АЛГОРИТМИЧЕСКОГО ДЕКОМПОЗИЦИИ И РЕДУКЦИЯ БОЛЬШИХ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ

Аннотация

Проблемы, связанные с обработкой большого количества данных, инициировали исследования в области создания специального программного обеспечения (ПО), которое позволяет обрабатывать эти данные в информационных системах путем распараллеливания вычислений и редукции моделей данных. Известным примером такого ПО является вычислительная модель MapReduce, разработанная и внедренная компанией Google. Преимуществами MapReduce является высокая скорость обработки больших массивов данных и возможность ее реализация на стандартном аппаратном запезпечення (АС). В основе модели MapReduce положены два принипы: декомпозиция - распределение данных среди многих вычислительных процессов, выполняемых параллельно, и редукция - сбор результатов параллельных вычислений вместе с целью получения конечного результата обработки моделей данных. Создание алгоритмов и программ, которые соответствуют принципам модели MapReduce, зависит от специфики задач, решаемых и полагается на разработчиков ПО. Большинство известных на сегодня алгоритмов предназначены для обработки в оперативном режиме больших массивов данных, которые поступают к компьютерной системе, без изменения моделей данных (т.е. данные обрабатываются в том виде, в котором они попадают в систему в потоке данных) .В то же время можно выделить классы задач, по которым данные об исследуемых объектах являются избыточными, и их объем может быть значительно уменьшен еще до того, как эти данные попадают для их преобразования. Как показано в статье, к такому классу относятся задачи математического моделирования сложных технических объектов, модели данных которых представляются в форме математических уравнений, описывающих физические состояния объектов. Авторы обсуждают проблемы декомпозиции и редукции моделей на уровне преобразований упомянутых математических уравнений, этот подход авторы называют алгоритмической декомпозицией и редукцией.