В современных системах автоматизированного проектирования ши

156
Для эффективной организации параллелизма внутри одной SMP-
cистемы возможны два варианта.
1.
 
Для каждого процессора в SMP-машине порождается отдельный 
MPI-процесс. MPI-процессы внутри этой системы обмениваются 
сообщениями через разделяемую память (необходимо настроить 
MPICH соответствующим образом).
2.
 
На каждой машине запускается только один MPI-процесс. Внутри 
каждого MPI-процесса производится распараллеливание в модели 
"общей памяти", например, с помощью директив OpenMP.
После установки реализации MPI имеет смысл протестировать ре-
альную производительность сетевых пересылок.
Кроме MPI, есть и другие библиотеки и системы параллельного про-
граммирования, которые могут быть использованы на кластерах.
Следует понимать, что использование для программирования 
ОpenMosix – расширение (патч) ядра Linux, позволяющее создать единый 
кластер. Превращает сеть обычных персональных компьютеров в супер-
компьютер для Linux-приложений. Представляет собой полнофункцио-
нальную кластерную среду с единой операционной системой (SSI), авто-
матически распараллеливающую задачи между однородными узлами. Это 
позволяет миграцию процессов между машинами – узлами сети.
Кластер ведёт себя подобно SMP-машине (за исключением любых 
видов разделяемой памяти). При этом возможно наращивание до тысяч 
узлов, которые тоже могут быть SMP-машинами. Добавление новых узлов 
возможно параллельно работе кластера, добавленные ресурсы будут за-
действованы автоматически. ОpenMosix также предоставляет оптимизиро-
ванную файловую систему (ОMFS) для HPC-приложений, которая, в отли-
чие от NFS, поддерживает кэширование, отметки о времени и ссылки.
ОpenMosix – это проект, являющийся продолжением проекта 
MOSIX, но под свободной лицензией GPL. Последние релизы MOSIX ста-

---

157
ли проприетарными (закрытыми) в конце 2001 года, а проект openMosix 
стартовал 10 февраля 2002. Инициатор проекта – Moshe Bar.
OpenMosix поставляется с набором утилит для администрирования 
кластера. 
Для 
этого 
имеется 
также 
удобное 
GUI-приложение 
openMosixview.
При обработке результатов сканирующей зондовой микроскопии 
часто встает вопрос о принадлежности объекта исследования тому или 
иному классу объектов. Подобные задачи решаются применением систем 
распознавания. 
Распознавание представляет собой задачу преобразования входной 
информации, в качестве которой уместно рассматривать некоторые пара-
метры, признаки распознаваемых объектов, в выходную, представляющую 
собой заключение о том, к какому классу объектов принадлежит распозна-
ваемый объект. 
Важнейшей характеристикой принимаемых в процессе распознава-
ния решений и основным показателем качества распознавания является 
достоверность [124, 125].
В многоуровневых системах распознавания апостериорная информа-
ция о признаках определяется на основе косвенных измерений. Для таких 
измерений используются специализированные локальные системы распо-
знавания. По данным технических средств 
Т
1,..., 
Тр
,..., 
Tn
определяются 
признаки
x
11,..., 
xk
1;
xp
1,..., 
xlp
;
x
1
n
,..., 
xmn
(первичные признаки), кото-
рые используются локальными системами распознавания для определения 
признаков более высокого ровня, которые, в свою очередь, используются в 
процессе распознавания неизвестных объектов (рис. 6.6) [120, 121].
Результаты полученные при исследовании объектов, подвергаются 
статистическому анализу и фильтрации. Исключаются аномальные значе-
ния. Далее модель, полученная после фильтрации и статистического ана-
лиза в модуле распознавания нижнего уровня (Gauge system, рис. 6.7) [122], 

---