張思親，孔文華，蘇銀科

(北京機(jī)電工程研究所，北京 100074)

0 引 言

隨著新型武器裝備的發(fā)展，基于信息物理系統(tǒng)(cyber physics system，CPS)特征的網(wǎng)絡(luò)化武器系統(tǒng)(如無人集群系統(tǒng))已逐漸成為重要的發(fā)展方向。CPS強(qiáng)調(diào)計(jì)算、網(wǎng)絡(luò)與物理實(shí)體的緊密結(jié)合，通過計(jì)算、通信和控制的協(xié)同合作，獲得整個(gè)系統(tǒng)在適應(yīng)性、功能性、可靠性、效率性等方面的提升。該趨勢反映到網(wǎng)絡(luò)化武器裝備中，則表現(xiàn)為不同時(shí)間和空間上的同構(gòu)或異構(gòu)資源的動(dòng)態(tài)混合系統(tǒng)，包括探測感知資源、指揮控制資源、精確打擊資源、作戰(zhàn)保障資源和打擊效果評估資源等。系統(tǒng)通過分布在各種物理資源上的傳感設(shè)備采集信息，利用多維信息網(wǎng)絡(luò)進(jìn)行信息數(shù)據(jù)的傳輸與交互，最終實(shí)現(xiàn)對網(wǎng)絡(luò)化武器系統(tǒng)各個(gè)實(shí)體的精確動(dòng)態(tài)控制和協(xié)同運(yùn)行，完成其相應(yīng)的作戰(zhàn)使命任務(wù)。網(wǎng)絡(luò)化武器裝備呈現(xiàn)出功能多樣化、環(huán)境復(fù)雜化、任務(wù)綜合化、特征智能化的特征，其運(yùn)行機(jī)制和功能形態(tài)的演化過程充滿了不確定性，對開展半實(shí)物仿真試驗(yàn)驗(yàn)證帶來新的挑戰(zhàn)，主要表現(xiàn)為以下幾個(gè)方面：

1)采用通用計(jì)算機(jī)來構(gòu)建集群仿真系統(tǒng)，運(yùn)行效能低下，成本巨大。這主要因?yàn)橥ㄓ糜?jì)算機(jī)執(zhí)行機(jī)構(gòu)固定不變，依靠仿真軟件編程實(shí)現(xiàn)仿真計(jì)算和運(yùn)行控制具有較強(qiáng)的通用性。為了滿足實(shí)時(shí)仿真需求，通常采用資源最大化配置，要實(shí)現(xiàn)集群武器裝備仿真，所需資源巨大，成本難于估計(jì)，對其進(jìn)行管理、調(diào)度、重構(gòu)的代價(jià)也很大。

2)采用專用計(jì)算機(jī)構(gòu)建集群仿真系統(tǒng)，需依據(jù)特定應(yīng)用需求，盡管可以達(dá)到較高的運(yùn)行效能，但通用性極差，難以滿足網(wǎng)絡(luò)化裝備系統(tǒng)仿真需求。

圖1給出了不同計(jì)算形式的靈活性和性能關(guān)系示意圖。

圖1 不同計(jì)算形式的靈活性與性能Fig.1 Flexibility and performance of various computing forms

因此，需要研究一種能夠感知仿真任務(wù)需求、進(jìn)行軟/硬件架構(gòu)重構(gòu)的實(shí)時(shí)仿真平臺(tái)，在仿真任務(wù)與仿真資源間進(jìn)行動(dòng)態(tài)決策，給出效能最優(yōu)的匹配，實(shí)現(xiàn)仿真平臺(tái)通用性和運(yùn)行效能的最佳平衡，滿足具有信息物理系統(tǒng)特征的網(wǎng)絡(luò)化武器系統(tǒng)的試驗(yàn)驗(yàn)證需求。隨著現(xiàn)代計(jì)算技術(shù)的發(fā)展，特別是近年來出現(xiàn)的擬態(tài)計(jì)算技術(shù)和可重構(gòu)技術(shù)，為集群仿真系統(tǒng)實(shí)現(xiàn)帶來了新的可能。本文將重點(diǎn)分析擬態(tài)計(jì)算技術(shù)和可重構(gòu)計(jì)算技術(shù)的發(fā)展現(xiàn)狀，分析其在集群仿真應(yīng)用中的可行性，提出集群仿真應(yīng)用中需解決的技術(shù)難點(diǎn)，設(shè)計(jì)基于擬態(tài)重構(gòu)技術(shù)的集群仿真系統(tǒng)原理驗(yàn)證方案。

1 擬態(tài)重構(gòu)技術(shù)現(xiàn)狀分析

1.1 擬態(tài)計(jì)算技術(shù)的現(xiàn)狀分析

擬態(tài)，本意是指一種生物在形態(tài)、行為等特征上模擬另一種生物，從而使一方或雙方受益的生態(tài)適應(yīng)現(xiàn)象。擬態(tài)章魚是自然界最具代表性的擬態(tài)偽裝大師，它可以通過扭曲身體和觸手，來模仿至少15種動(dòng)物的外表和行為，包括海蛇、比目魚、巨蟹、海貝、水母、?？鹊?。受到擬態(tài)章魚等自然現(xiàn)象的啟發(fā)，美國懷俄明州立大學(xué)的SPEAR等提出的擬態(tài)物理學(xué)(physicomimetics or artificial physics，AP)[1-3]，是一種模擬物體間存在虛擬力作用以及物體運(yùn)動(dòng)遵循牛頓力學(xué)定律的方法，并提出擬態(tài)物理學(xué)框架，實(shí)現(xiàn)了將傳統(tǒng)的物理分析技術(shù)用于群體行為的預(yù)測。AP主要應(yīng)用于群機(jī)器人系統(tǒng)的分布式控制(包括群機(jī)器人的編隊(duì)、區(qū)域覆蓋和避障等)，如目前應(yīng)用廣泛的蟻群算法，以及求解最優(yōu)化問題，如擬態(tài)物理學(xué)優(yōu)化算法。

2015年以來，解放軍信息工程大學(xué)等團(tuán)隊(duì)借鑒AP的方法，提出了一種基于擬態(tài)計(jì)算的主動(dòng)認(rèn)知可重構(gòu)體系結(jié)構(gòu)，將AP概念成功應(yīng)用于高性能計(jì)算中，提出擬態(tài)計(jì)算的概念，并成功研制世界首臺(tái)擬態(tài)計(jì)算機(jī)[4]，為全球高性能計(jì)算機(jī)的發(fā)展開辟了新方向。擬態(tài)計(jì)算是一種能根據(jù)資源、任務(wù)、安全、服務(wù)和時(shí)效性等元素的變化，變換出盡可能合適的結(jié)構(gòu)形態(tài)，從而得到高處理效能的計(jì)算模式，具有以下特征：

1) 擬態(tài)計(jì)算以實(shí)現(xiàn)高效能和高性能計(jì)算為目的，具有按需分配資源、結(jié)構(gòu)可變、靈活計(jì)算的特點(diǎn)。擬態(tài)計(jì)算以多維重構(gòu)函數(shù)化體系結(jié)構(gòu)與動(dòng)態(tài)多變體運(yùn)行機(jī)制為核心，對高性能計(jì)算在多個(gè)典型領(lǐng)域的應(yīng)用、結(jié)構(gòu)和效能關(guān)系進(jìn)行了深入分析，引入了“應(yīng)用決定結(jié)構(gòu)，結(jié)構(gòu)決定效能”的理念。相比于傳統(tǒng)信息系統(tǒng)的靜態(tài)性、相似性和確定性，擬態(tài)計(jì)算系統(tǒng)具有非持續(xù)性、非相似性和非確定性等基本屬性。擬態(tài)計(jì)算機(jī)的結(jié)構(gòu)動(dòng)態(tài)可變，軟硬件結(jié)合進(jìn)行計(jì)算，針對用戶不同的應(yīng)用需求，擬態(tài)計(jì)算機(jī)可通過改變自身結(jié)構(gòu)來提高效能。

2) 擬態(tài)計(jì)算通過識別應(yīng)用的需求及變化，同時(shí)感知系統(tǒng)中可以利用的處理資源，依據(jù)盡可能高效的原則構(gòu)建出適合于應(yīng)用需求的處理結(jié)構(gòu)，并且該結(jié)構(gòu)隨著應(yīng)用的變化(如計(jì)算進(jìn)展階段、處理負(fù)荷等方面的變化)可進(jìn)行結(jié)構(gòu)的主動(dòng)變更，達(dá)到自適應(yīng)重構(gòu)、提高計(jì)算效能的目的。擬態(tài)計(jì)算能充分利用程序和計(jì)算部件的異構(gòu)性，各盡其能，合理分治，協(xié)同計(jì)算一個(gè)應(yīng)用任務(wù)，兼顧性能和靈活性[5]。目前，鄭州信息工程大學(xué)以高效能和高安全性計(jì)算為目標(biāo)，提出了以多維重構(gòu)函數(shù)化體系結(jié)構(gòu)與動(dòng)態(tài)多變體運(yùn)行機(jī)制為核心的擬態(tài)計(jì)算和擬態(tài)安全防御技術(shù)體系，給出了需要進(jìn)一步研究的主要科學(xué)與工程技術(shù)問題。

通過以上對擬態(tài)計(jì)算的特征分析可以看出，擬態(tài)計(jì)算模式可為網(wǎng)絡(luò)化武器裝備集群仿真系統(tǒng)構(gòu)建提供新的有效手段。

1.2 可重構(gòu)計(jì)算技術(shù)的現(xiàn)狀分析

可重構(gòu)計(jì)算的概念最早由ESTRIN等在1963年提出，目前學(xué)術(shù)界所常用的可重構(gòu)計(jì)算是指：系統(tǒng)具有某種形式可編程的硬件，可通過一系列物理控制點(diǎn)定期定制硬件的功能，從而可以使用相同的硬件執(zhí)行不同的應(yīng)用[6-7]?？芍貥?gòu)計(jì)算有希望填補(bǔ)硬件計(jì)算(基于專用集成電路的計(jì)算)和軟件計(jì)算(基于通用處理器的計(jì)算)之間在性能與靈活性上的鴻溝，從而在獲得高于軟件計(jì)算性能的同時(shí)保持高于硬件計(jì)算的靈活性?？芍貥?gòu)計(jì)算的器件通常由計(jì)算單元陣列和連線資源構(gòu)成，兩者都是可編程的。計(jì)算單元又稱為邏輯塊，它的功能由一定數(shù)量的配置位所決定，邏輯塊之間的互連由連線資源決定。邏輯塊實(shí)現(xiàn)簡單的邏輯功能，經(jīng)過可配置連線的連接實(shí)現(xiàn)復(fù)雜的定制功能。根據(jù)邏輯塊粒度的大小，可重構(gòu)器件可以分為細(xì)粒度結(jié)構(gòu)和粗粒度結(jié)構(gòu)，一些更細(xì)化的分類也將粒度大小分為細(xì)粒度、中等粒度、粗粒度和超粗粒度[8]。最常見的可重構(gòu)硬件當(dāng)屬現(xiàn)場可編程門陣列(field programmable gate array, FPGA)，有些文獻(xiàn)直接將基于FPGA的計(jì)算等同于可重構(gòu)計(jì)算[9]，F(xiàn)PGA就是一種細(xì)粒度可重構(gòu)器件。

對于可重構(gòu)系統(tǒng)，如果可重構(gòu)軟硬件僅僅在工作之前被重構(gòu)，則該系統(tǒng)稱為靜態(tài)可重構(gòu)系統(tǒng)或編譯時(shí)可重構(gòu)系統(tǒng)。如果系統(tǒng)在運(yùn)行過程中可重構(gòu)軟硬件能夠被重構(gòu)，在不同時(shí)刻完成不同功能，則稱該系統(tǒng)為動(dòng)態(tài)可重構(gòu)系統(tǒng)或運(yùn)行時(shí)可重構(gòu)系統(tǒng)。一般可重構(gòu)計(jì)算系統(tǒng)都采用可重構(gòu)硬件和通用微處理器結(jié)合的形式，通用微處理器執(zhí)行可重構(gòu)硬件無法高效完成的操作，如數(shù)據(jù)依賴的控制、存儲(chǔ)訪問等，而計(jì)算密集的程序熱點(diǎn)則被映射到可重構(gòu)硬件上完成。根據(jù)通用微處理器和可重構(gòu)硬件的耦合方式，可重構(gòu)硬件在計(jì)算系統(tǒng)中大致可以分為四類：可重構(gòu)功能單元、可重構(gòu)協(xié)處理器、可重構(gòu)附屬處理單元和可重構(gòu)獨(dú)立處理單元。

可重構(gòu)計(jì)算技術(shù)在許多領(lǐng)域已得到了廣泛應(yīng)用。主要包括以下幾個(gè)方面：

1) 在商用可重構(gòu)硬件方面，F(xiàn)PGA最為成熟普遍，通常作為獨(dú)立芯片甚至板卡的形式存在。所以，在現(xiàn)有商用可重構(gòu)計(jì)算系統(tǒng)中FPGA的使用最多，且多數(shù)以后兩種耦合結(jié)構(gòu)存在，如：作為附屬處理單元的有Intel QuickAssist的FSB-FPGA加速系統(tǒng)[10]以及XtremeData的FPGA加速平臺(tái)[11]等；作為獨(dú)立處理單元的有SRC-7可重構(gòu)超級計(jì)算機(jī)[12]等。

2) 在器件級重構(gòu)技術(shù)方面，目前國內(nèi)外的研究熱點(diǎn)是基于可重構(gòu)計(jì)算體系結(jié)構(gòu)的定制體系結(jié)構(gòu)研究。華盛頓大學(xué)計(jì)算機(jī)科學(xué)和工程學(xué)院的EBELING等提出了一種1-D 帶狀結(jié)構(gòu)的RaPiD(reconfigurable pipeline data-path)[13]，這是一種粗粒度靜態(tài)可重構(gòu)計(jì)算體系結(jié)構(gòu)，實(shí)現(xiàn)了對數(shù)字信號處理(digital signal process, DSP)規(guī)則運(yùn)算的支持，能夠按照算法的要求配置適當(dāng)?shù)臄?shù)據(jù)通路。HP實(shí)驗(yàn)室的Alan-Marshall研究小組提出了一種采用2D 網(wǎng)絡(luò)結(jié)構(gòu)的可重構(gòu)計(jì)算陣列稱為棋盤格布局(floorplan-is-chess board-like)[13]，作為專用集成電路 (application specific integrated circuit，ASIC)或處理器的一個(gè)部件工作，可為多媒體算法提供足夠的計(jì)算能力和足夠的分布式存儲(chǔ)資源。加州大學(xué)伯克利分校的研究團(tuán)隊(duì)提出了一種基于Crossbar的Pleiades體系結(jié)構(gòu)[14]，把可編程微處理器、處理單元及存儲(chǔ)器結(jié)合在一起，所有硬件結(jié)構(gòu)使用同一個(gè)控制模塊和可重構(gòu)通信網(wǎng)絡(luò)，通過編程配置實(shí)現(xiàn)通信、圖像處理和視頻編碼等領(lǐng)域的大量算法，形成低功耗專用信號處理器。國防科大完成了可重構(gòu)功能單元自動(dòng)生成技術(shù)研究[15]，把ASIP(application specific instruction-set processor)和可重構(gòu)單元結(jié)合在一起，避免了采用耦合細(xì)粒度可重構(gòu)單元帶來的高設(shè)計(jì)代價(jià)問題，在密碼領(lǐng)域應(yīng)用中取得了較好的性能。西安理工大學(xué)的陳小軍等提出了通過在現(xiàn)有計(jì)算系統(tǒng)中增加虛擬化層、隔離硬件和多層軟件之間的緊耦合關(guān)系[16]，實(shí)現(xiàn)透明化、可伸縮的系統(tǒng)架構(gòu)，從而實(shí)現(xiàn)體系結(jié)構(gòu)各層之間的自適應(yīng)重構(gòu)。

3) 在針對具體應(yīng)用領(lǐng)域的可重構(gòu)技術(shù)研究方面，美國卡耐基梅隆大學(xué)的GOLDSTEIN等提出了PipeRench結(jié)構(gòu)[17-18]，結(jié)合了流水線技術(shù)和模塊可重構(gòu)技術(shù)，根據(jù)任務(wù)需求可動(dòng)態(tài)調(diào)度流水線重構(gòu)系統(tǒng)中的指令流和數(shù)據(jù)流，減少編譯時(shí)間和重構(gòu)時(shí)間。清華大學(xué)的朱敏等研究設(shè)計(jì)了面向密碼領(lǐng)域的可重構(gòu)陣列[19]，包含4個(gè)由16×16個(gè)細(xì)粒度基本單元構(gòu)成的比特陣列和1個(gè)由8×8個(gè)字節(jié)粒度基本單元構(gòu)成的字節(jié)陣列。國防科大的嚴(yán)明提出了一種基于可編程數(shù)據(jù)流計(jì)算的體系結(jié)構(gòu)框架ProDFA[20]，是一種粗粒度可重構(gòu)結(jié)構(gòu)，包含多個(gè)可重構(gòu)數(shù)據(jù)流水線通路，具有靈活的可編程特性和高效的計(jì)算特性。NAJEM等提出利用新型堆疊結(jié)構(gòu)對整個(gè)系統(tǒng)的運(yùn)行過程進(jìn)行優(yōu)化，用以大幅度減少重構(gòu)時(shí)間成本[21]。空軍工程大學(xué)的邵雷等提出了一種基于多模型的自適應(yīng)重構(gòu)控制方法[22]，解決了飛控系統(tǒng)執(zhí)行器故障引起參數(shù)大范圍跳變的問題。

以上均為采用異構(gòu)的粗粒度重構(gòu)結(jié)構(gòu)，粒度、通信結(jié)構(gòu)、存儲(chǔ)結(jié)構(gòu)等相對固定，不適合數(shù)據(jù)量、算法、任務(wù)量等彈性變化的計(jì)算，對集群仿真應(yīng)用不具備很好的加速性能。擬態(tài)計(jì)算技術(shù)以“應(yīng)用決定結(jié)構(gòu)，結(jié)構(gòu)決定效能”為主要思想，以認(rèn)知計(jì)算需求為實(shí)現(xiàn)方法，利用可重構(gòu)計(jì)算技術(shù)，完成高性能、高效能計(jì)算，即擬態(tài)計(jì)算本質(zhì)上是一種基于認(rèn)知的主動(dòng)重構(gòu)計(jì)算技術(shù)[23]。解放軍信息工程大學(xué)的鄔江興院士及其團(tuán)隊(duì)提出了一種基于認(rèn)知的主動(dòng)重構(gòu)計(jì)算體系結(jié)構(gòu)[4]，以效能、資源利用率為目標(biāo)，以業(yè)務(wù)、資源、處理負(fù)荷等為感知和響應(yīng)源，通過體系結(jié)構(gòu)的主動(dòng)重構(gòu)，來實(shí)現(xiàn)整個(gè)體系的帶有時(shí)間特性的整體高效。該計(jì)算體系結(jié)構(gòu)，對于研究面向集群仿真的體系架構(gòu)具有較好的借鑒作用。圖2為可重構(gòu)系統(tǒng)的研究框架。

圖2 可重構(gòu)系統(tǒng)的研究框架Fig.2 Framework of studying reconfiguration system

2 擬態(tài)重構(gòu)技術(shù)在集群仿真應(yīng)用中需解決的技術(shù)難點(diǎn)

要將擬態(tài)計(jì)算思想和可重構(gòu)計(jì)算技術(shù)成功應(yīng)用于集群仿真中，使得集群仿真系統(tǒng)獲得最大效能，需要解決任務(wù)認(rèn)知、性能評價(jià)標(biāo)準(zhǔn)體系建立等技術(shù)難點(diǎn)。

2.1 仿真任務(wù)的自適應(yīng)認(rèn)知

為使仿真計(jì)算機(jī)能夠自適應(yīng)地完成計(jì)算結(jié)構(gòu)重構(gòu)從而獲得更大效能，需要讓計(jì)算機(jī)對仿真任務(wù)所需要的計(jì)算形式和計(jì)算量進(jìn)行實(shí)時(shí)認(rèn)知與表征。認(rèn)知任務(wù)分析方法始于20世紀(jì)80年代早期，主要源于計(jì)算機(jī)模擬和人工智能等領(lǐng)域的需求。認(rèn)知及其發(fā)展研究涉及兩個(gè)核心問題：一是如何確定實(shí)驗(yàn)任務(wù)或問題的復(fù)雜程度；二是如何確定個(gè)體在任務(wù)上的認(rèn)知表現(xiàn)或表征水平。

對于一個(gè)認(rèn)知任務(wù)，進(jìn)行分析與表征的一般方法主要包括4個(gè)步驟或階段：準(zhǔn)備數(shù)據(jù)、安排數(shù)據(jù)、發(fā)現(xiàn)意義和表征發(fā)現(xiàn)物。山西大學(xué)的魏屹東[24]提出了一種以決策為中心的設(shè)計(jì)方法 (decision-centered design, DCD)，該方法由5個(gè)階段構(gòu)成：

1) 準(zhǔn)備：理解認(rèn)知工作的領(lǐng)域和性質(zhì)、任務(wù)和功能認(rèn)知的范圍，確定在哪里集中任務(wù)認(rèn)知分析資源，以及選擇認(rèn)知任務(wù)分析方法；

2) 知識引導(dǎo)：使用認(rèn)知任務(wù)分析方法組織實(shí)施關(guān)鍵決定和認(rèn)知復(fù)雜任務(wù)的深入檢驗(yàn)；

3) 分析與表征：分解并結(jié)構(gòu)化數(shù)據(jù)，以啟迪決策需要和設(shè)計(jì)杠桿點(diǎn)；

4) 應(yīng)用設(shè)計(jì)：重復(fù)地發(fā)展設(shè)計(jì)概念并支持使用者的決策應(yīng)用原型；

5) 評價(jià)：確定行為的重要測量，評價(jià)和提升原型。

通過以上方法可以完成計(jì)算任務(wù)的實(shí)時(shí)認(rèn)知與表征，從而進(jìn)一步為計(jì)算任務(wù)分配合適的計(jì)算資源以完成計(jì)算。

在集群仿真的需求認(rèn)知中應(yīng)用該方法，具體可分為4個(gè)階段：首先分析集群系統(tǒng)仿真任務(wù)特征，集群系統(tǒng)仿真任務(wù)通常包括編隊(duì)信息獲取仿真服務(wù)、編隊(duì)決策與管理仿真服務(wù)、編隊(duì)飛行控制仿真服務(wù)和成員飛行控制仿真服務(wù)等；其次根據(jù)任務(wù)特征將仿真計(jì)算的總體需求分解成基準(zhǔn)-時(shí)空配準(zhǔn)算法、相對位置相對速度算法、動(dòng)態(tài)任務(wù)規(guī)劃算法、編隊(duì)模型預(yù)測控制算法、擁塞控制算法等具體算法；然后以各算法所需資源驅(qū)動(dòng)認(rèn)知策略，將整體仿真任務(wù)進(jìn)行模塊化特征歸納，從而完成認(rèn)知過程；最后通過集群系統(tǒng)執(zhí)行任務(wù)由簡到繁的推演方法驗(yàn)證評價(jià)認(rèn)知的精確性。

2.2 任務(wù)與資源的匹配策略

為了驗(yàn)證基于擬態(tài)重構(gòu)的實(shí)時(shí)仿真平臺(tái)能夠主動(dòng)適應(yīng)仿真應(yīng)用任務(wù)需求變化的高效能特征，需要構(gòu)建相應(yīng)的性能評價(jià)標(biāo)準(zhǔn)體系。對于擬態(tài)重構(gòu)的實(shí)時(shí)仿真平臺(tái)的計(jì)算能力，主要考察其對集群系統(tǒng)中計(jì)算節(jié)點(diǎn)分配的合理性，即：為系統(tǒng)中每一個(gè)并行任務(wù)分配處理器等資源，并指派占用這些資源的起止時(shí)間，在滿足依賴關(guān)系的條件下，使得所有任務(wù)較早完成，并且能量消耗盡量少。需要解決的技術(shù)難點(diǎn)問題如下：

2.2.1 并行系統(tǒng)運(yùn)行能耗優(yōu)化策略

節(jié)能調(diào)度方法與傳統(tǒng)的并行任務(wù)調(diào)度方法相比，核心目標(biāo)不是減少整體的任務(wù)完成時(shí)間，而是希望盡可能地減少任務(wù)占用資源數(shù)目和占用各資源的時(shí)間，提高資源利用率，達(dá)到整個(gè)集群系統(tǒng)處理能力和能量消耗之間的平衡。節(jié)能調(diào)度算法設(shè)計(jì)是高性能計(jì)算領(lǐng)域中的一個(gè)研究熱點(diǎn)。國內(nèi)外學(xué)者普遍采用啟發(fā)式算法生成調(diào)度方案，減少任務(wù)總體完成時(shí)間，降低系統(tǒng)能耗。多處理器任務(wù)調(diào)度算法(task duplication scheduling, TDS)[25]將所有任務(wù)以流程關(guān)系圖的拓?fù)浣Y(jié)構(gòu)表示，把需求按照流程關(guān)系劃分為不同路徑，每條路徑上的任務(wù)作為一組，分配到同一個(gè)處理資源上執(zhí)行。該方法通過在數(shù)據(jù)相關(guān)的任務(wù)分組上復(fù)制執(zhí)行前驅(qū)任務(wù)來減少處理器間的數(shù)據(jù)傳輸延遲，縮短所有任務(wù)的總體執(zhí)行時(shí)間。但是，任務(wù)復(fù)制執(zhí)行雖然能夠有效地提高總體執(zhí)行時(shí)間性能，卻使得任務(wù)執(zhí)行能耗進(jìn)一步增加。為此，ZONG等[26]在TDS的研究基礎(chǔ)上，提出了兩種非搶占式離線節(jié)能調(diào)度算法——能耗感知調(diào)度(energy-aware duplication, EAD)和效能平衡調(diào)度(performance-energy balanced duplication, PEBD)，分別通過設(shè)置任務(wù)能量閾值和能量時(shí)間比閾值，減少低能效任務(wù)復(fù)制次數(shù)，從而降低系統(tǒng)的總體能耗。山東大學(xué)的李新等[27]提出了一種啟發(fā)式處理器合并優(yōu)化方法，該方法按照任務(wù)最早開始時(shí)間和最早結(jié)束時(shí)間查找處理器時(shí)間空隙，將輕負(fù)載處理器上的任務(wù)重新分配到其他處理器上，從而減少被使用的處理器數(shù)目，降低系統(tǒng)總體能耗。清華大學(xué)的郭振宇等[28]提出了運(yùn)用Betto的優(yōu)化框架降低運(yùn)行時(shí)能耗，其主要思想為：把運(yùn)行時(shí)的工作盡量安排到離線狀況下來完成，結(jié)合以前多次的優(yōu)化，用比較少的代價(jià)達(dá)到相同的效果。

2.2.2 計(jì)算機(jī)動(dòng)態(tài)負(fù)載平衡策略

負(fù)載分配主要是指節(jié)點(diǎn)間負(fù)載分配，目的在于均衡各運(yùn)行節(jié)點(diǎn)負(fù)載，進(jìn)而實(shí)現(xiàn)高效的并行計(jì)算，以減小任務(wù)響應(yīng)時(shí)間。負(fù)載平衡策略希望均衡所有節(jié)點(diǎn)上的負(fù)載，使所有節(jié)點(diǎn)上的計(jì)算強(qiáng)度基本相等，這種相等并非簡單的任務(wù)數(shù)目相等，而是根據(jù)這些異構(gòu)節(jié)點(diǎn)的性能高低進(jìn)行加權(quán)處理，從而為各節(jié)點(diǎn)分派相同的計(jì)算壓力。為此需要根據(jù)系統(tǒng)負(fù)載的變化進(jìn)行任務(wù)的動(dòng)態(tài)遷移，同時(shí)，負(fù)載平衡支持并行應(yīng)用，在運(yùn)用負(fù)載平衡策略的系統(tǒng)中選取一些節(jié)點(diǎn)作為并行處理單元，選取其中一個(gè)作為上位控制節(jié)點(diǎn)，并給其他節(jié)點(diǎn)分配一定的任務(wù)以實(shí)現(xiàn)并行計(jì)算。因此，負(fù)載平衡系統(tǒng)可以為沒有并行機(jī)的用戶提供一個(gè)研究并行機(jī)制和應(yīng)用的環(huán)境。負(fù)載平衡系統(tǒng)屬于松散耦合的網(wǎng)絡(luò)系統(tǒng)，它只能支持粗粒度和中粒度的并行[29]。在復(fù)雜網(wǎng)絡(luò)并行計(jì)算系統(tǒng)中，采用動(dòng)態(tài)負(fù)載平衡算法分配系統(tǒng)中的工作負(fù)載，能夠顯著地提高系統(tǒng)的性能。目前，雖然有多種動(dòng)態(tài)負(fù)載平衡算法，但對其研究仍舊處于一個(gè)起步階段。隨著專用和非專用的網(wǎng)絡(luò)計(jì)算環(huán)境，特別是異構(gòu)型網(wǎng)絡(luò)計(jì)算的發(fā)展，對動(dòng)態(tài)負(fù)載平衡技術(shù)將會(huì)開展更加深入、細(xì)致的研究，并在工程實(shí)踐上進(jìn)行檢驗(yàn)。

在擬態(tài)重構(gòu)平臺(tái)中，能夠使集群系統(tǒng)各運(yùn)行狀態(tài)下各計(jì)算節(jié)點(diǎn)的運(yùn)行概率相同，達(dá)到對集群系統(tǒng)仿真計(jì)算動(dòng)態(tài)負(fù)載平衡狀態(tài)，即為并行計(jì)算中效能最優(yōu)的資源分配方案。

基于以上理論，可以對能耗、計(jì)算速度和資源占用進(jìn)行量化，建立包含硬件可重構(gòu)性、設(shè)備運(yùn)行效能、計(jì)算處理能力等質(zhì)量指標(biāo)的多維度聯(lián)合評價(jià)體系，得到實(shí)時(shí)和資源約束條件下的動(dòng)態(tài)匹配策略。

3 基于擬態(tài)重構(gòu)技術(shù)的集群仿真原理性驗(yàn)證

集群仿真平臺(tái)主要由可重構(gòu)的實(shí)時(shí)仿真基礎(chǔ)處理單元、遠(yuǎn)程管控和監(jiān)視節(jié)點(diǎn)、光纖實(shí)時(shí)網(wǎng)絡(luò)、以太網(wǎng)服務(wù)網(wǎng)絡(luò)等組成。其中仿真基礎(chǔ)處理單元是集群仿真應(yīng)用架構(gòu)中的運(yùn)算中心，負(fù)責(zé)對集群系統(tǒng)仿真任務(wù)需求進(jìn)行實(shí)時(shí)解算。仿真基礎(chǔ)處理單元具備高性能的計(jì)算資源、可配置可重構(gòu)的存儲(chǔ)資源以及1553B、CAN、RS422、開關(guān)量、AD/DA、以太網(wǎng)、光纖網(wǎng)等接口資源以及電源控制接口資源，可以獨(dú)立運(yùn)行，也可以彼此連接構(gòu)成一定規(guī)模的網(wǎng)絡(luò)化計(jì)算資源。

遠(yuǎn)程管控和監(jiān)視節(jié)點(diǎn)是實(shí)時(shí)仿真支撐平臺(tái)的核心節(jié)點(diǎn)，負(fù)責(zé)任務(wù)需求參數(shù)的識別、任務(wù)需求與仿真資源動(dòng)態(tài)匹配策略的形成與實(shí)施。遠(yuǎn)程管控和監(jiān)視節(jié)點(diǎn)接收用戶的仿真任務(wù)，實(shí)時(shí)進(jìn)行處理，并發(fā)送控制指令給各個(gè)仿真基礎(chǔ)處理單元，使其動(dòng)態(tài)適時(shí)運(yùn)行。即遠(yuǎn)程管控和監(jiān)視節(jié)點(diǎn)控制計(jì)算資源進(jìn)行“擬態(tài)”，利用實(shí)時(shí)仿真基礎(chǔ)處理單元之間的配置和實(shí)時(shí)仿真基礎(chǔ)處理單元內(nèi)部硬件“可重構(gòu)”來完成總體仿真計(jì)算。

3.1 原理樣機(jī)硬件設(shè)計(jì)

仿真基礎(chǔ)處理單元原理樣機(jī)硬件架構(gòu)如圖3所示。

圖3 仿真基礎(chǔ)處理單元原理樣機(jī)硬件架構(gòu)Fig.3 Framework of prototype of basic processing unit of simulation

仿真基礎(chǔ)處理單元原理樣機(jī)主要包括以下4個(gè)關(guān)鍵的組成部分：

1) 主控ZYNQ控制核心板：采用CPU+FPGA+ASIC(專用集成電路)的刀片服務(wù)器作為仿真基礎(chǔ)處理單元的架構(gòu)。該刀片服務(wù)器采用單獨(dú)的中央處理器芯片和與其配套的芯片組構(gòu)成CPU卡，基于嵌入式技術(shù)延伸 (embedded technology extended, ETX)模塊的CPU卡集成了CPU、PCI總線、橋芯片、存儲(chǔ)器、顯示芯片、聲音芯片、以及標(biāo)準(zhǔn)PC/IO功能的特殊芯片等。

2) 處理器端存儲(chǔ)器：處理器端存儲(chǔ)器是ZYNQ PS端的主RAM存儲(chǔ)器，容量和運(yùn)行的穩(wěn)定性對系統(tǒng)運(yùn)行、數(shù)據(jù)處理及流程處理有重要影響。

3) 主控板電源管理設(shè)計(jì)：主控板上需要多個(gè)電源軌道，通過電源模塊的PowerGood引腳和Run引腳進(jìn)行控制。同時(shí)使用雙倍速率同步動(dòng)態(tài)隨機(jī)存儲(chǔ)器的專用電源芯片的PowerGood引腳來控制ZYNQ PS端的RST_N信號，從而終止ZYNQ芯片的復(fù)位，并開始啟動(dòng)過程。

4) 功能接口設(shè)計(jì)：原理樣機(jī)硬件支持RS422串口，光電隔離開關(guān)量輸入，同時(shí)通過ZYNQ PL端的高速GTX接口可實(shí)現(xiàn)多種高速串行接口，硬件支持FC-AE-1553B、光纖通信、Serial RapidIO等多種通信協(xié)議。

3.2 原理性驗(yàn)證

采用仿真基礎(chǔ)處理單元原理樣機(jī)作為擬態(tài)節(jié)點(diǎn)，構(gòu)成3個(gè)節(jié)點(diǎn)的原理驗(yàn)證系統(tǒng)，開展功能測試。

擬態(tài)節(jié)點(diǎn)組網(wǎng)有多種組網(wǎng)方式，可以根據(jù)任務(wù)輸入的不同，配置多個(gè)擬態(tài)節(jié)點(diǎn)，來滿足相關(guān)任務(wù)對接口數(shù)量的要求。當(dāng)任務(wù)的計(jì)算需求增大時(shí)，也可以配置更多的擬態(tài)節(jié)點(diǎn)用于計(jì)算，或者是將原來用于接口的資源重配置后再將節(jié)點(diǎn)資源用于計(jì)算。各個(gè)擬態(tài)節(jié)點(diǎn)之間的通信可以通過千兆以太網(wǎng)實(shí)現(xiàn)，對于數(shù)據(jù)量更大或者對實(shí)時(shí)性要求更高的通信場合也可以通過光纖網(wǎng)實(shí)現(xiàn)數(shù)據(jù)交互。圖4給出了擬態(tài)仿真平臺(tái)架構(gòu)原理驗(yàn)證實(shí)驗(yàn)方案的示意圖。

同時(shí)，還有一種工作模式是各個(gè)擬態(tài)節(jié)點(diǎn)完全受控于遠(yuǎn)程管理與監(jiān)控節(jié)點(diǎn)(該節(jié)點(diǎn)為PC工作站)，可以通過插入其中的光纖接口板及光纖網(wǎng)絡(luò)對所有擬態(tài)節(jié)點(diǎn)進(jìn)行控制。此種工作模式下，擬態(tài)節(jié)點(diǎn)相當(dāng)于控制節(jié)點(diǎn)的遠(yuǎn)程輸入輸出設(shè)備。

圖4 擬態(tài)仿真平臺(tái)架構(gòu)原理驗(yàn)證示意圖Fig.4 Sketch of validating the theory of simulation system based on mimic computing technology

4 結(jié)束語

擬態(tài)物理學(xué)與可重構(gòu)計(jì)算在靈活性、可擴(kuò)展性、實(shí)時(shí)性和可靠性等各方面都具有巨大優(yōu)勢，這對高性能計(jì)算系統(tǒng)的啟發(fā)性至關(guān)重要，但目前其技術(shù)體系尚不完善，理論與實(shí)踐應(yīng)用領(lǐng)域比較狹窄。在諸如集群仿真平臺(tái)的復(fù)雜系統(tǒng)計(jì)算中，由于待分析主體數(shù)量龐大，主體之間關(guān)系錯(cuò)綜復(fù)雜，所需仿真計(jì)算量成幾何倍數(shù)增長，迫切需要基于擬態(tài)重構(gòu)技術(shù)的新型高性能計(jì)算機(jī)提供支撐。目前，國內(nèi)外在動(dòng)態(tài)可重構(gòu)技術(shù)、基于擬態(tài)物理學(xué)的群智能行為建模、擬態(tài)計(jì)算等方面的研究資料較多，而擬態(tài)計(jì)算技術(shù)、動(dòng)態(tài)重構(gòu)技術(shù)在仿真平臺(tái)中應(yīng)用研究的資料很少，尚無直接資料報(bào)道。針對基于擬態(tài)重構(gòu)的集群仿真平臺(tái)構(gòu)建方法的研究還需要進(jìn)一步完善理論體系結(jié)構(gòu)，需要著重解決以下3個(gè)方面的問題：

1) 針對集群系統(tǒng)仿真任務(wù)的認(rèn)知需求，需要具體細(xì)致的算法將仿真任務(wù)進(jìn)行聚類和量化，以確定對計(jì)算性能的需求；

2) 根據(jù)條件的限制，分析重構(gòu)粒度的層次量級，以達(dá)到使用效能與構(gòu)建代價(jià)的均衡；

3) 面對仿真計(jì)算任務(wù)和計(jì)算資源提出合理高效的映射算法，在節(jié)點(diǎn)間分派負(fù)載，均衡各結(jié)點(diǎn)負(fù)載，進(jìn)而實(shí)現(xiàn)并行計(jì)算，以減小任務(wù)響應(yīng)時(shí)間，平衡各計(jì)算節(jié)點(diǎn)的計(jì)算任務(wù)，達(dá)到最優(yōu)效能。