敢在没有超级计算机的情况下玩高性能计算吗？

在当今数据驱动的世界中，高性能计算（HPC）成为寻求对基因组，计算化学，金融风险建模和地震成像有更深入了解的公司的首选平台. 最初，高性能计算受到需要进行复杂数学计算的研究科学家的欢迎，但是现在，越来越多的公司开始关注这一领域.

高性能计算机数据存储系统提供商Panasas的系统工程总监Dale Brantly说: “在数据收集，分析和分发以及使用可靠的系统来支持的繁荣环境中具有强大计算能力的工作流程等需要高性能计算. “尽管中小企业使用的仍然相对较少，但是对于愿意投资技术和员工知识的公司来说，这项技术具有巨大的潜力. 通常，高性能计算应用程序主要集中在某种类型的仿真上. Google Cloud首席技术官办公室的高性能计算和量子计算技术总监Kevin Kissell解释说: “例如，机翼气流模拟，发动机燃烧，行星气象系统，核反应和资产组合评估. ”其他应用方案针对分析目标，例如，衡量广告的投资回报率或评估业务部门的绩效. 还有其他应用程序场景可以分类为转换应用程序或转换应用程序. 他说: “例如，电影和视频渲染. ”

没有超级计算机的高性能计算

许多公司和IT领导者误解为所有高性能计算系统都基于超级计算机. 实际上，尽管由Atos，IBM，HPE / Cray和Fujitsu生产的超级计算机是许多高性能计算系统的核心，但更广泛使用的方法是将多个小型计算机集中到互连的集群中以提供高性能. 计算功能. 在此布局中，群集中的每台计算机都是一个节点. 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，以创建高性能的计算系统. 由于实施和运行超级计算机及其定制软件的成本很容易达到数百万美元，因此该技术仍远远超出大多数企业的经济承受能力. 群集高性能计算机使用相对便宜的联网计算机并运行现成的软件，通常更易于部署和运行. 但是，对于大多数企业，尤其是那些对高性能计算需求有限的企业而言，即使是小型集群高性能计算也是一项巨大的投资. 现在，这种情况正在改变. 想要使用高性能计算而又不超过IT预算的企业可以选择切换到公共云服务，例如Google Cloud，Microsoft Azure，Amazon Web Services（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: “有了这些服务，公司就可以使用高性能的计算功能来满足其业务需求，而不必在高级硬件基础设施上进行大量投资. 性能计算集群. IBM负责数百亿次计算的副总裁David Turek补充说: “云的出现在一定程度上缩小了大小型企业之间的差距. ”

从高性能计算集群到高性能计算云

北卡罗来纳大学教堂山分校（UNC-Chapel Hill）长期以来一直依靠其内部的高性能计算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，当前系统的计算资源和容量已不能满足用户的需求. 该大学没有扩大现有的高性能计算投资，而是决定切换到云计算以向用户提供按需的高性能计算环境. 事实证明，这种方法既经济高效又非常灵活. 北卡罗莱纳大学教堂山分校的临时首席信息官迈克尔·巴克说: “借助云计算，我们可以提供完成必要工作所需的计算能力，只要工作需要，我们就可以随时提供这些计算能力. 这是满足运行计算需求的一种非常有效的方法. “北卡罗来纳大学教堂山分校的高级研究助理杰夫·罗奇说，迁移到云都是必要的非常受欢迎他说: “我们有一个非常传统的本地集群. ”但是，随着时间的流逝，该系统逐渐无法满足需要高级计算能力和更快性能的用户的需求，这一点变得越来越明显. 他说: “我们发现本地集群对于其设计目标用户而言效果很好，但是除此之外，某些优势应用的优势也逐渐减弱. ”随着计算需求应用程序迅速普及，结果，北卡罗莱纳大学教堂山分校开始与Google Cloud和仿真分析软件提供商Techila Technologies合作，计划进入高性能计算云的旅程.

计划之后的第一步是概念验证评估. 罗奇说: “我们在学校找到了一名研究员. 他的工作是做很多高内存的交互式计算. 我们要测试他的工作量. ”他说，这一结果是绝对成功的. “研究人员真的很喜欢它，他已经完成了工作. ”如果在大学的本地高性能计算群集上运行，则相同的任务可能需要一周的时间才能完成. 罗奇说: “他可以在几个小时内完成很多工作. ”在的另一端，约克大学还决定采用基于云的高性能计算方法. 英国皇家学会（Royal Society）的行业研究员，约克大学（York University）生物学系教授James Chong表示，高性能计算已被生物学高性能计算机采用，物理，化学和计算机科学等科学系的师生广泛使用，以及语言学和其他学科. Chong的小组目前正在使用Google Cloud分析DNA序列数据. 他解释说: “特别是，我的团队对微生物群落非常感兴趣，微生物群落是一个混合微生物群落，参与将废物（在我们的研究中为污水污泥）转化为沼气的过程. 我们使用高性能计算将短的DNA序列重组为宏基因组，然后隔离不同微生物的基因组，以便我们可以了解这些微生物如何响应其生长条件的变化. “与北卡罗来纳大学教堂分校一样，Chong也像其在Mountain Campus的同事一样，赞赏高性能计算云服务可以提供的强大功能和灵活性.

他说: “我们的高性能计算能力可以满足一系列需求，有些用户需要大量的处理器，有些需要大容量的存储机器. 作为生物学家，我们很快将使用的某些应用将绑定到I / O，因此我们还需要非常高速的硬盘访问. “大学使用的高性能计算云还可以适应不断变化的需求. Chong指出: “我们中的许开始使用机器学习技术，希望能够利用不同的架构. ”他补充说: “该大学拥有广泛的用户，这意味着我们还需要使用一系列不同的软件. 软件包. ”与大多数高性能计算云一样，约克大学使用的服务使各种类型的研究人员可以轻松地并快速在软件工具之间切换，而不会浪费时间在获取，部署或配置问题上.

使用超级计算机的高性能计算

尽管高性能计算云服务具有某些优势，但对于关注安全性和隐私性的企业来说，它并不总是最佳或最合理的选择. Turek指出: “这些公司对数据的存储位置非常敏感. 例如，特别是考虑到欧洲对GDPR的限制时. ” （GDPR是《欧盟隐私法》通用数据保护条例的缩写. ）为了同时满足隐私和对巨大计算能力的需求，迈阿密大学最近选择投资基于超级计算机的新型高性能计算系统. 最重要的是，大学认为，具有大量多维数据集的研究项目可以在经过特殊设计的高性能超级计算机上更快地运行. 去年八月，学校启动了基于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兼数据和研究计算副院长Nicholas Tsinoremas说，已有2,000多名师生使用该系统执行了诸如气候预测，基因组学，生物信息学，计算机视觉等项目以及人工智能. 尽管部署成功，但仍然遇到一些基本障碍，所有采用高性能计算的用户都可以预期到这些障碍，无论其规模，领域或计算需求如何. Tsinoremas说: “迁移始终是一个问题. ”用户培训和再培训也必须解决. 他指出: “新系统与传统存储系统的集成是另一个问题. ”所有这些问题都强调了一个事实，即无论高性能计算系统是本地的还是基于云的，都必须平稳地采用它. 做好计划和准备. Tsinoremas提醒: “内部专家是必要的，部门也必须有计划. ”了解工作负载的性质和要求也很重要. 他说: “换句话说，采用者应该理解他们想要解决的问题，并且他们知道高性能计算如何帮助解决这些问题. ”

开始使用高性能计算工作负载

另一个关键点是，清楚地知道选择正确的资源管理工具是公司使用和优化高性能计算环境的唯一方法，这一点非常重要. 仿真软件和其他高性能计算工具及服务提供商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硬件环境，还是在云中使用高性能计算，还是根据企业，将两者结合起来. 对于工作类型和吞吐量要求，选择合适的高性能计算工作负载管理器非常重要. “工作负载管理器可以自动安排作业并实现管理，监视和报告功能. 基塞尔建议应用程序策略应侧重于知识，简单性高性能计算机采用，选择性和谨慎性. 他建议: “这可能是一段漫长的旅程，因此请计划行程，但同时也给了自己调整旅程的机会. ”选择一个简单但具有代表性的测试应用方案，从中您可以清楚地看到在性能计算模拟或分析过程中获得的高知识和深入分析结果. ”然后选择类别对于您的问题，请提供简短的软件包列表并尝试. ”作者: 约翰·爱德华兹（John Edwards）是资深的商业技术记者. 他的文章发表在《纽约时报》，《华盛顿邮报》以及许多商业和技术出版物上，包括CIO，ComputerWorld， 《网络世界》，《首席财务官》杂志，《 IBM数据管理》杂志，《 RFID》杂志和《电子设计》.

编译: 陈林华

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-216489-1.html