Высокопроизводительные вычислительные системы

Вайс Юрий Андреевич

*InstructorProfile(zh-CN)*

内容描述: Курс даёт представление о принципах построения, функционирования и эффективного использования высокопроизводительных вычислительных систем, охватывая современные архитектуры многопроцессорных и распределённых систем, технологии параллельного программирования и методы оптимизации вычислительных процессов. В рамках дисциплины рассматриваются подходы к разработке, моделированию и анализу производительности вычислительных приложений с применением параллельных алгоритмов. Особое внимание уделяется освоению специализированных инструментов и программных средств, а также формированию навыков самостоятельной работы с технической документацией и современными программно-аппаратными средствами в области высокопроизводительных вычислений.

贷款数: 5

Пререквизиты:

  • Современные среды и языки программирования
  • Технология разработки программного обеспечения для систем реального времени

*СomplexityDiscipline(zh-CN)*:

*TypesOfClasses(zh-CN)* *hours(zh-CN)*
*Lectures(zh-CN)* 15
*PracticalWork(zh-CN)*
*LaboratoryWork(zh-CN)* 30
*srop(zh-CN)* 30
*sro(zh-CN)* 75
*FormOfFinalControl(zh-CN)* экзамен
*FinalAssessment(zh-CN)* Письменный экзамен

零件: Вузовский компонент

循环次数: Профилирующие дисциплины

Цель
  • Формирование у обучающихся базовых знаний и практических навыков работы с системой управления контейнерами Kubernetes в объёме, достаточном для уверенного начала работы с кластерной инфраструктурой, развертывания и управления контейнеризованными приложениями.
Задача
  • Формирование у студентов теоретических знаний и практических навыков работы с платформой с открытым исходным кодом Kubernetes, предназначенной для автоматизации процессов развертывания, масштабирования и управления контейнеризованными приложениями в среде кластеров хостов.
Результат обучения: знание и понимание
  • демонстрировать знания архитектуры Kubernetes, принципов её работы и компонентов, обеспечивающих автоматизацию управления контейнерами;
Результат обучения: применение знаний и пониманий
  • применять на практике навыки создания и настройки кластеров Kubernetes с использованием различных инструментов, включая Minikube и kubectl;
Результат обучения: формирование суждений
  • формировать суждения по вопросам применения систем мониторинга, обеспечения высокой доступности, масштабируемости и безопасности в Kubernetes;
Результат обучения: коммуникативные способности
  • работать в команде, применять современные технологии для организации отказоустойчивой и надёжной кластерной инфраструктуры, развёртывания микросервисных приложений и управления их состоянием;
  • предлагать новые решения по обеспечению стабильности и масштабируемости приложений, разрабатываемых с использованием ресурсов и сервисов Kubernetes;
Результат обучения: навыки обучения или способности к учебе
  • осуществлять сбор необходимой информации, систематизировать и обобщать её для анализа проблем, возникающих в кластерах, и предлагать эффективные пути их устранения;
  • развивать навыки обучения, способствующие профессиональному и личностному развитию, повышению квалификации в области управления контейнерной инфраструктурой и высокопроизводительных вычислений с использованием Kubernetes.
*TeachingMethods(zh-CN)*

интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа; демонстрация слайдов или учебных фильмов; мозговой штурм; мотивационная речь)

информационно-коммуникационная (например, занятия в компьютерном классе с использованием различных операционных систем и профессиональных пакетов прикладных программ)

поисково-исследовательская (самостоятельная исследовательская деятельность студентов в процессе обучения).

*AssessmentKnowledge(zh-CN)*

Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.

*Period2(zh-CN)* *TypeOfTask(zh-CN)* *Total(zh-CN)*
1  *Rating(zh-CN)* Лабораторная работа 1 0-100
Лабораторная работа 2
Лабораторная работа 3
Тест рубежного контроля 1
2  *Rating(zh-CN)* Лабораторная работа 4 0-100
Лабораторная работа 5
Лабораторная работа 6
Тест рубежного контроля 2
*TotalControl(zh-CN)* экзамен 0-100
*PolicyAssignmentTask(zh-CN)*
*TypeOfTask(zh-CN)* 90-100 70-89 50-69 0-49
Excellent *Grade4(zh-CN)* *Grade3(zh-CN)* *Grade2(zh-CN)*
Собеседование по контрольным вопросам демонстрирует сиcтемные теоретические знания, владеет терминологией, логично и последовательно объясняет сущность явлений и процессов, делает аргументированные выводы и обобщения, приводит примеры, показывает свободное владение монологической речью и способность быстро реагировать на уточняющие вопросы демонстрирует прочные теоретические знания, владеет терминологией, логично и последовательно объясняет сущность явлений и процессов, делает аргументированные выводы и обобщения, приводит примеры, показывает свободное владение монологической речью, но при этом делает несущественные ошибки, которые исправляет самостоятельно или при незначительной коррекции преподавателем демонстрирует неглубокие теоретические знания, проявляет слабо сформированные навыки анализа явлений и процессов, недостаточное умение делать аргументированные выводы и приводить примеры, показывает недостаточно свободное владение монологической речью, терминологией, логичностью и последовательностью изложения, делает ошибки которые может исправить только при коррекции преподавателем. демонстрирует незнание теоретических основ предмета, несформированные навыки анализа явлений и процессов, не умеет делать аргументированные выводы и приводить примеры, показывает слабое владение монологической речью, не владеет терминологией, проявляет отсутствие логичности и последовательности изложения, делает ошибки, которые не может исправить даже при коррекции преподавателем, отказывается отвечать на занятии
Работа на лабораторных занятиях выполняет лабораторную работу в полном объеме с соблюдением необходимой последовательности действий; без ошибок приводит решение всех заданий. При ответе на вопросы правильно понимает сущность вопроса, дает точное определение и истолкование основных понятий; сопровождает ответ примерами; может установить связь между изучаемым и ранее изученным материалом; выполняет в полном объеме индивидуальное задание на защиту лабораторной работы, выданное преподавателем. выполняет требования к оценке «5», но допущены 2-3 недочета; в выполненных заданиях присутствуют незначительные ошибки. Ответ обучающегося на вопросы удовлетворяет основным требованиям к ответу на 5, но дан без использования связей с ранее изученным; допущены незначительные ошибки и недочеты, обучающийся может их исправить самостоятельно или с небольшой помощью преподавателя; при выполнении индивидуального задания на защиту лабораторной работы допускает незначительные ошибки. выполняет работу не полностью, но не менее 50% объема лабораторной работы; в ходе проведения работы были допущены ошибки. При ответе на вопросы обучающийся правильно понимает сущность вопроса, но в ответе имеются отдельные проблемы в усвоении вопросов курса, не препятствующие дальнейшему усвоению программного материала; при выполнении индивидуального задания на защиту лабораторной работы допускает ошибки. выполняет работу не полностью или объем выполненной части работ не позволяет сделать правильных выводов. При ответе на вопросы демонстрирует не владение основными знаниями и умениями в соответствии с требованиями программы; допущено больше ошибок и недочетов, чем необходимо для оценки 3 или не может ответить ни на один из поставленных вопросов; не может выполнить индивидуальное задание на защиту лабораторной работы, выданное преподавателем.
*EvaluationForm(zh-CN)*

Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:

  • 40% результата, полученного на экзамене;
  • 60% результатов текущей успеваемости.

Формула подсчета итоговой оценки:

И= 0,6 Р12 +0,4Э
2

 

где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.

Итоговая буквенная оценка и ее цифровой эквивалент в баллах:

Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:

Оценка по буквенной системе Цифровой эквивалент Баллы (%-ное содержание) Оценка по традиционной системе
A 4.0 95-100 Отлично
A- 3.67 90-94
B+ 3.33 85-89 Хорошо
B 3.0 80-84
B- 2.67 75-79
C+ 2.33 70-74
C 2.0 65-69 Удовлетворительно
C- 1.67 60-64
D+ 1.33 55-59
D 1.0 50-54
FX 0.5 25-49 Неудовлетворительно
F 0 0-24
Темы лекционных занятий
  • Архитектура Kubernetes. Устройство системы Kubernetes. Причины выбора тех или иных архитектурных решений.
  • Создание кластеров Kubernetes. Различные способы создания кластеров Kubernetes.
  • Мониторинг, журналирование и решение проблем. Подготовка системы мониторинга и измерения в кластерах Kubernetes.
  • Высокая доступность и надежность. Проектирование высокодоступных кластеры Kubernetes и выполнение их обновлений.
  • Конфигурация безопасности, ограничений и учетных записей в Kubernetes». Настройка безопасности и ограничений, интеграция с AAA-серверами, пространствами имен и конфигурацией служебных учетных записей.
  • Использование критически важных ресурсов Kubernetes. В промышленных условиях применение актуальных ресурсов Kubernetes.
  • Работа с хранилищем данных в Kubernetes. Драйвера для постоянных томов с данными и работа с ними.
  • Запуск приложений с сохранением состояния. Преобразование монолитных систем, обладающих состоянием в микросервисы, которые работают внутри Kubernetes и способны выдерживать промышленные нагрузки.
Основная литература
  • Лукша М. Kubernetes в действии = Kubernetes in Action. — М.: ДМК Пресс, 2018. — 672 с.
  • Арундел Д., Домингус Д. Kubernetes для DevOps: развертывание, запуск и масштабирование в облаке Пер. с англ. — СПб.: Питер, 2020. — 384 с.
  • Ибрам Билджин, Хасс Роланд. Паттерны Kubernetes. Шаблоны разработки собственных облачных приложений СПб.: Питер, 2020. — 392 с.
  • Garbarino Ernesto. Beginning Kubernetes on the Google Cloud Platform: A Guide to Automating Application Deployment, Scaling, and Management EPUB Apress, 2019
  • Сайфан Джиджи. Осваиваем Kubernetes. Оркестрация контейнерных архитектур СПб.: Питер, 2019. — 400 с.
  • Хасс Роланд, Ибрам Билджин. Паттерны Kubernetes: Шаблоны разработки собственных облачных приложений MOBI Пер. А. Макарова. — СПб.: Питер, 2020. — 266 с.
  • https://kubernetes.io/ru/docs/tutorials/kubernetes-basics/
Дополнительная литература
  • Farcic Viktor. The DevOps 2.4 Toolkit: Continuous Deployment To Kubernetes: Continuously deploying applications with Jenkins to Kubernetes MOBI Packt Publishing, 2019
  • Arnold Z. et al. The Kubernetes Workshop: Learn how to build and run highly scalable workloads on Kubernetes MOBI Packt, 2020
  • Baier J., Sayfan G.,White J. The Complete Kubernetes Guide: Become an expert in container management with the power of Kubernetes EPUB Packt Publishing, 2019