高性能计算（HPC）是公司获得创新，洞察力和商业竞争力的驱动力。它是这个数字时代不可或缺的资源。例如，由高性能计算（HPC）运行的复杂计算机模型用于测量和分析近几十年的天气变化，有助于改进预测并模拟气候变化和其他破坏性事件（如飓风）的影响。

在一系列制造，工程和工业环境中，高性能计算（HPC）技术可以减少财务交易时间，增强合规性，风险检测，数据分析，甚至加速原型设计。

如何为高性能计算应用程序提供云原生体验
高性能计算（HPC）是计算，数字和数据密集型任务的理想选择，最初用于大型企业，政府部署和研究机构的一些领域。但云计算一直是IT变革的催化剂。它提供超级计算能力，为较小的实体提供大量计算能力；推动“云优先”的想法。当然，这与更广泛的市场数字化密切相关，越来越多的业务应用程序正在从内部数据中心转移，以提高灵活性并降低成本。
目前的发展
今天，非常大的云计算提供商占据了高性能计算（HPC）市场的大部分，提供了更大的灵活性和几乎无限的计算可扩展性。过去，超级计算数据中心的技术更新通常需要两年或更长时间。该过程包括审查现有技术，然后进行试点或概念验证阶段，以及广泛宣传征求建议书要求。毫不奇怪，cray、ibm、hpe和nec服务器通常部署在这些设施中。
然而，VLSI云构建器可以有效地将一些快速网络与一系列GPU和复杂中间件集成，以管理模拟和建模工作负载，然后称之为真正的高性能计算（HPC）的想法是错误的。该模型不适用于高性能计算。这些应用程序是复杂、密集和苛刻的。尽管对于某些高性能计算（HPC），通常以最低的成本获得最大的计算能力，但其高性能计算（HPC）应用程序的成功交付和最佳运行在很大程度上取决于性能和速度。

大型云计算提供商通过利用自己的服务器来响应对高性能计算（HPC）群集的需求。使用这些硬件可以提高性能，并且可以使用商用GPU扩展服务器的CPU，以用于大规模高性能计算（HPC）应用程序。但这不是最好的选择。依靠“大规模计算”并不是简单地构建一个出色的高性能计算（HPC）环境，其中应用程序在最佳条件下部署并尽可能高效地运行。为实现此目标，组织需要一个定制的云环境，其中应用程序优先考虑真正的高性能计算（HPC）。

最近，研究组织在Amazon Web Services，Microsoft Azure和专有高性能计算（HPC）云平台上实施了相同的高性能计算（HPC）配置的OpenFOAM压力测试，以更好地了解性能影响。为了反映合理的中型高性能计算（HPC）工作负载，元素数量从20万增加到4160万。
每次HPC云平台配置都进行了五次尝试，这表明AWS云平台的可扩展性在使用少量内核时非常可重复，但随着CPU数量的增加，可变性也会增加。它会产生负面影响。物理服务器没有发生这种情况，加速了30％。在Microsoft Azure云平台上扩展OpenFOAM仿真也存在一些值得注意的问题。

超大规模公共云是广泛的企业，办公室和云平台支持的应用程序和工作负载的理想计算资源，提供广泛的可扩展性，灵活的访问点和定价计划，以适应任何部署和时间线。但它们依赖于虚拟化服务器，这些服务器通常是跨境的，通常远离存储设备。在考虑位置时，做出有关最佳位置的战略决策。例如，可再生能源可以在某些地方使用，这可能对组织的利润和环境足迹产生巨大影响。

此外，对于要求更高的高性能计算（HPC）用户，特别是那些希望在不久的将来拥抱自定义机器和深度学习应用程序的用户，或者从原型到生产过渡的人工智能初创公司，Rethink。不幸的是，定制配置机器以适应他们自己的应用程序也违反了非常大规模的原则。公共云需要高度的同质性，以便能够大规模地运营基础设施。对于运行自定义或高度自定义应用程序的高性能计算（HPC）用户，这些应用程序需要高性能计算（HPC）工程师来准确配置或增加支持时间以优化其部署，并且用户将无法进行超级扩展大型云平台。找到它。对于这些专业应用程序，用户需要使用“量身定制”的服务。hyperion报告说10%的高性能计算（hpc）现在是在云平台上实现的。随着企业对高性能计算（HPC）输出的依赖程度越来越高，企业必须找到一个真正优化的环境，使高性能计算（HPC）集群能够以可重复的方式部署，并且电力和成本能够持续且不受经济损失。从前，“优化”意味着使用作业调度程序将集群放在一个地方。今天，每个副本部署都必须记录在案，并随着时间的推移自动进行，以保持性能的完整性。
最终，在云中运行复杂的高性能计算（HPC）应用程序的潜力是巨大的，但如果人们真的受益，他们必须面对并解决性能、速度和成本方面的基本挑战。

• 上一篇: 蓝盟IT外包，元宇宙：四梁八柱是什么
  下一篇: 基础设施监测：挑战和优秀实践

• 分享到：