公司需要高性能计算吗？

在当今数据驱动的世界中，高性能计算（HPC）已成为许多组织的首选平台. 许多组织希望深入了解基因组学，计算化学，财务风险建模和地震成像. 高性能计算（HPC）最初是由需要执行复杂数学计算的研究科学家采用的，如今已吸引了各个领域的组织和企业的关注.

高性能计算（HPC）数据存储系统Panasas Corporation的系统工程总监Dale Brantly说: “我们依靠数据收集，分析和分发来蓬勃发展，并依靠可靠的高性能计算（HPC），以强大的计算能力支持简化的工作流程. ”

尽管中小企业仍然相对缺乏高性能计算（HPC）技术，但是对于愿意投资于该技术和知识的组织来说，高性能计算（HPC）具有巨大的潜力.

通常，高性能计算（HPC）用例关注某些类型的仿真. Google Cloud首席技术官办公室的高性能计算（HPC）和量子计算技术总监Kevin Kissell说: “高性能计算（HPC）可以模拟机翼上的气流，发动机燃烧，行星气象系统， “其他用例用于分析目的，例如统计广告ROI或评估业务部门绩效. 您仍然可以将其他用例归类为翻译或转换. 他说: “就像视频的渲染一样. ”

无需超级计算机的高性能计算

许多公司和IT领导者错误地认为高性能计算（HPC）系统是基于超级计算机的. 实际上，尽管由Atos，IBM，HPE，Cray和Fujitsu生产的超级计算机是许多专用高性能计算（HPC）系统的核心，但更广泛使用的方法是将多台小型计算机彼此集成. 在连接的群集中提供高性能计算（HPC）功能. 在这种安排下，群集中的每台计算机都充当节点. 每个节点通常配备有多个处理器（称为计算核心），用于处理计算任务. 每个节点中的处理器，图形处理单元（GPU）和内存资源相互连接，以创建高性能计算（HPC）系统.

由于购买和运行超级计算机及其定制软件的成本为数百万美元，因此该成本远远超出了大多数公司的财务承受能力. 使用运行现成软件的相对便宜的互连计算机，群集高性能计算（HPC）通常更易于部署和运行. 尽管如此，对于大多数企业而言，即使是中等规模的基于群集的高性能计算（HPC）也是一笔巨大的投资，尤其是那些对高性能计算（HPC）需求有限的企业.

这种情况现在正在改变. 希望在不中断IT预算的情况下访问高性能计算（HPC）的企业现在可以选择使用公共云服务，例如Google Cloud，Microsoft Azure，AWS和IBM Cloud.

数字服务和软件工程公司Ciklum的.NET技术负责人Maksym Pavlov说: “这些服务使企业能够访问高性能计算（HPC）功能来满足其业务需求，而不必在高性能计算（HPC））集群的硬件基础结构. “ IBM云计算副总裁David Turek补充道，”云计算的出现在一定程度上平衡了大小公司之间的竞争环境.

从高性能计算（HPC）集群迁移到云计算高性能计算（HPC）

北卡罗来纳大学教堂山分校（UNC-Chapel Hill）长期以来一直依靠其本地的高性能计算（HPC）集群来支持多种科学，工程和医学研究活动. 但是，随着研究和计算需求的不断增长，用户需求开始超过当前系统的计算资源和容量. 该大学没有增加现有的高性能计算（HPC）投资，而是决定使用云计算技术来提供按需的高性能计算（HPC）环境.

实践证明，该方法既经济高效又高度灵活. 北卡罗来纳大学教堂山分校的首席信息官Michael Barker说: “有了云计算，我们可以提供完成所需工作所需的计算工作. 这是满足运行计算工作需求的非常有效的方法. ”

该学校的高级研究助理杰夫·罗奇（Jeff Roach）表示，高性能计算（HPC）到云的迁移既必要又很受欢迎. 他说: “我们有一个非常传统的本地集群. 但是，随着时间的流逝，该系统无法跟上需要领先的计算能力和更快性能的用户数量. 我们发现本地集群确实是非常有效的，但是其中一些案例变得越来越少. “

随着需要计算的用例迅速成为惯例，北卡罗莱纳大学教堂山分校开始与Google Cloud和仿真和分析软件提供商Techila Technology合作，计划其向云计算高性能计算（HPC）的发展过程.

计划之后的第一步是概念验证评估. 罗奇说: “我们在校园里雇用了一名研究员，他使用了大量的存储设备进行交互式计算，我们试图帮助完成他的工作量. ”他指出，这是一个巨大的成功. 他说: “这位研究人员很快完成了这项工作，并非常喜欢它，因为在大学的高性能计算（HPC）本地群集上运行同一任务可能需要一周的时间，而他使用云计算技术，性能计算（HPC）仅需几个小时即可完成. “

英国约克大学在研究中还采用了基于云的高性能计算（HPC）方法. 皇家学会（Royal Society）的行业研究员，约克大学（York University）生物学系教授James Chong指出，高性能计算（HPC）可以应用于生物学，物理，化学和计算机科学等科学部门，以及语言学和其他几个学科的研究工作.

Chong的研究部门目前正在使用Google Cloud Platform分析DNA序列数据. 他解释说: “我的团队对微生物组感兴趣，微生物组涉及将废物（在这种情况下为污水和污泥）转化为沼气的混合微生物. 我们使用高性能计算（HPC）将短的DNA转化为序列. 一个基因组，然后分离出不同微生物的基因组，以便我们可以了解这些生物如何响应其生长条件的变化. ”

像北卡罗莱纳大学教堂山分校的研究人员一样hpc 高性能计算机，Chong赞赏高性能计算（HPC）云计算服务可以提供的功能和灵活性. 他说: “我们的高性能计算需要满足一系列要求，有些用户想要使用大量的处理器，而另一些用户则需要使用高内存. 作为生物学家，我们使用的某些应用程序很快就会受到束缚. 对于I / O，因此通过超高速磁盘访问也是有用的. “

约克大学使用的云计算高性能计算（HPC）也具有适应不断变化的需求的能力. Chong指出: “我们中的许开始使用机器学习技术，并希望能够利用不同的体系结构. 约克大学的广泛用户意味着我们还需要访问一系列不同的软件包. ”像计算（HPC）一样，约克大学使用的服务使所有类型的研究人员都可以轻松，快速地在软件工具之间进行切换，而不会在获取，部署或配置问题上浪费时间.

具有超级计算机的高性能计算（HPC）

尽管云计算高性能计算（HPC）服务具有某些优势，但对于关注安全性和隐私性的企业而言，它并不总是最佳或最合逻辑的选择. Turek指出: “数据存储位置非常敏感. 特别是当它受到欧洲GDPR法规的限制时. ”通用数据保护法规（GDPR）是欧盟发布的隐私法规.

为了解决隐私问题和对强大计算能力的需求，迈阿密大学最近选择投资基于本地超级计算机的高性能计算（HPC）系统. 至关重要的是，该大学认为，具有大量多维数据集的研究项目可以在专门设计的高性能超级计算机上更快地运行.

去年8月，迈阿密大学发布了基于Power Systems AC922服务器的新型IBM Triton超级计算机. 迈阿密大学计算科学中心主任，数据与研究计算副主任Nicholas Tsinoremas指出，已有2,000多名学生和教职员工将该系统用于气候预测，基因组学，生物信息学，计算机视觉和人工等项目情报.

尽管其部署成功，但在早期阶段遇到了一些障碍. 几乎所有采用高性能计算（HPC）的用户都可以遇到这种情况，而不管其规模，领域或计算需求如何. Tsinoremas说: “迁移问题始终是一个问题，用户培训和再培训也必须解决. 新系统与传统存储系统的集成是另一个挑战. ”

所有这些问题都凸显了这样一个事实，即高性能计算（HPC）系统是基于本地或云计算的，采用它们需要大量的计划和准备. Tsinoremas警告说: “公司必须具有知识并制定计划. 了解工作负载的性质和要求也很重要. 换句话说，采用者需要了解他们正在尝试解决的问题并希望获得高性能计算）如何帮助解决这些问题. ”

高性能计算（HPC）工作负载入门另一个重要点是选择正确的资源管理工具，使组织能够访问和优化高性能计算（HPC）环境. Altair的高级产品管理总监JérémieBourdoncle表示: “无论是购买传统的高性能计算（HPC）硬件环境，利用云中的高性能计算（HPC）还是同时使用两者，请选择以下类型: 最适合您组织的工作对吞吐量要求至关重要的高性能计算（HPC）工作负载管理器. “ Altair是一款仿真软件以及其他与HPC相关的供应商工具和服务. 其工作负载管理器具有自动化的作业计划和管理，监控和报告功能.

Kissell建议采用一种着重于知识，简单性，选择性和审慎性的采用策略. 他说: “这可能是一段漫长的旅程，因此有必要计划行程，但要给自己机会进行调整. 组织需要选择一个简单但具有代表性的测试用例，并且可以从高性能计算中清楚地识别（ HPC）从模拟或分析中获得的知识和见解. 然后，为您的问题类别选择简短的软件包列表hpc 高性能计算机，然后尝试更多. ”

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-194249-1.html