Boinc client что это за программа
filecheck .ru
Вот так, вы сможете исправить ошибки, связанные с boinc.exe
Информация о файле boinc.exe
Описание: boinc.exe не является важным для Windows и часто вызывает проблемы. Boinc.exe находится в подпапках «C:\Program Files». Известны следующие размеры файла для Windows 10/8/7/XP 1,286,800 байт (20% всех случаев), 1,448,744 байт, 902,320 байт, 1,070,736 байт или 1,001,104 байт. 
Поставлена цифровая подпись. Это не системный файл Windows. Приложение не видно пользователям. Процесс использует порт, чтобы присоединится к сети или интернету. Вы можете деинсталлировать эту программу из панели инструментов. Поэтому технический рейтинг надежности 38% опасности.
Разработчик Berkeley предоставляет веб-сайт для помощи и для обновлений. Существует также деинсталлятор (Панель управления ⇒ Установка и удаление программ ⇒ BOINC или Charity Engine).
Важно: Некоторые вредоносные программы маскируют себя как boinc.exe. Таким образом, вы должны проверить файл boinc.exe на вашем ПК, чтобы убедиться, что это угроза. Мы рекомендуем Security Task Manager для проверки безопасности вашего компьютера.
Комментарий пользователя
Лучшие практики для исправления проблем с boinc
Если у вас актуальные проблемы, попробуйте вспомнить, что вы делали в последнее время, или последнюю программу, которую вы устанавливали перед тем, как появилась впервые проблема. Используйте команду resmon, чтобы определить процесс, который вызывает проблемы. Даже если у вас серьезные проблемы с компьютером, прежде чем переустанавливать Windows, лучше попробуйте восстановить целостность установки ОС или для Windows 8 и более поздних версий Windows выполнить команду DISM.exe /Online /Cleanup-image /Restorehealth. Это позволит восстановить операционную систему без потери данных.
boinc сканер
Security Task Manager показывает все запущенные сервисы Windows, включая внедренные скрытые приложения (например, мониторинг клавиатуры или браузера, авто вход). Уникальный рейтинг надежности указывает на вероятность того, что процесс потенциально может быть вредоносной программой-шпионом, кейлоггером или трояном.
Бесплатный aнтивирус находит и удаляет неактивные программы-шпионы, рекламу, трояны, кейлоггеры, вредоносные и следящие программы с вашего жесткого диска. Идеальное дополнение к Security Task Manager.
Reimage бесплатное сканирование, очистка, восстановление и оптимизация вашей системы.
Программа BOINC. Распределённые вычисления.
Неиспользуемое время Вашего компьютера можно использовать для поиска лекарств и методов лечения, изучения глобального изменения климата, пульсаров, а также для множества других научных исследований.
Показать полностью. При этом это никак не скажется на скорости работы Ваших компьютеров, так как проекты работают на приоритете IDLE (то есть счёт ведётся только тогда, когда другие службы и программы не используют Ваш процессор).
Руководство по установке BOINC в картинках:
http://solidstate.karelia.ru/
BOINC (англ. Berkeley Open Infrastructure for Network Computing — открытая программная платформа (университета) Беркли для распределённых вычислений) — некоммерческое межплатформенное ПО для организации распределённых вычислений.
BOINC — программный комплекс для быстрой организации распределённых вычислений. Состоит из серверной и клиентской частей. Первоначально разрабатывался для крупнейшего проекта распределённых вычислений — SETI@home, но впоследствии разработчики из Калифорнийского университета в Беркли сделали платформу доступной для сторонних проектов. На сегодняшний день BOINC является универсальной платформой для проектов в области математики, молекулярной биологии, медицины, астрофизики и климатологии. Исследователям BOINC даёт возможность распределить задания среди множества персональных компьютеров по всему миру (Информация по созданию собственного проекта: http://boinc.berkeley.edu/trac/wiki/ProjectMain ).
Но в этой группе будет обсуждаться в основном только клиентская часть BOINC и уже созданные различными научно-исследовательскими институтами проекты распределённых вычислений.
Подключайте Ваши компьютеры к проектам распределённых вычислений! Этим Вы окажете большую помощь в развитии математики, медицины и других наук, при этом это никак не скажется на скорости работы Ваших компьютеров, так как проекты работают на приоритете IDLE (то есть счёт ведётся только тогда, когда другие службы и программы не используют Ваш процессор)
yura/pyldin/yura/computing.htm можно найти небольшое руководство по тому, какой проект лучше выбрать.
Если Вы всё же решили присоединиться к BOINC проектам, то саму программу BOINC можно загрузить с сайта http://boinc.berkeley.edu/
Самые популярные и интересные сайты о распределённых вычислениях, где Вы можете узнать много новой информации о распределённых вычислениях, о проектах. На сайтах есть форумы поддержки:
Распределённые вычисления: краткое введение в проекты BOINC
Здесь многие слышали о программе распределённых вычислений BOINC, возможно, многие даже принимают в нём участие. Эта статья рассчитана в первую очередь на тех, кто не слышал об этом проекте, но, может быть, заинтересуется им. Здесь я приведу краткие описания самых популярных проектов.
BOINC — программный комплекс для быстрой организации распределённых вычислений. Состоит из серверной и клиентской частей. Первоначально разрабатывался для крупнейшего проекта добровольных вычислений — SETI@home, но впоследствии разработчики из Калифорнийского университета в Беркли сделали платформу доступной для сторонних проектов. На сегодняшний день BOINC является универсальной платформой для проектов в области математики, молекулярной биологии, медицины, астрофизики и климатологии. BOINC даёт исследователям возможность задействовать огромные вычислительные мощности персональных компьютеров со всего мира¹.
Суть заключается в том, что эта программа позволяет различным исследовательским, учебным заведениям или просто энтузиастам науки найти помощь у людей, которые готовы поделиться с ними процессорным временем. Задача, требующая значительной вычислительной мощности, разбивается на более простые части и рассылается различным людям, если решение является верным для своей части – сервер проекта начисляет определённое количество баллов участнику.
Многие участники организуются в команды и устраивают соревнования между собой в различных проектах.
Кратко изобразить этот процесс можно так:
В данный момент в сети BOINC насчитывается около 300 тысяч активных участников, что в сумме даёт более 9 миллионов компьютеров и производительность более 8 петафлопс (на момент написания статьи).
Список проектов
Здесь можно посмотреть статистику по всем активным проектам.
SETI@home
SETI (Поиск Внеземного Разума (Search for Extraterrestrial Intelligence)) — область науки, чьей целью ставится нахождение разумной внеземной жизни. Один из методов, известный как «радио SETI», заключается в использовании радиотелескопов для приёма узкополосных сигналов из космоса. Сигналы, не характерные для естественных явлений, будут служить доказательством использования внеземных технологий.
Раньше проекты ПВР использовали специальные суперкомпьютеры, расположенные у телескопа для анализа поступающей информации. В 1995 году, Дэвид Геди предложил использовать большое количество домашних компьютеров, подключённых к сети Интернет как виртуальный суперкомпьютер для анализа радиосигналов. Для изучения этой идеи он организовал проект SETI@home. Проект SETI@home был запущенн в мае 1999 года.
Rosetta@home
Проект Rosetta@home направлен на вычисление трёхмерной структуры белков. Подобные исследования могут привести к созданию лекарств от таких заболеваний как ВИЧ, малярия, рак и болезнь Альцгеймера.
Более подробную информацию по целям и методам этого проекта можно найти здесь.
WorldCommunityGrid
Этот проект был запущен корпорацией IBM с целью производить расчёт в различных областях науки: расшифровка генома человека, разработка лекарства от вируса эбола, картирование химических маркеров различных типов рака, а также исследования в области возобновляемых источников энергии.
Einstein@Home
Einstein@Home направлен на определение местонахождения пульсаров, используя данные Лазерно-интерферометрической гравитационно-волновой обсерватории (LIGO), радиотелескопа Аресибо, космического гамма-телескопа Ферми (GLAST).
Сигнал, доказавший существование гравитационных волн был слишком коротким для обработки проектом, однако теперь производится подготовка данных для нового поиска продолжительных гравитационных волн по всему небу.
Climate Prediction
Проект просчитывает различные симуляции климатических моделей, что позволяет спрогнозировать, как изменится погода на Земле в будущем.
Malaria Control
Проект использует ресурсы компьютеров для стохастического моделирования эпидемиологии и естественной истории малярии вызываемой Plasmodium falciparum.
MilkyWay@Home
Проект направлен на создание высокоточных трёхмерных моделей Потока Стрельца, что даёт информацию о том, как сформировался Млечный Путь и как образуются приливные рукава во время столкновения галактик.
LHC@Home
Подпроект SixTrack, созданный для помощи учёным улучшения работы БАК, просчитывает различные траектории 60 частиц, при которых луч сохранит стабильность в ускорителе. Количество циклов от 100000 до миллиона циклов, что соответствует менее 10 секундам реального времени. Этого достаточно, чтобы проверить будет ли пучок сохранять траекторию на протяжении гораздо большего времени или существует риск потери стабильности пучка, что может привести к серьёзным проблемам в реальности, например, к остановки ускорителя или к выходу из строя некоторых детекторов.
PrimeGrid
Проект направлен на поиск простых чисел специального вида. Полный список подпроектов можно найти на официальном сайте.
Asteroids@home
Проект ставит целью увеличить объём информации о физических характеристиках астероидов. Программа обрабатывает данные фотометрических наблюдений разными приборами за разное время. Эта информация преобразуется методом инверсии кривой блеска, что позволяет создать 3D-модель формы астероида вместе с определением периода и направлением вращения вокруг своей оси.
Поскольку данные фотометрических наблюдений обычно растянуты во времени, период вращения не «виден» напрямую. Большой объём параметров должен быть проверен для определения оптимального решения. В подобных случаях инверсия кривой блеска занимает слишком много времени и распределённые вычисления – единственный выход эффективно разобраться с фотометрией сотен и тысяч астероидов. Кроме того, для обнаружения ошибок в методе и реконструировать подлинные физические параметры астероидов, необходимо обработать большой объём данных о «синтетических» объектах.
Изучение формы и других параметров астероидов позволит больше узнать об их реальных размерах, представляют ли они реальную угрозу, а в дальнейшем поможет определить подходящие цели для исследовательских миссий.
Cosmology@Home
Проект направлен на поиски модели лучшим образом описывающую нашу Вселенную, и найти какая группа моделей подтверждает текущие данные, полученные теоретическими космологическими исследованиями и практическими физическими наблюдениями.
Yoyo@home
Проект состоит из пяти подпроектов, каждый из которых является проектом по поиску решения различных теоретических вопросов: от поиска нечётных странных чисел до проекта по моделированию работы мюонного коллайдера.
POEM@Home
Проект направлен на моделирование сворачивания белков, что в дальнейшем поможет точнее определять функцию белков по их структуре. Такие знания могут помочь в медицинских исследованиях.
theSkyNet POGS
Это астрономический исследовательский проект обработки данных с различных телескопов мира в разных диапазонах электромагнитного спектра. Проект объединяет GALEX, Pan-STARRS1 и WISE, чтобы создать многочастотный (ультрафиолетовый-оптический-инфракрасный спектры) атлас ближних к нам окрестностей Вселенной. Проект определяет физические параметры (звездная масса галактик, поглощение излучения пылью, масса пылевой компоненты, скорость образования звезд) для каждого пиксела, используя технику поиска оптимума для распределения спектральной энергии.
GPUGRID
Молекулярные симуляции, выполняемые проектом – одни из самых частых при работе учёных, но они также одни из самых ресурсоёмких, поэтому для их просчёта обычно используется суперкомпьютер. Как и в других биологических проектах BOINC, GPUGRID использует ресурсы компьютера для симуляции белков для лучшего понимания их структуры и разработки лекарств от различных болезней.
СОДЕРЖАНИЕ
Дизайн и структура BOINC
Структура сервера
Научные вычисления выполняются на компьютерах участников. После загрузки с клиента пользователя в базу данных исследователя, внутренний сервер проверяет и анализирует результаты. Процесс проверки включает выполнение всех задач на нескольких компьютерах участников и сравнение результатов.
Серверы BOINC также предоставляют следующие функции:
Программа CGI планировщика обрабатывает запросы от клиентов, получая завершенные результаты и отправляя новую работу для вычислений. Планировщик не получает доступные результаты непосредственно из базы данных. Вместо этого фидера демон загружает задачи из базы данных и сохраняет их в разделяемой памяти блока, который считывает планировщик. Устройство подачи периодически заполняет пустые «слоты» в блоке совместно используемой памяти после того, как планировщик отправил эти результаты клиенту.
Когда все результаты рабочей единицы завершены и возвращены, валидатор проверяет их. Одним из популярных методов было бы сравнение результатов друг с другом. Валидатор может иметь собственный код проекта для нечеткого сравнения результатов или может выполнять побитовое сравнение. Если валидатор определяет, что по крайней мере некоторые из результатов являются действительными, он отмечает рабочую единицу и действительные результаты как действительные, пользователям, вернувшим допустимые результаты, предоставляется кредит и выбирается «канонический результат». Если результаты не совпадают или если один из результатов не сообщается к установленному сроку, сервер генерирует дополнительный экземпляр задания и отправляет его на третий хост. Это повторяется до тех пор, пока не будет найден кворум совпадающих результатов или не будет достигнуто ограничение на количество экземпляров.
Затем демон ассимилятора обрабатывает канонический результат, используя код конкретного проекта. Например, некоторые проекты могут анализировать файл и сохранять информацию в базе данных, другие могут просто копировать файл в другое место. Ассимилятор также может сгенерировать больше рабочих единиц на основе возвращенных данных.
В file_deleter демон удаляет выходные файлы после Ассимилятора обработали их и удаляют исходные файлы, которые больше не нужны.
В transitioner ручки демона переходы между состояниями workunits и результатов. Он также генерирует результаты из рабочих единиц, когда они создаются впервые, и когда требуется больше (например, если результат оказывается недействительным).
Слабые стороны дизайна сервера
Структура клиента
Эти компонентные приложения:
Поскольку BOINC имеет функции, которые могут сделать его невидимым для обычного пользователя, существует риск несанкционированной и трудно обнаруживаемой установки. Это поможет накоплению баллов BOINC-кредитов любителями, которые соревнуются с другими за статус в субкультуре BOINC-кредитов.
Распределённые вычисления: настраиваем клиент BOINC и выбираем проект
Распределённые вычисления: как собрать с миру по гигафлопсу на развитие науки
— Вторая часть статьи. Начало читайте здесь.
Множество проектов, ведущих распределённые вычисления, используют платформу BOINC, которую разработали около десяти лет назад в Калифорнийском университете в Беркли. Первый шаг к участию в одном из них — установка программы BOINC Manager.
Установка и настройка клиента BOINC
После скачивания и установки клиентской программы можно указать один или несколько проектов, к которым есть желание присоединиться. Начиная с шестой версии клиент BOINC поддерживает гибкие настройки вычислений, позволяющие точно указать, какой частью аппаратных ресурсов человек готов пожертвовать для нужд науки. Кроме того, можно задать в BOINC Manager автоматическую пазу при запуске некоторых программ или вести вычисления лишь в определённые часы. Расчёты можно в любой момент полностью или выборочно приостановить вручную и так же легко возобновить.
Настройки вычислений на центральном и графическом процессоре в клиенте BOINC
Помимо опций самого клиентского приложения, для каждого проекта предусмотрены настройки через веб-интерфейс на личной странице участника.
Настройки проекта BOINC через веб-интерфейс
Оценить вычислительную мощность компьютера можно встроенным бенчмарком BOINC. Он же иногда используется для сравнения реальной производительности различных конфигураций.
Встроенный тест производительности клиента BOINC
Выбор проектов с учётом доступных ресурсов
При выполнении научных расчётов важную роль играет производительность блоков FPU, осуществляющих вычисления с плавающей запятой. Точность вычислений может быть разная. Обычно говорят о трёх реализованных на практике типах:
Современные видеокарты поддерживают технологии вычислений общего назначения. Любой видеочип, выпущенный после 2007 года, справится с научными расчётами лучше, чем сопоставимый по цене центральный процессор близкого поколения.
Архитектура и скорость вычислений типа FP32 и FP64 некоторых видеокарт
Если раньше в этом сегменте доминировала nVidia (в том числе за счёт выпуска ускорителей Tesla той же архитектуры), то сейчас всё больше проектов смотрят в сторону AMD (ATI).
Пример выполнения проектов BOINC на видеокарте AMD
Появились и такие проекты, которые поддерживают ускорение на видеокартах AMD, но не работают с продуктами nVidia.
Проекты BOINC с эксклюзивной поддержкой видеокарт AMD
Предположительно это связано с тем, что при высокой скорости вычислений FP32 видеокарты nVidia на чипе GK104 демонстрируют сильное падение производительности в расчётах типа FP64. К примеру, если Radeon HD 6930 выполняет вычисления с двойной точностью в четыре раза медленнее, чем с одинарной (480 и 1920 гигафлопс соответственно), то GeForce GTX 680 – в двадцать четыре (128 и 3090 гигафлопс).
Когда «последний» не означает «лучший»
Само по себе использование более современных чипов далеко не всегда означает прирост в скорости. Например, HD 6850 не способен считать с двойной точностью, а HD 5850 выполняет вычисления FP64 со скоростью до 418 гигафлопс.
Топовые видеокарты часто обладают производительностью многопроцессорного сервера. Например, видеокарта с чипом HD 7970 содержит 2048 вычислительных ядер, объединённых в 32 блока. Её теоретическая производительность составляет 3789 гигафлопс при операциях с одинарной и 947 гигафлопс — с двойной точностью.
Для сравнения: арифметическая часть процессора Core-i5 3570K обеспечивает 122 гигафлопса (FP32) и 61 гигафлопс (FP64) в турборежиме, а Intel HD Graphics 4000 даёт прирост ещё на 147 гигафлопс (FP32). У AMD A10-5800K расчётная производительность арифметической части также находится на уровне 122 гигафлопса (FP32) и 61 гигафлопс (FP64), но видеоядро Radeon HD 7660D обеспечивает четырёхкратный прирост — на 614 гигафлопс (FP32).
Сейчас определённо есть смысл выбирать те проекты, которые могут быть обсчитаны с использованием видеокарт или хотя бы встроенных графических ядер. Однако между теоретическим пределом производительности и практически достигаемым результатом часто наблюдается разница не на проценты, а в разы. Она обусловлена квалификацией программистов и оптимизационными пределами для каждой конкретной задачи.
Например, задания проекта Einstein@home на компьютере с Core-i3 2100 и видеокартой Radeon HD 6850 обсчитываются со скоростью 49,5 гигафлопса, а POEM@home — 71,4 гигафлопса с теми же настройками. Оба проекта декларируют поддержку ускорения вычислений видеокартами AMD.
Затраты электроэнергии
Важным моментом является энергоэффективность разных систем. Сейчас она составляет от 1 до 20 гигафлопс на ватт, и этот параметр напрямую влияет на то, как увеличится ваш счёт за электроэнергию. С точки зрения экономичности привлекательны не только специализированные ускорители и серверные решения, но также APU и отдельные массовые видеочипы. У AMD наиболее интересные чипы расположены ближе к началу ценового диапазона, а у nVidia – преимущественно в его верхней трети.
К примеру, эффективность недорогой видеокарты Radeon HD 7770 составляет 16 гигафлопс на ватт в расчётах FP32, однако её использование для выполнения FP64 расчётов неоправданно — здесь она продемонстрирует результат всего в 1,0 гигафлопс на ватт. Даже у выпущенного в 2009 году чипа HD 4750 данный показатель был гораздо лучше – 2,5 гигафлопса на ватт.
GeForce GTX 660Ti принадлежит к верхней границе среднего ценового диапазона, но тратит энергию эффективнее: 16,4 гигафлопса на ватт в расчётах FP32 и 2,1 гигафлопса на ватт при вычислениях с двойной точностью.
Если (теоретически) держать BOINC в режиме постоянной обработки и не выключать компьютер, то при потребляемой мощности ≈ 200 Вт он добавит за месяц менее 150 кВт*ч к показаниям счётчика. В типичном сценарии использования (когда BOINC активен только в простое, а компьютер работает по несколько часов в день и выключается на ночь) — менее десяти киловатт-час.
Возможно, эти незначительные затраты в поддержку исследовательских команд ведущих университетов мира многим покажутся более оправданными, чем перечисление пожертвований сомнительным благотворительным организациям.