, 代表一个节点的电压值; 为 中元素, 代表一个节点的注入电流值。此部分的计算具有内在并行性, 可分组后并行计算。

第2层:由于整个电网为大型稀疏网络, 可将电网分为q个子分区系统和一个边界系统, 使式 (11) 成如下结构[9]:

其中:b代表边界系统;j代表第j子分区, j∈[1, q]; , Vk+1t+1, 1分别表示第j分区注入电流向量与电压向量。

因此, 式 (11) 可分解为

边界系统计算

子分区系统计算

本文中子分区系统式 (16) 的计算与相连的发电机组分配到相同CPU核心并行计算。同时需要说明的是, 为便于处理式 (16) , 本文使用实数导纳。

1.3 基于稳定双共轭梯度的边界网络方程计算

应用1.2节并行算法后, 式 (16) 成为唯一需要串行计算的部分, 传统方法使用LU分解法进行计算。文献[10, 19]中引入CG算法进行并行迭代求解, 简化式 (16) 成式 (18) 形式。

其中: 代表左边项 ; 代表 ;v代表Vk+1t+1, b, 方程阶数为n。可将其构造成无约束优化问题 , f (v) 的极小值点便是式 (17) 的解。其局限性是CG法本质上适合于处理对称实数矩阵, 而式 (16) 中, 是经各系统导纳矩阵运算后的合成矩阵, 并且当网络中包含移相调节变压器时为非对称实矩阵[20]。其在某些情况下也不再具有对角矩阵占优这个通常电力系统导纳矩阵具备的特点[10], 条件数会增大, 甚至使方程出现病态, 使求解时CG方法的迭代次数增加。

针对不对称实矩阵的迭代求解, Bi CGSTAB法被证明是一种十分有效的改进方案, 其基于双边Lanczos算法和残差正交子空间的理论[13], 具有双正交和平方收敛的特点, 运算量小, 收敛性优于CG算法[21]。同时, 从算法流程上, 其继承了CG法涉及大量的行 (列) 的乘积与求和的特点, 并行性很高。因此, 非常适合用于边界系统的并行求解。

对式 (17) 进行求解时, 矩阵 的条件数也将影响算法的收敛性。而预处理技术可以降低矩阵的条件数。因此, Bi CGSTAB算法一般与预处理算法相结合, 算法一般流程如下。

步骤1) 给定系数矩阵 , 向量 , 及预处理矩阵M ( 的近似矩阵) 。设初始值v0, 最大迭代次数imax, 最大容许误差εmax, 计算 , 并令i=1, 。

步骤2) 若i≤imax且ε≥εmax, 则转到3) ;否则, 得到v的值, 结束迭代;

步骤3)

步骤4) 若i=1, 那么pi=r0;

否则β= (ρi-1/ρi-2) (α/ωi-1)

pi=ri-1+β (pi-1-ωi-1ui-1)

步骤5) 计算 ,

步骤6) ε=‖s‖, 若ε<εmax, 则 , vi=vi-1+Δvi, 结束迭代;否则进入下一步。

步骤7) 计算 , , , , ri=s-ωi t, ε=‖ri‖, 令i=i+1, 转到2) 。

此计算过程都为矩阵向量间乘加操作, 可完全并行化。其中, M的构造目前较常用的是ILU预处理方法, 但并行性有限。近年来, 稀疏近似逆预处理技术[22,23]以其天然的并行性而受到重视, 得到迅速的发展。而且, 其具有较少的自定义的参数, 不确定性小。其原理为:若能构造两个相互关于Y共轭的向量集合{z l}l=1, , n和{w l}l=1, , n, 组成两个矩阵Z=[z 1, z 2, , z n], W=[w 1, w2, , wn], 则

其中, 。那么

Z, W, D的完整构造过程如文献[24]所述。我们为了得到一个尽量稀疏的预条件子, Z, W, D可被不完全地计算, 即扔掉那些绝对值小于给定值的元素, 即 , , , 则稀疏近似逆预条件子 。

2 GPU计算平台简介及算法实现

2.1 计算平台架构

图2显示了GPU计算平台的架构。计算平台包含两颗主频为2.66 Hz的Intel Xeon E5650处理器, 每颗CPU包含6个核心 (core) , 共享24G内存。GPU与CPU通过PCIe 2.0总线相连。GPU型号为Ge Force GTX460, 其包含多个流处理器组 (stream multi-processor, SM) , 每个SM中包含32 (或48) 个流处理器 (stream Processor, SP) 。SP是GPU上进行数据计算的基本单元。

在NVIDIA公司开发编程环境——统一计算设备架构 (Compute Unified Device Architecture, CUDA) 下, 如图3所示, 一个程序分为两部分:host端和device端。Host端是指在CPU上执行的部分, Host端可使用MPI等技术并行。

device端是在GPU芯片上执行的部分, 称为内核 (kernel) 函数。在kernel中, 当一个指令被触发时, 将被大量GPU线程并行执行, 每个线程被分配给一个SP, 而且线程的创建、撤销和切换3种操作仅需要极少的系统开销[25]。每个线程都具有唯一的编号 (index) , 供编程时使用。为便于组织和使用这些GPU线程, CUDA中还定义了两层结构:网格 (grid) 和块 (block) 。一个grid包含多个block, 每个block管理多个线程 (Thread) 。

2.2 算法实现

2.2.1 基于GPU的边界系统计算

本文中边界系统由1.3节所述Bi CGSTAB算法计算, 此方法计算过程包含大量的矩阵-矢量, 矢量-矢量计算。以两个矢量相加为例, vi=vi-1+Δvi。在CPU上, 此类计算的实现模式是

循环计数器index从0增加到n, 向量的相应元素顺序进行加运算。但在此计算过程中, 每个元素的计算实际是相互独立的, 没有先后依存关系。因此在GPU上, 整个向量一次性使用n个GPU线程同时操作, 如下所示vi[index]←vi-1[index]+Δvi[vindex], index=1, …, n其中, index既表示向量元素的编号, 同时定位了GPU线程, 所有的数据是同步并行操作的。GPU可对成百乃至上万的元素并行操作, 这是CPU所不能比拟的。

2.2.2 基于CPU的分区系统及动态元件计算的分配

根据1.2节算法, 使用MPI将式 (13) 、式 (14) 、式 (16) 的计算分配到多个CPU核心中计算。在多核平台上, 为了获得较高的并行效率, 需根据计算量, 进行任务分配。本文依据文献[7]所述方法进行任务分配, 分配指标为

其中:q为任务数 (=CPU核心数=分区总数) , Comp Costj代表了任务j的总计算量, 必须说明的是此计算量由网络子分区和相连的发电机组计算量共同确定, 即式 (13) 、式 (14) 、式 (17) ;Comp CostB代表了边界系统的计算量。由于本文中使用共享内存的多核计算机, 其通讯损耗小于PC集群, 因此本文算法相当于放宽了对边界系统的约束, 而更加重视子分区计算量的平均分配。

从并行计算的角度, 算法一次迭代流程如图4所示。

3 算例分析

3.1 测试方案

本文以联立算法为框架, 在GPU计算平台上实现了并行暂态稳定算法。

本文算法本质上是一种组合算法, 为验证其有效性, 使用2种算法组合进行效率比较测试, 两种算法外层框架都使用双层BBDF并行算法, 边界系统分别采用基于稀疏近似逆预条件子的CG法 (简称为PCG) 和基于稀疏近似逆预条件子的Bi CGSTAB法 (简称为PBi CGSTAB) 计算, 如表1所示。

每时步迭代收敛条件均为10-4。算法步长为0.01 s, CG与Bi CGSTAB法收敛精度为10-5。测试方案为仿真10 s暂态过程, 0.0 s系统中某条线路近母线处发生三相接地短路, 0.083 s故障切除。

加速比公式为 , 其中Tserial表示单核串行计算时间, Tparallel表示并行计算时间。

3.2 测试结果及分析

本文使用某12 823节点系统, 系统由1 431台发电机组 (发电机采用6阶模型, 并考虑励磁控制及原动机调速系统) , 12 365条线路, 5 612台变压器 (包含部分移相调节变压器) 组成, 串行算法仿真时间Tserial为68.41 s。

首先, 选取系统中3个节点电压曲线, 对本文算法 (即算法2) 精度进行对比分析, 从图5中可以看出, 串行算法与并行算法电压曲线基本相同, 可以保证计算精度。

算法1、2并行框架同为双层BBDF法, 因此边界系统规模是相同的。边界系统的划分结果及计算时间如表2所示, 其中 表示每时步内PCG法求解的平均迭代次数, 表示每时步内PBi CGSTAB法求解的平均迭代次数。NB为 与 之比, TB为PBi CGSTAB法与PCG法对边界系统计算总时间之比。

由表2可知, 分区数从2增加到12的过程中, 边界系统由2节点增长到131节点。从迭代次数的角度, PCG法的增加较快, 平均次数由2.5次增加到7.1次, 而PBi CGSTAB法迭代次数仅由2.1次增加到3.1次。从实际计算时间的角度, 当边界系统增大到131节点时, PBi CGSTAB的时间仅为PCG法的0.62。

仿真整体加速比和总时间如图6、图7所示。

从原理上, 两种算法的动态元件与网络子分区部分的计算策略是相同的, 而边界系统算法不同。因此, 图中两种算法在并行分区较少时加速比几乎相同, 但随着分区的增多, 算法1加速比接近饱和, 算法2的加速比逐渐高于算法1。这是由于算法2较好的处理了分区增多导致的边界系统增大的情况。

在串行环境下, 仿真时间大于实际暂态过程。在并行环境下, 当使用12个核时, 算法2加速比达到了7.01倍。仿真时间是实际暂态过程的97.6%, 小于实际暂态过程, 说明了了算法2的有效性和一定的实用性。

4 结论

规模化计算 篇9

1 分布式文件系统概述

近年来, 为方便处理与存储海量数据, 类似于Google等商业公司都陆续开展了云计算平台构建工作, 相继开发出GFS、Map Reduce、Big Table等技术。笔者主要通过对Google的GFS与Hadoop的HDFS进行分析, 以此论述云计算平台的存储技术。

1.1 GFS分布式文件系统

GFS本质属于可扩展分布式文件系统, 主要应用于诸多分布式数据管理层面, 并由许多价值较低硬件构成。其中, GFS分布式文件系统架构是由单个Master与诸多chunk server共同构成单个GFS集群, 最突出特点是可由多个客户进行数据访问。

1.2 HDFS分布式文件系统

Hadoop属于一个包含开源代码的分布式文件系统, 也属于一个并行处理的Map Reduce框架。它的创作灵感主要源自谷歌GFS文件系统与Map Reduce项目。开源Hadoop系统的诞生, 有效避免了云计算技术出现的种种问题。不少新起的国际IT公司, 都着重通过Hadoop系统来搭建自身云计算系统, 如Facebook与Twitter。Hadoop经过多年发展, 终于基本形成了云计算生态系统。它主要通过HBase分布式数据、Hive分布式数据仓库、Zoo Keeper分布式应用来统筹服务, 诸多部件几乎全部建立在价格低廉的硬件服务基础上, 且依靠强大容错能力与普遍拓展性, 逐步占领商业云计算的主流市场。其中, HDFS分布式文件系统架构能有效保障分布式、数据集中并行应用程序执行, 主要处理特征为:大任务分为小任务, 大规模数据集分为小分区, 最终实现各任务于不同分区的并行处理效果。HDFS技术主要特征为:通过“块”方式对文件进行存储, 并应用复制方式实现容错效果。无论是数据分区、处理、复制、布局, 还是数据块放置等措施, 都是有效提升HDFS性能的技术战略。

2 云计算平台下的大规模数据存储技术研究

大规模数据存储模型主要通过诸多存储节点搭建大容量存储系统进行工作。这些存储节点并行工作可获取高效磁盘访问吞吐率。系统缓存目的在于减少磁盘访问, 从而提升系统吞吐率。多个存储节点容错可提升其数据准确性, 最终实现大规模数据存储系统高性能、大容量及高度可靠的效果。但随着大规模交易数据与交互处理数据不断增多, 大规模数据存储管理开始暴露出一些新问题亟待解决。笔者基于分布式文件系统背景下, 从容错性、可扩展性、延迟性、大规模数据存储实时性等层面对当下存储技术进行论述。

2.1 数据存储可扩展性与延迟性

数据存储可扩展性与延迟性是准确衡量系统性能的两大指标。Google GFS与Hadoop HDFS分布式文件系统在大型文件处理上优势突出, 但在处理小型文件过程中, 常出现读写时间较长问题。原因在于, 并行1/0 接口与小型文件处理不相适应, 主节点难以在云存储系统中实现拓展。有业内人士曾做出研究:设置一种建立在P2P基础上的小型文件分布式存储系统, 主要通过中心路由节点来加快资源发现速度, 客户端发出消息命令去执行寻找数据行为。节点与路由信息由中心路由节点进行存储, 数据量较少时客户端可预取信息, 小文件数量较多时客户端可对其进行缓存, 以大幅减少读写次数, 但此研究难点在于中心节点的可扩展性不佳。为方便小型文件数据大规模存储, 也有学者在分布式文件系统基础上集成Memcached, 以实现存储优化效果。Memcached本质是高性能分布式内存对象缓存系统, 主要常见于Web应用来减少数据库负载。以数据缓存方式减少数据库读取次数, 最终加快动态数据库对网站的驱动速度。实践发展经验证明, 对当下分布式文件系统处理小型文件缺陷的优化方式可分为:第一, 优化HDFS的1/0 接口, 从而改变数据节点管理方式;第二, 运用索引方式将小文件向大文件合并;其三第三, 为减少访问次数, 设置缓存机制。

2.2 数据存储的容错性

Hadoop支持数据并行处理, 节点最高扩展可超过1 000个。大数据时代带动Hadoop技术普及。Hadoop建立在廉价硬件基础上, 小部件失灵可能性较大。所以, 数据容错成为其重要的研究内容。除以上提到的复制方式来保证数据高度可靠性外, 部分学者也提出通过纠删码容错机制来避免云存储集中数据存在的缺陷。节点失效问题是云计算环境下大规模数据存储面临的主要问题之一, 对云平台影响重大。HDFS是一种新型并行文件系统, 可实现大规模文件存储, 并以GB作为文件大小衡量单位。副本技术也是其中的一项重要技术, 可有效提升容错能力, 防止数据丢失造成损失。数据冗余技术中纠删码技术的应用, 很好解决了服务器崩溃与数据容错等方面存在的缺陷, 用户云端数据使用准确率提升。实践表明, 复制与纠删码是通用的两种数据容错技术, 其效率与节点可用性存在密切联系。纠删码技术下的冗余容错为分布式存储系统提供便捷容错机制, 复制技术下的冗余容错可在节点失效情况发生时快速恢复数据。

2.3 海量数据存储的实时性

实时性作为数据存储性能的重要标准, 主要体现在数据存储量越大, 实时性越高方面。Hadoop系统擅长处理大规模数据分析, 此类设计理念使其在PB级别离线数据工作中有着惊人的速度。Hadoop分布式文件系统包含诸多名称与数据节点通信, 当系统面临超负荷运转情况时, 此项技术可大幅减少运行性能。因此, 怎样提升分布式文件系统文件实时获取能力, 成为业界重点关注的话题。这种对实时性要求较高的云计算环境一般有较强个性化服务特征, 用户消费与集成数据生成时间相对较短, 数据实时性要求较高, 有差别化个人数据管理。当前, 我国Hadoop技术应用实时性有待提升, 未来着眼点也不应仅停留在大规模数据处理上, 实时数据访问处理也应提上日程。

3 结语

综上所述, 云计算环境下大规模数据存储技术有待进一步改进。当下, 我国数据实时化处理处于初始阶段, 云服务要尽快处理好用户调度数据, 需把研究重点从实时动态资源分析、资源实时调度等方面转移到核心技术的研究开发上。

参考文献

[1]王培建.云计算环境下大规模数据存储技术研究[J].北京邮电大学, 2013 (9) :22-27.

[2]杨静.云计算环境下的大数据可靠存储关键技术概述[J].电脑知识与技术, 2014 (11) :7574-7575.

规模化计算 篇10

1 高效能计算技术

大规模高效能计算技术渗透于现代生活的各个方面,涉及现代科学技术的诸多领域,包括航空航天、现代通信、天气预测、交通管理、工程机械、现代建筑、土木工程、资源勘探、海洋研究、深空探测等。自从1946 年2 月15 日世界第一台电子计算机问世到计算能力达以亿次衡量的超级计算机的应用,计算机的发展得到了长足的进步,计算机的应用也有传统意义上的单纯的计算到在工业和农业领域大规模的广泛运用,整个发展过程经历了一次又一次的技术变革。现代计算机的广泛运用与系统软件的日益更新密不可分。

2 系统软件的技术探讨

2.1系统软件的功耗管理

功耗在物理上定义为功率的损耗,指的是仪器、设备、元器件等的输入功率和输出功率之间的差值。功耗问题不仅在我们的日常家用用电设备中经常出现,而且在现今的各类型的高效能计算机中也普遍存在。对于百万亿次和千万亿次以上的高性能计算机,它们通常都含有大量的结点,功耗问题与系统性能的极速提升和功耗密度的增长是成正比例增长的,这不仅为现在日益紧缺的用电资源背道而驰,也严重地制约了高性能计算机的发展。

计算机系统软件的功耗管理包含峰值功耗和能效两个方面。大规模高效能计算的基本要求是尽可能地控制峰值功耗。通过系统软件的开发与应用有效地调配大规模系统中的存在的大规模的空闲活跃节点,对节点进行管理和分类,建立以节点分类为基础的功耗管理模式,尽量降低采样和控制的规模。以系统软件为背景动态调整空闲节点睡眠模式、基于设备内部时钟保持正常运行状态的设备掉电模式和基于基于设备内部时钟停止运行状态的设备掉电模式。

2.2用户环境的虚拟化

虚拟化是指通过虚拟化技术将一台计算机虚拟成多台逻辑计算机的一种手段。在一台计算机上能够同时运行多个逻辑计算机,而且每个逻辑计算机也可同时运行不同的操作系统,并且它们的应用程序都可以在相互独立的空间内正常的运行而彼此之间不受影响,从而显著提高计算机的计算能力和工作效率。虚拟化使用软件的方法能够重新的定义划分IT资源,能够实现IT资源更有效地完成动态的分配,灵活的调度,跨域共享,显著地提高IT资源利用率,使IT资源能够真正地成为服务现实大众的社会基础设施,能够更好地服务于各行各业中灵活多变的应用需求。

作为网格系统中的一个重要的计算资源,未来的高效能计算机

更需要一个能够适应网格环境的编程模型和计算模式以及开发运行和系统管理等的优良环境。

2.3 虚拟化环境中的功耗管理

传统的功耗管理可通过对系统的硬件设施和软件程序进行升级和改造就能达到显著地降低功耗的目的。与现实生活中传统的功耗管理不同的是虚拟化环境中的功耗管理不能直接地去控制硬件设施,这是由于用户操作系统对整个系统的执行状态和行为完全未知。整个系统的执行行为不被客户操作系统了解,硬件不可直接被控制;如果硬件状态被虚拟机直接进行改变,就会影响其他虚拟机在同一硬件平台上的运行,隔离特征是虚拟机破坏最基本的特征。在虚拟化实现层研究系统功耗的管理是面向虚拟机环境的功耗管理技术主要集中的领域,而提供给虚拟机内用户的设施极其缺乏,实现系统功耗的优化只能依靠已有的功耗管理技术来实现。

2.4虚拟化技术在高效能计算领域中的应用前景

虚拟化在大规模高效能计算领域的应用还处于初级阶段,但一些典型的应用系统已经如雨后春笋般地开始出现,如粒子探测器仿真系统已用于高能物理的仿真实验,综合实验环境仿真系统被用来进行Botnet研究,起落架协同仿真系统被用于复杂产品仿真等。

现代工业生产中,真实产品的制造是依靠虚拟制造的动态模拟的。虚拟制造是一种软件技术,这种软件技术是在计算机上通过模拟大规模复杂产品制造而发展起来的。具有建模和仿真环境是虚拟制造的典型特征,它在产品生产、工艺设计、调度计划、后勤安排、财会管理、市场采购等过程为产品提供了一个集成的制造环境,能够预测产品的功能和制造系统的工作状态是虚拟制造在真实产品的制造活动广泛地被推广和应用的重要基础。信息技术、仿真技术和虚拟现实技术是虚拟制造作为一种新的制造技术的重要支持。集中管理和共享资源是虚拟化技术常常采用的一种用来提高资源的利用率和实现资源的自动满足需求的方法。

虚拟化在虚拟制造中具有广阔的应用前景。现代工业中的汽车制造、飞机设计制造、国防建设、航空航天、电力交通等重要领域都有广泛的应用。在今后的发展中,迈向虚拟化、网络化、数字化、集成化、协同化方向的发展趋势是虚拟制造在建模与仿真技术发展的方向,它为研究虚拟化高效能仿真系统提供了广阔的发展和应用前景,与此同时,虚拟化技术扩展和丰富了网络化建模与仿真技术的内涵和应用。

3 大规模高效能计算之体系软件未来发展

从高性能计算转变成高效能服务是未来高效能计算发展的必然趋势,而制约高效能计算技术发展的瓶颈是缺乏一种适合于高效能计算资源所需要的自然特性的计算环境,所以引入新的高效能计算资源管理方法势在必行。高效能计算系统中能够运用虚拟化技术,不仅使高效能计算资源管理的方式,访问的方式和使用方式的到有效改变,而且使整个计算系统中的资源利用率得到显著地提升,继而使从计算系统的效能从整体上得到提升。面对大规模高效能计算出现的问题,大规模计算系统的效能的而研究可以从系统软件的角度进行研究,兼顾功耗管理中常出现的多个目标,设计合理的解决功耗管理问题的方案,实现系统软件完成大规模高效能计算。通过虚拟化管理实现传统物理功耗管理机制与虚拟化功耗管理机制完全的有机兼容,为大规模高效能计算之体系软件未来的发展开辟新的方向。

摘要：首先分析了大规模高效能计算的发展和研究现状,探讨了大规模高效能计算之体系软件的主要体现的几个方面:系统软件的功耗管理、用户环境的虚拟化、虚拟化环境中的功耗管理以及虚拟化技术在高效能计算领域中的应用前景,并对未来大规模高效能计算之体系软件主要技术的发展进行分析和展望。

关键词：高效能计算,系统软件,虚拟化

参考文献

[1]刘勇鹏.大规模高效能计算的系统软件关键技术研究[D].长沙:国防科学技术大学,2012.

[2]陈小军,张璟.面向高效能计算的虚拟化技术研究综述[J].系统仿真学报,2012,24(4):741-747.

[3]曾宇,王洁,孙凝晖.曙光5000A高效能计算节点的设计与实现[J].计算机工程,2009,35(6):17-22.

斗鸡的规模化繁育技术 篇11

2.种鸡舍的修建。种鸡舍应选择在避风向阳的地方修建，雞舍按1只公鸡配6只母鸡的标准设计，一般宽2米、深1.5米、高1.5米。在鸡舍前面应延伸出一块空地供鸡运动，场地要用铁丝网或尼龙丝网罩住，以防种鸡逃出。鸡舍内应置放鸡笼，鸡笼可用木头做骨架，外面用铁丝网包住，以防黄鼠狼偷袭。鸡笼上面可放置鸡窝，供鸡下蛋和孵化。鸡舍内应设置电灯泡，以便在冬天进行光照和取暖。鸡舍地面铺一层中沙，厚度6厘米左右。

3.鸡种选择。目前国内鸡种的数量非常有限，各品种间差异也比较大，要想有太多的选择是不太现实的。只是在培育第二代鸡种的时候要细心观察，在同一窝鸡苗中选择优秀的鸡作种。

4.鸡的孵化。母鸡下蛋后要即时收集，将种蛋大头朝下、小头朝上放在蛋托里，蛋托放在阴凉、空气流通的地方。将每个鸡蛋做上记号或者分开放好，以便将来对种鸡蛋进行取舍。一般母鸡长到9个月大时开始下蛋，当下到20多个蛋时就会抱窝。这时应准备好器皿，器皿内放入稻草或其他柔软透气的垫料，放入20枚左右的鸡蛋，将母鸡放在蛋上即可。母鸡在孵蛋时一定要督促其每天吃喝2次，在上蛋后第21天，小鸡即被孵出。

规模化计算 篇12

1.1 改造后的串行算法

令A=MN,并称M、N为中间矩阵。

(1)若n为奇数,M中的mij元素可由式(1)表示:

M=mij,其他。mij=1,副对角线。

N中的nij元素可由式(2)表示:

Nij=0,其他。

(2)若n为偶数,M中的mij元素可由式(3)表示:

M=mij,其他。mij=1,副对角线。

N中的nij元素可由式(4)表示:

Nij=0,其他。

1.2 串算法的描述

首先计算M的最外两列元素值,N的最外两行元素值,其次,计算M、N的其他值,这时先计算N的第k行、第n-k+1行元素值,再计算M的第k列、第n-k+1列元素值。最后是方程组求解由AX=b及A=MN,原方程组可以简化为:MY=b、NX=Y。先计算中间向量Y,再计算最终解X。

2 基于OpenMP的多核并行算法

2.1 并行计算方法

第一步,用parallel for循环并行化语句来初始化M、N,计算M的最外两列元素值,N的最外两行元素值。

第二步,计算M、N的其他值。第k步计算mki、mn-k+1,i。令:

则有下列二元线性方程组:

在利用parallel for语句循环并行化时用到了调度策略,实现负载均衡,提高计算性能。并且利用规约操作来实现多个线程对互斥变量进行累加操作。

第三步,计算y以及最终的解x。用到了private子句,将特定变量声明为线程的私有量。使得即使在并行区域外有同名的共享量,共享量在并行区域内不起任何作用,并且区域内不会操作到外面的共享量。为了避免在循环过程中不必要的同步栅栏并加快运行速度,还用到了nowait子句。

2.2 并行计算流程图

并行计算流程图如图1所示:

3 基于MPI的多核并行算法的设计与实现

3.1 并行算法

第一步,考虑到在计算过程中处理器之间的负载均衡,0号处理器将矩阵A、b按行交叉划分依次传送给其他所有处理器,每次传送两行(列)给其他处理器。设处理器个数为p,矩阵A的阶数为n,m=[n/(2*p)],对矩阵A行交叉划分后,编号为i(i=0,1,…,p-1)的处理器存有A的第2*i,2*i+1,2*i+p,2*i+p+1…,2*i+(m-1)p,2*i+(m-1)p+1行。然后依次将第0与1,…n-2与n-1行作为主行,将其广播给所有处理器。

第二步,计算M、N。首先由0号处理器初始化M、N的最外两层元素,将其广播,然后所有处理器共同计算M、N。这里用到了规约操作,主要用来做加法,即用到MPI_SUM。由其他处理器将缓冲区中的数据进行加等运算,并将最终结果存放在0进程的缓冲区。

第三步,计算y值及最终的解x。首先由0号处理器广播处理后y值,并发送给其他处理器M、N的值,发送方法与发送A的方法相同。然后进行规约操作,其他处理器将缓冲区中的数据进行加等运算,并将最终结果存放在0进程的缓冲区。

3.2 程序流程图

程序流程图如图2所示:

4 基于PPL的多核并行算法

第一步,初始化M、N。用到了任务并行parallel_invoke,将初始化任务分成了两个并行的任务分别执行完以后,等待,再执行下一步。

第二步,计算M、N的其他值。用到了parallel_for算法来处理三层嵌套for循环。

第三步,计算y以及最终的解x。用到了combinable类,combinable类以无锁方式支持对共享资源的访问,可以避免数据共享时数据竞争。通过使用local方法,每个任务访问自己的combinable管理资源拷贝,当所有任务结束后,通过combine,可以将所有结果合并到一个结果集中。

5 并行计算结果及分析

程序的开发环境为Microsoft Visual Studio 2010,使用的是机器是单CPU,4个核。并行计算结果如表1、表2、图3、图4所示。

6 结语

当矩阵规模较小时,基于MPI的多核并行算法与基于OpenMp的算法比较有效,因为基于PPL的并行算法适用于计算量较大的可并行计算。当矩阵规模较大时基于PPL的多核并行算法比较有效。此时,基于OpenMp、MPI的多核并行算法达不到并行效果。可以得出,在工程计算中,当矩阵的规模较大时,可使用基于PPL的多核并行算法加快计算速度,当矩阵的规模较小时,可使用基于MPI的多核并行算法或基于OpenMp多核并行算法。

参考文献

[1]谢字鹏,施律文.一种基于矩阵LU分解的分段B样条插值法[J].计算机与数字工程,2006(3).