فلش‌کارت‌های آموزشی کار با خوشه‌های کامپیوتری (Compute Clusters)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کار با خوشه‌های کامپیوتری (Compute Clusters)

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر خوشه‌های کامپیوتری
• 2. مفاهیم پایه‌ای محاسبات موازی
• 3. معماری سیستم‌های خوشه‌ای
• 4. انواع خوشه‌ها (SMP، MPP، Clusters of Workstations)
• 5. نیاز به محاسبات با کارایی بالا (HPC)
• 6. تاریخچه HPC و خوشه‌ها
• 7. کاربردهای HPC در علوم مختلف
• 8. اجزای سخت‌افزاری یک خوشه
• 9. شبکه‌های ارتباطی در خوشه‌ها (InfiniBand، Ethernet)
• 10. سوئیچ‌ها و روترهای شبکه در خوشه‌ها
• 11. سرویس‌دهنده‌های گره (Node Servers)
• 12. حافظه‌های ذخیره‌سازی مشترک (Shared Storage)
• 13. سیستم‌های عامل در خوشه‌ها (Linux)
• 14. نصب و پیکربندی سیستم عامل گره‌ها
• 15. مدیریت توزیع شده سیستم عامل
• 16. مفاهیم پردازش موازی (Parallel Processing)
• 17. مدل‌های برنامه‌نویسی موازی (Shared Memory، Distributed Memory)
• 18. موازی‌سازی مبتنی بر حافظه مشترک (OpenMP)
• 19. موازی‌سازی مبتنی بر حافظه توزیع شده (MPI)
• 20. مقدمه‌ای بر OpenMP
• 21. دستورالعمل‌های OpenMP (Pragmas)
• 22. متغیرهای محیطی OpenMP
• 23. مدیریت رشته‌ها (Threads) در OpenMP
• 24. موازی‌سازی حلقه‌ها (Loop Parallelization) در OpenMP
• 25. همگام‌سازی در OpenMP (Barriers، Critical Sections)
• 26. مسابقات (Races) و راه‌حل‌های آن در OpenMP
• 27. توابع کمکی OpenMP (Reduction، Atomic)
• 28. کارایی OpenMP و پروفایلینگ
• 29. مقدمه‌ای بر MPI
• 30. مفاهیم پیام‌رسانی (Message Passing) در MPI
• 31. انواع ارتباطات MPI (Point-to-Point، Collective)
• 32. MPI_Send و MPI_Recv
• 33. انواع تگ‌ها و کامunicatorها در MPI
• 34. MPI_Isend و MPI_Irecv (ارتباطات غیر مسدودکننده)
• 35. اشکال‌زدایی (Debugging) ارتباطات MPI
• 36. ارتباطات جمعی MPI (Broadcast، Reduce، Gather)
• 37. MPI_Allreduce و کاربردهای آن
• 38. MPI_Scatter و MPI_Gather
• 39. MPI_Allgather و MPI_Alltoall
• 40. مقدمه‌ای بر مانیتورینگ خوشه‌ها
• 41. ابزارهای مانیتورینگ سخت‌افزار (CPU، Memory، Network)
• 42. مانیتورینگ وضعیت گره‌ها (Node Status)
• 43. جمع‌آوری لاگ‌ها (Log Collection)
• 44. مدیریت وظایف (Job Management)
• 45. سیستم‌های مدیریت صف (Queueing Systems)
• 46. SLURM (Simple Linux Utility for Resource Management)
• 47. نصب و پیکربندی SLURM
• 48. مقدمه‌ای بر SLURM Jobs
• 49. نحوه ارسال Job در SLURM
• 50. انواع پارتیشن‌ها (Partitions) در SLURM
• 51. مدیریت منابع در SLURM (CPU، Memory، GPUs)
• 52. محدودیت‌های Job و اولویت‌بندی
• 53. وضعیت Jobها در SLURM
• 54. مدیریت Jobهای در حال اجرا و تکمیل شده
• 55. ابزارهای خط فرمان SLURM
• 56. پیکربندی فایل `slurm.conf`
• 57. مفاهیم پیشرفته SLURM (Dependency، Arrays)
• 58. مدیریت کاربران و گروه‌ها در SLURM
• 59. امنیت در خوشه‌ها
• 60. مدیریت کاربران و دسترسی‌ها
• 61. پروتکل SSH و احراز هویت (Authentication)
• 62. تنظیم SSH بدون رمز عبور (Passwordless SSH)
• 63. فایروال‌ها و سیاست‌های امنیتی
• 64. نکات امنیتی در مدیریت خوشه
• 65. اشکال‌زدایی برنامه‌های موازی
• 66. ابزارهای پروفایلینگ (Profiling Tools)
• 67. Gprof، Valgrind، Score-P
• 68. مفاهیم Bottlenecks در برنامه‌های موازی
• 69. تحلیل کارایی ارتباطات MPI
• 70. تحلیل کارایی OpenMP
• 71. استفاده از debuggerهای موازی (TotalView، DDT)
• 72. تست و اعتبارسنجی (Testing and Validation)
• 73. روش‌های تست واحد (Unit Testing) برای کد موازی
• 74. تست کارایی (Performance Testing)
• 75. معیارهای ارزیابی کارایی (Metrics)
• 76. قانون آمدال (Amdahl's Law)
• 77. قانون گراهم (Gustafson's Law)
• 78. مقیاس‌پذیری (Scalability) در برنامه‌های موازی
• 79. کارایی موازی (Parallel Efficiency)
• 80. بهینه‌سازی برنامه‌های موازی
• 81. استراتژی‌های بهینه‌سازی کد
• 82. کاهش ارتباطات و همگام‌سازی
• 83. بهینه‌سازی دسترسی به حافظه
• 84. موازی‌سازی داده (Data Parallelism)
• 85. موازی‌سازی وظیفه (Task Parallelism)
• 86. الگوهای طراحی موازی (Parallel Design Patterns)
• 87. مفاهیم توازن بار (Load Balancing)
• 88. توازن بار پویا (Dynamic Load Balancing)
• 89. توازن بار ایستا (Static Load Balancing)
• 90. استفاده از GPU در خوشه‌ها
• 91. مقدمه‌ای بر CUDA
• 92. برنامه‌نویسی GPU با CUDA
• 93. مدیریت حافظه در GPU
• 94. همگام‌سازی در CUDA
• 95. مفاهیم برنامه‌نویسی با OpenACC
• 96. استفاده از پلتفرم‌های HPC پیشرفته
• 97. مقدمه‌ای بر Big Data و HPC
• 98. کاربرد HPC در یادگیری ماشین (Machine Learning)
• 99. کاربرد HPC در شبیه‌سازی‌های علمی
• 100. مفاهیم توزیع شده (Distributed Computing)