ایجاد مشاغل دسته ای
نحو
شغل ها
model.batch().create( <tag> , jobtype ); یک کار دسته‌ای با برچسب <tag> از نوع jobtype ایجاد می‌کند که در آن نوع کار پارامتری ، دسته‌ای یا خوشه‌ای است.
model.batch().remove( <tag> ) یک کار دسته ای را حذف می کند.
model.batch().size() تعداد کارهای دسته ای را برمی گرداند.
model.batch().tags() تگ های کارهای دسته ای را برمی گرداند.
model.batch( <tag> ).attach( <stag> ) یک کار دسته‌ای را با برچسب <tag> به مطالعه با برچسب <stag> متصل می‌کند ، که آن را در زیر آن مطالعه قابل مشاهده می‌کند.
model.batch( <tag> ).create( <jtag> , <oper> ) یک توالی کار دسته ای ایجاد می کند.
model.batch( <tag> ).detach( <stag> ) یک کار دسته ای را از یک مطالعه با برچسب <stag> جدا می کند .
model.batch( <tag> ).remove( <ttag> ) وظیفه را حذف می کند.
model.batch( <tag> ).run() کار دسته ای را اجرا می کند. متد run می‌تواند یک آرگومان ورودی بولی اضافی createPlots بگیرد ، که وقتی روی true تنظیم شود، نمودارهای پیش‌فرض مربوطه را هنگام محاسبه یک راه حل ایجاد می‌کند.
model.batch( <tag> ).set( jprop , <jvalue> ) ویژگی jprop را به مقدار <jvalue> تنظیم می کند .
model.batch( <tag> ).study( <stag> ) یک کار دسته ای را به تگ مطالعه <stag> اختصاص می دهد .
model.batch( <tag> ).study() تگ مطالعه کار دسته ای را با تگ <tag> برمی گرداند .
model.batch(< tag >).feature(< ttag >)).getAllowedPropertyValues(property) مجموعه مقادیر مجاز برای یک ویژگی را برمی گرداند اگر مجموعه مجموعه محدودی از رشته ها باشد. در غیر این صورت، null برمی گرداند.
ویژگی های کار دسته ای
نوع کار پارامتریک دارای ویژگی های زیر است:
ویژگی | ارزش | پیش فرض | شرح |
قابل تجاوز | رشته | جدید | جدول پروب انباشته شده |
قابل قبول | در | خاموش | خاموش | از تمام پروب ها برای جدول پروب انباشته شده استفاده کنید. |
کنترل | رشته | کاربر | کنترل مطالعه |
پارامتر | آرایه رشته ای | نام پارامتر و مقدار آن (خروجی). | |
pdistrib | در | خاموش | خاموش | مقادیر پارامترها را (به صورت موازی) توزیع کرد. |
pname | آرایه رشته ای | نام(های) پارامتر متفاوت باشد. | |
plist | آرایه رشته ای | مقادیر پارامتر | |
طرح | در | خاموش | خاموش | یک گروه طرح را در حین حل به روز کنید. |
گروه طرح | رشته | پیش فرض | این گروه طرح را در حین حل به روز کنید. |
کار | بین المللی | 1 | محدودیت برای تعداد گروه های کاری |
فعال | در | خاموش | خاموش | از محدودیت برای تعداد گروه های کاری استفاده کنید. |
حالت توقف | رشته | یک عبارت شرط توقف. | |
اشتباه کن | در | خاموش | خاموش | در صورت بروز خطا، جارو کردن را متوقف کنید. |
خطا | آرایه رشته ای | خطای ثبت شده | |
قابل استفاده | در | خاموش | خاموش | در حین حل کردن، یک جدول پروب انباشته تولید کنید. |
نوع کار Optimization ویژگی خود را از طریق گره مطالعه Optimization تنظیم می کند که دارای ویژگی های زیر است:
ویژگی | ارزش | پیش فرض | شرح |
optobj | رشته | تابع هدف بهینه شود. | |
توصیف | رشته | شرح تابع هدف بهینه سازی | |
نوع عینی | به حداقل رساندن | بیشینه سازی | به حداقل رساندن | تعیین می کند که آیا هدف باید حداقل یا حداکثر شود. |
حل هدف | خودکار | اول | آخرین | مجموع | دقیقه | حداکثر | خودکار | تعیین می کند که چگونه هدف باید برای مطالعات با بیش از یک راه حل PDE در دسترس ارزیابی شود، به عنوان مثال، مسائل وابسته به زمان. |
pname | آرایه رشته ای | نام پارامترهای کنترل | |
initval | آرایه رشته ای | مقادیر اولیه برای پارامترهای کنترل | |
lbound | آرایه رشته ای | مرزهای پایین تر در پارامترهای کنترلی. | |
ناپیوسته | آرایه رشته ای | مرزهای بالایی در پارامترهای کنترلی. | |
optsolver | coordsearch | مونتکارلو | نلدرماد | بوبیقا | نلدرمد | حل کننده بهینه سازی |
از دانه استفاده می کند | در | خاموش | خاموش | از دانه تصادفی برای حل کننده مونت کارلو استفاده کنید. |
بذر مرزی | بین المللی | 0 | دانه تصادفی برای حل کننده مونت کارلو. |
nsolvemax | بین المللی | 1000 | حداکثر تعداد ارزیابی های عینی. |
با انتخاب | دو برابر | 1e-2 | تحمل بهینه سازی |
useobjtable | در | خاموش | خاموش | یک جدول با تمام ارزیابی های عینی تهیه کنید. |
قابل اجرا | رشته | جدید | ارجاع به جدول با ارزیابی های عینی. |
convinfo | خاموش | در | دقیق | بر | جزئیات پیام های گزارش از حل کننده بهینه سازی. |
نوع کار دسته ای دارای ویژگی های زیر است:
ویژگی | ارزش | پیش فرض | شرح |
کنترل | رشته | کاربر | نام مطالعه کنترلی. |
np | عدد صحیح | خودکار | تعداد هسته های مورد استفاده |
گرافیک | در | خاموش | خاموش | گرافیک را فعال کنید |
سلام | عدد صحیح | 1 | حداکثر تعداد مجاز کارهای دسته ای برای شروع همزمان. |
maxrestart | عدد صحیح | 0 | حداکثر تعداد راه‌اندازی مجدد قبل از اینکه کار دسته‌ای ناموفق باشد. |
محلی | عدد صحیح | 300 | حداکثر تعداد ثانیه قبل از کار دسته ای باید نشان دهد که در حال اجرا است. |
زمان شروع | اکنون | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | اکنون | زمان، به عنوان یک ساعت برای یک ساعت 24 ساعته، زمانی که کار دسته ای باید شروع شود. |
batchdir | رشته | دایرکتوری صفحه اصلی | دایرکتوری برای ذخیره فایل های استفاده شده توسط کار دسته ای. |
مشتری | در | خاموش | خاموش | کار دسته ای را به عنوان مشتری اجرا کنید. |
بندر | عدد صحیح | 2036 | شماره پورت میزبان |
میزبان | رشته | میزبان محلی | نام میزبان. |
فایل دسته ای | رشته | Batchmodel.mph | نام فایل مدل دسته ای. |
روشن | در | خاموش | بر | فایل مدل قبلی را پاک کنید. |
شفاف مش | در | خاموش | خاموش | قبل از ذخیره مدل مش ها را پاک کنید. |
راه حل شفاف | در | خاموش | خاموش | قبل از ذخیره کردن مدل، راه حل ها را پاک کنید. |
ذخیره فایل | در | خاموش | بر | ذخیره مدل پس از اجرا |
specbatchdir | در | خاموش | خاموش | دایرکتوری متفاوتی را برای فرآیند دسته ای نسبت به پردازش فعلی مشخص کنید. |
اجرا می شود | رشته | دایرکتوری صفحه اصلی | دایرکتوری مورد استفاده توسط کار دسته ای زمانی که specbatchdir روشن است. |
speccomsoldir | در | خاموش | خاموش | دایرکتوری متفاوتی را برای نصب COMSOL نسبت به آنچه در فرآیند فعلی استفاده می شود، مشخص کنید. |
comsoldir | رشته | دایرکتوری نصب COMSOL | دایرکتوری نصب COMSOL توسط کار دسته ای زمانی که speccomsoldir روشن است استفاده می شود. |
راه حل های همگام | در | خاموش | خاموش | همگام سازی راه حل ها پس از اتمام کار دسته ای. |
همگام شدنی | در | خاموش | خاموش | جداول پروب انباشته شده را پس از اتمام کار دسته ای همگام سازی کنید. |
کاوشگر | همه | هیچکدام | کتابچه راهنمای | همه | کاوشگرها برای محاسبه |
کاوشگرها | آرایه رشته ای | کاوشگر برای محاسبه | |
قابل استفاده | در | خاموش | خاموش | از جدول پروب انباشته استفاده کنید. |
قابل تجاوز | رشته | جدید | نام جدول مورد استفاده |
قابل قبول | در | خاموش | بر | از تمام پروب ها استفاده کنید. |
مشتری | در | خاموش | خاموش | به عنوان مشتری اجرا شود. |
میزبان | رشته | میزبان محلی | نام سرور |
بندر | عدد صحیح | شماره پورت سرور |
نوع کار Cluster دارای ویژگی های زیر است:
ویژگی | ارزش | پیش فرض | شرح |
دسته ای | رشته | برچسب کار دسته ای برای اجرا. | |
خوشه ای | عمومی | whpc2008 | wccs2003 | sge | کسالت | هیچ یک | عمومی | نوع کار خوشه ای. |
کنترل | رشته | کاربر | نام مطالعه کنترلی. |
گره های خبرنگار | عدد صحیح | 0 | حداقل تعداد هسته در هر گره در whpc2008. |
انحصاری | در | خاموش | بر | حق انحصاری گره ها را در whpc2008 و SLURM درخواست کنید. |
filetransfercmd | هیچکدام | scp | کاربر | هیچ یک | دستور انتقال فایل ها |
انتقال فایلfromusercmd | رشته | دستور انتقال فایل ها از مکان راه دور. | |
filetransfertousercmd | رشته | دستور انتقال فایل ها به مکان راه دور. | |
hostfile | رشته | مسیر به فایل میزبان. | |
memorypernode | عدد صحیح | 0 | حداقل مقدار حافظه در هر گره در whpc2008 و SLURM. |
mpd | در | خاموش | خاموش | اگر mpd روی کامپیوتر اجرا می شود یا نه. |
mpiargs | رشته | آرگومان های MPI اضافی. | |
mpibootstrap | رشته | نام سرور بوت استرپ | |
mpirsh | رشته | مسیر به rsh یا ssh. | |
nn | عدد صحیح | 1 | تعداد فرآیندهایی که باید شروع شوند. |
نودگران | گره | سوکت | هسته | گره | دانه بندی گره در whpc2008. |
گروه گره | رشته | نام انتخاب نامگذاری گره های محاسباتی در whpc2008. | |
پروانه | عدد صحیح | 1 | تعداد فرآیندها / میزبان. |
postcmd | رشته | دستور DOS/Linux برای اجرا پس از اتمام کار دسته ای. | |
precmd | رشته | دستور DOS/Linux برای اجرا قبل از کار دسته ای. | |
اولویت | بالاترین | بالاتر از عادی | عادی | زیر نرمال | پایین ترین | طبیعی | اولویت کار در wccs2003 و whpc2008. |
از راه دور | در | خاموش | خاموش | روی سرور راه دور اجرا شود. |
remotecmd | هیچکدام | ssh | کاربر | هیچ یک | فرمانی که هنگام فراخوانی یک فرمان در سرور راه دور استفاده می شود. |
هاست های راه دور | رشته | لیست نام های میزبان راه دور. | |
از راه دور | بومی | ویندوز | لینوکس | بومی | سیستم عامل مورد استفاده در هاست های راه دور. |
remoteusercmd | رشته | دستور اجرا بر روی سرور راه دور. | |
reqnodes | آرایه رشته ای | گره های درخواستی در wccs2003، whpc2008 و SLURM. | |
زمان اجرا | DD:HH:MM | بي نهايت | بي نهايت | حداکثر زمان اجرا قبل از توقف در wccs2003، whpc2008 و SLURM. |
schedargs | رشته | آرگومان های زمانبندی اضافی. | |
زمانبندی | رشته | میزبان محلی | نام زمانبندی در wccs2003، whpc2008 و SLURM. |
scpargs | رشته | آرگومان های SCP اضافی. | |
scpcmd | scp | بتونه | کاربر | scp | دستور SCP |
scpkey | رشته | فایل کلید SCP. | |
scppath | رشته | دایرکتوری که SCP در آن قرار دارد. | |
scpuser | رشته | نام کاربری استفاده شده توسط SCP. | |
scpusercmd | رشته | فرمان برای کپی کردن فایل ها در مکان راه دور. | |
اسکگران | میزبان | اسلات | کتابچه راهنمای | میزبان | دانه بندی گره در SGE. |
صحنه | عدد صحیح | 1 | تعداد اسلات ها در SGE. |
اولویت | عدد صحیح | 0 | اولویت کار در SGE و SLURM. |
دستور | رشته | نام صف SGE و SLURM. | |
sshargs | رشته | آرگومان های SSH اضافی. | |
sshcmd | ssh | بتونه | کاربر | ssh | دستور SSH |
sshkey | رشته | فایل کلید SSH. | |
sshpath | رشته | دایرکتوری که SSH در آن قرار دارد. | |
sshporthost | رشته | میزبان بندر. | |
sshports | رشته | پورت هایی که باید توسط SSH فوروارد شوند. | |
sshuser | رشته | نام کاربری استفاده شده توسط SSH. | |
sshusercmd | رشته | دستور SSH تعریف شده توسط کاربر. | |
کاربر | رشته | نام کاربری در wccs2003، whpc2008 و SLURM. |
وظایف
model.batch( <tag> ).create( <ttag> , tasktype ); وظیفه ای از نوع tasktype با برچسب <ttag> ایجاد می کند . گزینه های مربوط به نوع وظیفه را در جدول 2-5 زیر بیابید.
نوع وظیفه | شرح |
Geomseq | دنباله ای از هندسه برای ساخت. |
مشق | دنباله مشبک سازی برای ساخت. |
Solutionseq | دنباله حل کننده برای محاسبه |
جابسک | دنباله کار برای اجرا. |
Postseq | دنباله پست برای اجرا. |
Evalnumericalseq | نتیجه عددی seq (مقدار مشتق شده) برای اجرا (به جای Numericalseq). |
Numericalseq | نتایج عددی برای اجرا (منسوخ شده). |
Exportseq | دنباله صادرات برای اجرا. |
صرفه جویی | وضعیت مدل را در این نقطه از توالی کار ذخیره می کند. |
کلاس | تابع اصلی یک کلاس کامپایل شده را با ویژگی سیستمی cs.currentmodel به نام مدل فراخوانی کلاس اجرا می کند. |
داده ها | ایجاد شده توسط کارهای دسته ای برای ذخیره اطلاعات فرآیند خارجی. |
ویژگی های نوع وظیفه
model.batch( <tag> ).feature( <ttag> ).set( ttprop , <tpvalue> ) خاصیت نوع وظیفه ttprop را به مقدار <tpvalue> تنظیم می کند .
ویژگی های نوع وظیفه می توانند مقادیر فهرست شده در جدول 2-6 را داشته باشند .
ویژگی | ارزش | پیش فرض | شرح |
روشن | در | خاموش | بر | داده های ذخیره شده فعلی را پاک کنید. |
نام فایل | رشته | نام فایل برای ذخیره یا باز کردن. | |
فایل باز | آرایه رشته ای | هیچ یک | نام فایلی که ذخیره شده است. |
پارامتر | آرایه رشته ای | نام پارامتر و مقدار آن | |
فایل ها | آرایه رشته ای | نام فایل ها برای هر پارامتر | |
ورودی | آرایه رشته ای | ورودی فایل کلاس | |
دنباله | رشته | همه | نام دنباله برای اجرا. |
تعداد | آرایه رشته ای | نام ویژگی نتیجه عددی که مقدار تولید کرده است. | |
paramvalue | آرایه رشته ای | نتیجه عددی محاسبه شده | |
فروشگاه | در | خاموش | خاموش | راه حل کپی |
psol | رشته | هیچ یک | برچسب دنباله حل کننده که محلول ها در آن ذخیره می شوند. |
نوع وظیفه داده
نوع وظیفه داده شامل گره های فرزند با اطلاعات فرآیند از نوع Process است . جدول 2-7 را ببینید .
نوع وظیفه | شرح |
روند | حاوی اطلاعاتی در مورد فرآیندهای در حال اجرا است. |
model.batch( <tag> ).feature( <ttag> ).feature( <ptag> ).set( ptype , <pvalue> ) خاصیت ptype را به مقدار <pvalue> تنظیم می کند . ptype می تواند مقادیر ذکر شده در جدول 2-8 را داشته باشد
ویژگی | ارزش | پیش فرض | شرح |
cmd | رشته | دستوری که فرآیند خارجی را شروع کرد. | |
نام فایل | رشته | نام فایلی که مدل در آن ذخیره می شود. | |
عمل | به روز رسانی | پیشرفت | لغو | توقف | روشن | اجرا مجدد | به روز رسانی | نام عملیاتی که باید روی فرآیند انجام شود. |
وضعیت | رشته | وضعیت فعلی فرآیند |
مثال
یک جابجایی پارامتریک روی یک دنباله هندسی ایجاد کنید که یک کار دسته‌ای ایجاد می‌کند که یک جارو پارامتریک را اجرا می‌کند که یک حل‌کننده را اجرا می‌کند.
کد برای استفاده با جاوا
model.batch().create(“sweep1″,”Parametric”);
model.batch(“sweep1”).set(“pname”,”a”);
model.batch(“sweep1”).set(“plist”,new double[]{1,2});
model.batch(“sweep1”).create(“sol”,”Solutionseq”);
model.batch(“sweep1”).feature(“sol”).set(“seq”,”sol3″);
model.batch().create(“batch1″,”Batch”);
model.batch(“batch1”).create(“task”,”Jobseq”);
model.batch(“batch1”).feature(“وظیفه”).set(“seq”،”sweep1”);
model.batch().create(“sweep2″,”Parametric”);
model.batch(“sweep2”).set(“pname”,”b”);
model.batch(“sweep2”).set(“plist”,new double[]{1,2,3});
model.batch(“sweep2”).create(“gtask”,”Geomseq”);
model.batch(“sweep2”).feature(“gtask”).set(“seq”,”geom1″);
model.batch(“sweep2”).create(“task”,”Jobseq”);
model.batch(“sweep2”).feature (“وظیفه”).set(“seq”,”batch1″);
model.batch(“sweep2”).run();
نام و مقادیر پارامترها را از یک Sweep پارامتریک که قبلا اجرا شده است، تعیین کنید.
model.batch(pname).feature(fname).getString(“psol”)
که در آن pname نام ویژگی Sweep پارامتریک است که اجرا می شود و fname نام ویژگی حلی است که راه حل ها را ذخیره می کند. استفاده کنید
model.sol(sname).feature().tags()
برای پیدا کردن برچسب های راه حل های ذخیره شده. استفاده کنید
model.sol(sname).feature(fname).getString(“sol”)
برای یافتن دنباله حل کننده برای یک پارامتر. استفاده کنید
model.sol(sname).getParamNames()
و
model.sol(sname).getParamVals()
کد برای استفاده با متلب
model.batch.create(‘sweep1′,’Parametric’);
model.batch(‘sweep1’).set(‘pname’,’a’);
model.batch(‘sweep1’).set(‘plist’,[1,2]);
model.batch(‘sweep1’).create(‘sol’,’Solutionseq’);
model.batch(‘sweep1’).feature(‘sol’).set(‘seq’,’sol3′);
model.batch.create(‘batch1′,’Batch’);
model.batch(‘batch1’).create(‘task’,’Jobseq’);
model.batch(‘batch1’).feature(‘task’).set(‘seq’,’sweep1′);
model.batch.create(‘sweep2′,’Parametric’);
model.batch(‘sweep2’).set(‘pname’,’b’);
model.batch(‘sweep2’).set(‘plist’,[1,2,3]);
model.batch(‘sweep2’).create(‘gtask’,’Geomseq’);
model.batch(‘sweep2’).feature(‘gtask’).set(‘seq’,’geom1′);
model.batch(‘sweep2’).create(‘task’,’Jobseq’);
model.batch(‘sweep2’).feature(‘task’).set(‘seq’,’batch1′);
model.batch(‘sweep2’).run;
نام و مقادیر پارامترها را از یک Sweep پارامتریک که قبلا اجرا شده است، تعیین کنید.
model.batch(pname).feature(fname).getString(‘psol’)
که در آن pname نام ویژگی Sweep پارامتریک است که اجرا می شود و fname نام ویژگی حلی است که راه حل ها را ذخیره می کند. استفاده کنید
تگ model.sol(sname).feature().
برای پیدا کردن برچسب های راه حل های ذخیره شده. استفاده کنید
model.sol(sname).feature(fname).getString(‘sol’)
برای یافتن دنباله حل کننده برای یک پارامتر. استفاده کنید
model.sol(sname).getParamNames
و
model.sol(sname).getParamVals
همچنین ببینید
model.sol() , model.study()
