211service.com
Superkompiuterinis vaizdas be grafikos lustų
Prieš specialių grafikos apdorojimo lustų egzistavimą vizualizacijos srities pionieriai naudojo kelių branduolių superkompiuterius duomenims realizuoti trimis matmenimis. Tačiau šiandien greitis, kuriuo superkompiuteriai gali apdoroti duomenis, sparčiai viršija greitį, kuriuo jie gali įvesti ir išvesti tuos duomenis. Grafikos apdorojimo klasteriai pasensta.
Šerdies žlugimas : Šis vaizdas – branduolio žlugimo supernovos modeliavimo 1492 veiksmas – buvo sukurtas Argonne National Laboratory superkompiuteryje Intrepid, nenaudojant grafikos klasterio.
Argonne nacionalinės laboratorijos ir kitur mokslininkai ieško sprendimo. Užuot perkelę didžiulius duomenų rinkinius į specializuotą grafikos apdorojimo klasterį atvaizdavimui, kaip dabar daroma, jie kuria programinę įrangą, kuri leidžia tūkstančiams superkompiuterio procesorių patiems atlikti vizualizaciją.
Tomas Peterka ir Robas Ross, kompiuterių mokslininkai iš Argonne nacionalinės laboratorijos ir Hongfeng Yu ir Kwan-Liu Ma iš Kalifornijos universiteto Davise, parašė programinę įrangą Intrepid, IBM Blue Gene/P superkompiuteriui, kuris apeina grafikos apdorojimo klasterį. visiškai. Tai leidžia mums [vizualizuoti eksperimentus] vietoje, kuri yra arčiau duomenų vietos – toje pačioje mašinoje, sako Peterka. Jo komandos sprendimas pašalina būtinybę imtis daug laiko reikalaujančio žingsnio ir perkelti duomenis iš vietos, kur jie buvo sugeneruoti, į antrinį kompiuterių klasterį.
Peterkos testo duomenys, gauti iš Džonas Blondinas Šiaurės Karolinos valstijos universiteto ir Anthony Mezzacappa iš Oak Ridge nacionalinės laboratorijos, vaizduoja 30 nuoseklių žingsnių imituojant sprogstamą žvaigždės mirtį ir yra būdinga informacijai, kurią gali įveikti toks superkompiuteris kaip Argonne's. Didžiausias Peterka bandymas, kurio duomenys buvo maksimaliai išnaudoti naudojant 89 milijardų vaizdo elementų (trimačių pikselių) trimatę skiriamąją gebą, ir leido gauti dvimačius 4 096 pikselių vaizdus vienoje pusėje. Duomenims apdoroti reikėjo 32 768 iš 163 840 „Intrepid“ branduolių. Dvimačiai vaizdai buvo sukurti naudojant lygiagretų tūrio atvaizdavimo algoritmą, klasikinį požiūrį į dvimačio trimačio duomenų rinkinio momentinio vaizdo kūrimo būdą.
Įprastai, norint vizualizuoti ir apdoroti duomenis, kuriuos generuoja Intrepid, kuris, esant 557 teraflopams, yra septintas greičiausias superkompiuteris pasaulyje, reikalauja atskiro grafikos apdorojimo įrenginio, žinomo kaip Eureka. (Teraflopas prilygsta trilijonui skaičiavimų per sekundę.) Sukurta iš NVIDIA Quadro Plex S4 GPU (grafikos apdorojimo blokų), Eureka veikia 111 teraflopų greičiu. Galingesni superkompiuteriai petaflop diapazone kelia dar didesnius iššūkius.
Kuo labiau einame, tuo labiau problemą riboja [įvesties / išvesties greičiai], sako Peterka. Vien duomenų kiekio, gauto imituojant petaflop superkompiuterį, įrašymas į diską gali užtrukti nepagrįstai daug laiko. Priežastis paprasta: nuo vienos superkompiuterių kartos iki kitos atminties talpa ir saugojimo pralaidumas didėja ne taip greitai, kaip apdorojimo greitis.
Šis skirtumas reiškia, kad būsimi superkompiuterių centrai paprasčiausiai negalės įsigyti atskirų grafikos apdorojimo įrenginių. Pasak petascale, [atskiri grafikos apdorojimo įrenginiai] yra mažiau ekonomiški Hankas Childsas , kompiuterinių sistemų inžinierius ir vizualizacijos ekspertas Lawrence'o Berkeley nacionalinėje laboratorijoje. Childsas atkreipia dėmesį į tai, kad specialus vizualizacijos klasteris, kaip ir Argonne's Intrepid superkompiuteris, dažnai kainuoja apie 1 mln. USD, tačiau ateityje šios išlaidos gali padidėti 20 kartų.
Patas McCormickas, Los Alamos nacionalinėje laboratorijoje dirbantis su vizualizavimu greičiausiame pasaulyje superkompiuteryje, AMD Opteron ir IBM Cell varomame Roadrunner, sako, kad Peterkos darbas su tiesioginiu duomenų vizualizavimu yra labai svarbus, nes šios mašinos tampa tokios didelės, kad jūs tikrai to nedarote. neturi pasirinkimo. Esami GPU pagrįsti vizualizacijos metodai ir toliau bus tinkami tik tam tikroms modeliavimo rūšims, sako McCormick.
Jei ketinate sunaudoti visą superkompiuterį su skaičiavimais, nemanau, kad turite pasirinkimo, sako McCormick. Jei dirbate tokiu mastu, turėsite atlikti darbą vietoje, nes jį perkelti užtruktų amžinai, o kur dar galėsite apdoroti tiek duomenų?
Peterka, McCormick ir Childs įsivaizduoja ateitį, kurioje superkompiuteriai atliks tai, kas žinoma kaip in situ apdorojimas, kai modeliai vizualizuojami jiems veikiant, o ne po to.
In situ apdorojimo idėja yra visiškai apeiti I/O, sako Childs. Niekada nieko nerašote į diską. Jūs naudojate vizualizavimo procedūras ir susiejate jas tiesiogiai su modeliavimo kodu ir pateikiate vaizdą, kai tai vyksta.
Tačiau šis požiūris nėra be spąstų. Viena vertus, kiekvienam vaizdui atkurti prireiktų visos sekundės ar daugiau, o tai neleidžia natūraliai sąveikauti su trimačiais modeliais. Kitas spąstas yra tai, kad tokiu būdu sąveikaujant su duomenimis, brangiausių pasaulyje pagrindinių kompiuterių ciklai sudegina.
Childsas pažymi, kad superkompiuteriai yra nepaprastai vertingi ištekliai. Kad kas nors atliktų modeliavimą ir valandą sąveikautų su duomenimis – tai labai brangus išteklius valandą laikyti įkaitu.
Kadangi staliniai kompiuteriai seka superkompiuterius ir GPU į kelių branduolių ir masiškai lygiagretaus apdorojimo pasaulį, Peterka spėja, kad gali būti tendencija atsisakyti procesorių, kurie specializuojasi konkrečioms funkcijoms. Jau dabar AMD siūlo OpenCL kodų biblioteką, kuri leidžia paleisti GPU sukurtą kodą bet kuriame x86 luste ir atvirkščiai.
Xavier Cavin, Scalable Graphics, įmonės, kuriančios programinę įrangą didžiausiems verslo naudojamiems grafikos apdorojimo įrenginiams, įkūrėjas ir generalinis direktorius pabrėžia, kad pirmasis lygiagretus apimties atvaizdavimo algoritmas veikė superkompiuterio procesoriuose. Po to žmonės pradėjo naudoti GPU ir GPU grupes, kad padarytų tą patį, sako Cavinas. O dabar grįžtama prie procesorių. Atėjo pilnas ratas.