LDAP: couldn't connect to LDAP server

Различия

Показаны различия между двумя версиями страницы.

--- cluster:boinc:index_boinc [2013/01/25 07:03]
chuharev создано
+++ cluster:boinc:index_boinc [2015/04/22 11:40] (текущий)
nikitina
@@ Строка 1: / Строка 1: @@
+====== BOINC-сервер ======
+[[installation | Установка BOINC-сервера]]
-Установка BOINC-сервера
+[[projects | Создание и удаление проектов]]
+[[containers | Запуск контейнеров с BOINC-сервером]]
+[[faq | BOINC FAQ]] (реальные проблемы, которые возникали)
+====== BOINC-клиент ======
+[[boinc_client_installation | Установка BOINC-клиента]]
+[[boinc_client_commands | Управление BOINC-клиентом (справочник команд)]]
+====== Актуальные задачи по разработке BOINC ======
+[[http://boinc.berkeley.edu/trac/wiki/ResearchProjects | In English]]
+. Эффективные способы управления заданиями (на стороне сервера или клиента), много предложений в архивах списков рассылки BOINC.
+  * использовать в нынешней системе управления заданиями среднеквадратическое отклонение вместо среднего значения
+  * на стороне клиента - отслеживать и учитывать время загрузки файлов
+  * на стороне сервера - реализовать возможность присылать клиенту мелкие задания, даже если он набрал больших
+. Исследовать на стороне клиента, какие приложения эффективно работают вместе во многопроцессорном режиме (есть наблюдение, что из-за особенностей обращения к памяти некоторые комбинации приложений работают эффективнее других). Оценить, стоит ли реализовать эти наблюдения для распределения заданий. Если стоит, то реализовать.
+. Вычисления, интенсивные по передаче данных.
+  * выполнять на одном и том же клиенте задания с общими "промежуточными" файлами
+  * потоковые вычисления (например, см. IBM Infosphere)
+  * модели вычислений на большом статическом множестве данных (например, см. MapReduce, веб-сервис Amazon EC2)
+  * оценка и использование физической близости клиентов
+  * передача данных напрямую между клиентами
+. Виртуальная машина на стороне клиента (http://boinc.berkeley.edu/trac/wiki/VmApps).
+  * "Volunteer cloud" для ученых (есть совместный проект CERN и INRIA)
+. Адаптивная репликация. В BOINC реализован эвристический алгоритм назначения разных уровней репликации в зависимости от надежности клиентов. Подумать над альтернативами, оценить эффективность того, что есть, оптимизировать.
+. В BOINC реализован механизм защиты от 'cherry picking', когда клиенты выполняют только маленькие задания, чтобы получать больше кредитов. Исследовать его эффективность.
+. Исследовать (!) и оптимизировать способы разделения ресурсов между проектами. (INRIA, Arnaud Legrand)
+. Обобщить систему кредитов за вычисления.
+  * назначать кредиты не только за время ЦП, но и за место на диске и др. ресурсы. Здесь была бы эффективна игровая модель.
+. Априорные оценки длительности выполнения батчей заданий. Эффективное управление батчами заданий.
+. Квотирование в зонтичных проектах.
+. Реализовать систему распределенного хранения данных на основе BOINC.
+. Оптимизировать вычисления на GPU, чтобы они работали и в фоновом режиме.
+. Включить GPU и многопоточные приложения в механизм homogeneous redundancy ([[http://boinc.berkeley.edu/trac/wiki/HomogeneousRedundancy]]).
+. "Микрозадания" (не поняла смысл).
+. Исследовать возможности подключения BOINC к GRID и облакам.
+. Эффективные способы сбора статистики доступности клиента.

KRC wiki

Инструменты пользователя

Инструменты сайта

Различия

Инструменты страницы