Розроблення масштабованого кластеру для графічних обчислень на основі 3D платформи Unreal Engine
Автор: Пригода Андрій Михайлович
Кваліфікаційний рівень: магістр
Спеціальність: Проектування та адміністрування інформаційних комунікаційних мереж
Інститут: Інститут телекомунікацій, радіоелектроніки та електронної техніки
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Сучасна комп’ютерна графіка, кіновиробництво та архітектурна візуалізація вимагають використання високопродуктивних обчислювальних систем для створення складних сцен і досягнення реалістичних візуальних ефектів. Зі зростанням складності проєктів традиційні методи рендерингу дедалі частіше стають неефективними, що вимагає впровадження кластерних обчислень. Ці технології дозволяють розподіляти обчислювальні навантаження між декількома вузлами, скорочуючи час виконання завдань і підвищуючи продуктивність систем. У контексті сучасних вимог до якості графіки кластерні системи стають критично важливими для забезпечення фотореалістичності та динамічної адаптації сцен [1]. У першому розділі роботи досліджено детальний аналіз теоретичних основ, що лежать в основі кластерних систем рендерингу. Викладено ключові принципи розподіленої обробки даних, які дозволяють оптимізувати використання обчислювальних ресурсів для складних графічних задач. Обґрунтовано доцільність застосування паралельних обчислювальних процесів для скорочення часу виконання задач і підвищення загальної продуктивності систем. Особливу увагу приділено ролі графічних процесорів (GPU) у виконанні високопродуктивних обчислень. GPU забезпечують паралельну обробку великої кількості графічних даних, що є критично важливим для сучасних рендер-ферм. У розділі також розглядається вплив архітектури мережевих підключень на швидкість передачі даних між вузлами кластеру, зокрема використання високошвидкісних мережевих технологій, таких як InfiniBand. Крім того, висвітлено сучасні методи оптимізації роботи кластерів, включаючи алгоритми балансування навантаження, синхронізації даних та забезпечення стійкості до збоїв. Ці теоретичні напрацювання стали основою для реалізації практичної частини дослідження [2]. Другий розділ зосереджено на аналізі опису реалізації унікальних підходів до управління кластерними системами, які дозволяють значно підвищити ефективність їхньої роботи. У дослідженні запропоновано використання серверної архітектури, реалізованої з використанням Python і Flask API [4]. Такий підхід забезпечив масштабованість системи, можливість автоматичного моніторингу обчислювальних вузлів і розподілу завдань. Важливим доповненням до системи став Telegram-бот, що забезпечує інтерактивну взаємодію з користувачем. Він дозволяє відстежувати статус виконання завдань, отримувати повідомлення про можливі помилки та перевіряти загальний стан кластеру в реальному часі. Інтеграція цього інструменту значно підвищила зручність використання системи, особливо для користувачів без спеціалізованих технічних навичок [5]. У третьому розділі представлено розробку реалізації кластерної системи рендерингу, створеної в рамках даного дослідження. Центральний сервер виконує ключову функцію координації вузлів, контролю їхньої продуктивності та забезпечення синхронізації даних. Розроблено функціонал, який дозволяє автоматично завантажувати сцени Unreal Engine 5 у вузли кластеру для їхньої подальшої обробки. Увагу приділено оптимізації роботи з великими сценами, що включають складні візуальні ефекти, фізичні симуляції та високополігональні моделі. Завдяки інтеграції з платформою Unreal Engine 5 забезпечено високу продуктивність системи при роботі з ресурсомісткими проєктами. Крім того, реалізовано алгоритми передачі даних, що гарантують узгодженість між вузлами кластеру та мінімізують час на підготовку до обробки [2]. Четвертий розділ роботи присвячено аналізу продуктивності та ефективності розробленої кластерної системи. У межах проведених експериментів оцінено вплив кількості обчислювальних вузлів на час рендерингу та стабільність роботи системи. Виявлено, що збільшення кількості вузлів призводить до суттєвого скорочення часу обробки сцен, зберігаючи високу якість графічного результату. Окрему увагу приділено тестуванню системи в умовах складних обчислювальних задач. Проаналізовано обробку ресурсомістких сцен із великою кількістю джерел світла та динамічними симуляціями. Результати підтвердили, що система здатна адаптуватися до високих навантажень і демонструє стабільну продуктивність навіть за умов пікових обчислень. На основі отриманих результатів зроблено висновок про доцільність використання розробленої кластерної системи у сферах, де потрібен високопродуктивний рендеринг, таких як кіновиробництво, архітектурна візуалізація та ігрова індустрія [3].