1、 HPC高性能計算架構(gòu)設(shè)計HPC基礎(chǔ)介紹 在過去15年的時間里，HPC一直是增長最快的IT市場之一，其增長速度有時超過了在線游戲、平板的年增長率。HPC高性能計算市場空間有多大？ 在2016年的全年，我們報告說，HPC服務(wù)器市場的全球工廠收入從2015年的107億美元上升到創(chuàng)紀(jì)錄的112億美元，比2003年的57億美元增長了近兩倍(其他市場分析，請參看“ HYPERLINK /s?_biz=MzAxNzU3NjcxOA=&mid=2650717317&idx=1&sn=6ccbe4c92f482e88ba7b2678a3eeb2e6&chksm=83e97ae4b49ef3f2ad28e48f

2、adbbf856a1e2272dbe87b5ebc5c8bcc0667898805dd67749a273&scene=21 l wechat_redirect t _blank 解讀 Intersect360分析預(yù)測: 由AI和Cloud驅(qū)動，未來HPC市場達(dá)439億”)，研究預(yù)測，HPC服務(wù)器市場將在2021年增長到148億美元，而整個HPC生態(tài)系統(tǒng)的市場在那一年將會超過300億美元的市場。什么是高性能計算，涉及哪些技術(shù)和知識呢？ 高性能計算(High performance computing)指通常使用很多處理器(作為單個機(jī)器的一部分)或者某一集群中組織的幾臺計算機(jī)(作為單個計算資源操作

3、)的計算系統(tǒng)和環(huán)境。高性能集群上運(yùn)行的應(yīng)用程序一般使用并行算法，把一個大的普通問題根據(jù)一定的規(guī)則分為許多小的子問題，在集群內(nèi)的不同節(jié)點上進(jìn)行計算，而這些小問題的處理結(jié)果，經(jīng)過處理可合并為原問題的最終結(jié)果。由于這些小問題的計算一般是可以并行完成的，從而可以縮短問題的處理時間。 高性能集群在計算過程中，各節(jié)點是協(xié)同工作的，它們分別處理大問題的一部分，并在處理中根據(jù)需要進(jìn)行數(shù)據(jù)交換，各節(jié)點的處理結(jié)果都是最終結(jié)果的一部分。高性能集群的處理能力與集群的規(guī)模成正比，是集群內(nèi)各節(jié)點處理能力之和，但這種集群一般沒有高可用性。高性能計算的分類方法很多。這里從并行任務(wù)間的關(guān)系角度來對高性能計算分類。一、高吞吐計算

4、(High-throughput Computing) 有一類高性能計算，可以把它分成若干可以并行的子任務(wù)，而且各個子任務(wù)彼此間沒有什么關(guān)聯(lián)。因為這種類型應(yīng)用的一個共同特征是在海量數(shù)據(jù)上搜索某些特定模式，所以把這類計算稱為高吞吐計算。所謂的Internet計算都屬于這一類。按照Flynn的分類，高吞吐計算屬于SIMDSingle Instruction/Multiple Data，單指令流-多數(shù)據(jù)流)的范疇。二、分布計算(Distributed Computing) 另一類計算剛好和高吞吐計算相反，它們雖然可以給分成若干并行的子任務(wù)，但是子任務(wù)間聯(lián)系很緊密，需要大量的數(shù)據(jù)交換。按照Flynn的

5、分類，分布式的高性能計算屬于MIMD（Multiple Instruction/Multiple Data，多指令流-多數(shù)據(jù)流）的范疇。 有許多類型的HPC系統(tǒng)，其范圍從標(biāo)準(zhǔn)計算機(jī)的大型集群，到高度專用的硬件。大多數(shù)基于集群的HPC系統(tǒng)使用高性能網(wǎng)絡(luò)互連，基本的網(wǎng)絡(luò)拓?fù)浜徒M織可以使用一個簡單的總線拓?fù)洹PC系統(tǒng)由計算、存儲、網(wǎng)絡(luò)、集群軟件四部分組成。高性能計算HPC系統(tǒng)技術(shù)特點是什么？ HPC系統(tǒng)目前主流處理器是X86處理器，操作系統(tǒng)是linux系統(tǒng)(包括Intel、AMD、NEC、Power、PowerPC、Sparc等)、構(gòu)建方式采用刀片系統(tǒng)，互聯(lián)網(wǎng)絡(luò)使用IB和10GE。 高性能計算HP

6、C集群中計算節(jié)點一般分3種: MPI節(jié)點、胖節(jié)點、GPU加速節(jié)點。雙路節(jié)點稱為瘦節(jié)點(MPI節(jié)點)，雙路以上稱為胖節(jié)點；胖節(jié)點配置大容量內(nèi)存；集群中胖節(jié)點的數(shù)量要根據(jù)實際應(yīng)用需求而定。 GPU英文全稱Graphic Processing Unit，中文翻譯為圖形處理器。在浮點運(yùn)算、并行計算等部分計算方面，GPU可以提供數(shù)十倍乃至于上百倍于CPU的性能。目前GPU廠家只有三家NVIDIAGPU、AMD GPU和Intel Xeon PHI。可選擇的GPU種類比較少。NVIDIA的GPU卡分圖形卡和計算卡，圖形卡有NVIDA K2000與K4000，計算卡K20X/K40M/K80。Intel的G

7、PU是Intel Xeon Phi系列，屬于計算卡，主要產(chǎn)品有Phi 5110P、Phi 3210P、Phi 7120P、Phi 31S1P。AMD的GPU是圖形和計算合一，主要產(chǎn)品有W5000、W9100、S7000、S9000、S10000。高性能計算的性能指標(biāo)怎樣衡量？ CPU的性能計算公式: 單節(jié)點性能=處理器主頻*核數(shù)*單節(jié)點CPU數(shù)量*單周期指令數(shù)。單周期指令數(shù)=8(E5-2600/E5-2600 v2/E7-4800 v2)或16(E5-2600 v3)；節(jié)點數(shù)量=峰值浮點性能需求/單節(jié)點性能。 時延(內(nèi)存和磁盤訪問延時)是計算的另一個性能衡量指標(biāo)，在HPC系統(tǒng)中，一般時延要求如

8、下:一個MFlops等于每秒一佰萬(=106)次的浮點運(yùn)算；一個GFlops等于每秒拾億(=109)次的浮點運(yùn)算；一個TFlops等于每秒一萬億(=1012)次的浮點運(yùn)算，(1太拉)；一個PFlops等于每秒一千萬億(=1015)次的浮點運(yùn)算；一個EFlops等于每秒一佰京(=1018)次的浮點運(yùn)算。測試工具Linpack HPC是什么？ Linpack HPC是性能測試工具。LINPACK是線性系統(tǒng)軟件包(Linear system package)的縮寫，主要開始于1974年4月，美國Argonne國家實驗室應(yīng)用數(shù)學(xué)所主任Jim Pool，在一系列非正式的討論會中評估，建立一套專門解線性系

9、統(tǒng)問題之?dāng)?shù)學(xué)軟件的可能性。 業(yè)界還有其他多種測試基準(zhǔn)，有的是基于實際的應(yīng)用種類如TPC-C，有的是測試系統(tǒng)的某一部分的性能，如測試硬盤吞吐能力的IOmeter，測試內(nèi)存帶寬的stream。 至目前為止，Linpack還是廣泛地應(yīng)用于解各種數(shù)學(xué)和工程問題。也由于它高效率的運(yùn)算，使得其它幾種數(shù)學(xué)軟件例如IMSL、MatLab紛紛加以引用來處理矩陣問題，所以足見其在科學(xué)計算上有舉足輕重的地位。 Linpack現(xiàn)在在國際上已經(jīng)成為最流行的用于測試高性能計算機(jī)系統(tǒng)浮點性能的Benchmark。通過利用高性能計算機(jī)，用高斯消元法求解N元一次稠密線性代數(shù)方程組的測試，評價高性能計算機(jī)的浮點性能。雙列直插式內(nèi)

10、存(DIMM)有幾種類型？ 雙列直插式內(nèi)存(DIMM)包括UDIMM內(nèi)存、RDIMM內(nèi)存和LRDIMM內(nèi)存三種DIMM內(nèi)存可用類型。在處理較大型工作負(fù)載時，無緩沖DIMM( UDIMM )速度快、廉價但不穩(wěn)定。寄存器式DIMM( RDIMM )內(nèi)存穩(wěn)定、擴(kuò)展性好、昂貴，而且對內(nèi)存控制器的電氣壓力小。它們同樣在許多傳統(tǒng)服務(wù)器上使用。降載DIMM( LRDIMM )內(nèi)存是寄存器式內(nèi)存( RDIMM )的替代品，它們能提供高內(nèi)存速度，降低服務(wù)器內(nèi)存總線的負(fù)載，而且功耗更低。LRDIMM內(nèi)存成本比RDIMM內(nèi)存高非常多，但在高性能計算架構(gòu)中十分常見。非易失雙列直插式內(nèi)存NVDIMM是什么？ NVDIM

11、M由BBU(Battery Backed Up)DIMM演變而來。BBU采用后備電池以維持普通揮發(fā)性內(nèi)存中的內(nèi)容幾小時之久。但是，電池含有重金屬，廢棄處置和對環(huán)境的污染，不符合綠色能源的要求。由超級電容作為動力源的NVDIMM應(yīng)運(yùn)而生。并且NVDIMM使用非揮發(fā)性的Flash存儲介質(zhì)來保存數(shù)據(jù)，數(shù)據(jù)能夠保存的時間更長。主流高性能計算網(wǎng)絡(luò)類型有哪些？ InfiniBand架構(gòu)是一種支持多并發(fā)鏈接的“轉(zhuǎn)換線纜”技術(shù)，InfiniBand技術(shù)不是用于一般網(wǎng)絡(luò)連接的，它的主要設(shè)計目的是針對服務(wù)器端的連接問題的。因此，InfiniBand技術(shù)將會被應(yīng)用于服務(wù)器與服務(wù)器(比如復(fù)制，分布式工作等)，服務(wù)器和

12、存儲設(shè)備(比如SAN和直接存儲附件)以及服務(wù)器和網(wǎng)絡(luò)之間(比如LAN，WANs和互聯(lián)網(wǎng))的通信。高性能計算HPC系統(tǒng)為什么要使用IB互聯(lián)？主要原因是IB協(xié)議棧簡單，處理效率高，管理簡單，對RDMA支持好，功耗低，時延低。 目前只有Mexllaon、Intel、Qlogic提供IB產(chǎn)品，Mexllaon是主要玩家，處于主導(dǎo)地位， IB目前支持FDR和QDR、EDR。 Host Channel Adapters (HCA)是IB連接的設(shè)備終結(jié)點，提供傳輸功能和Verb接口；Target Channel Adapters (TCA)是HCA的子集，基本上用于存儲。 RDMA(Remote Direc

13、t Memory Access)技術(shù)全稱遠(yuǎn)程直接數(shù)據(jù)存取，就是為了解決網(wǎng)絡(luò)傳輸中服務(wù)器端數(shù)據(jù)處理的延遲而產(chǎn)生的。RDMA通過網(wǎng)絡(luò)把數(shù)據(jù)直接傳入計算機(jī)的存儲區(qū)，將數(shù)據(jù)從一個系統(tǒng)快速移動到遠(yuǎn)程系統(tǒng)存儲器中，實現(xiàn)Zero Copy。高性能計算的靈魂并行文件系統(tǒng) TOP500 HPC系統(tǒng)中存儲主要使用分布式文件系統(tǒng)，分布式文件系統(tǒng)(Distributed File System)可以有效解決數(shù)據(jù)的存儲和管理難題: 將固定于某個地點的某個文件系統(tǒng)，擴(kuò)展到任意多個地點/多個文件系統(tǒng)，眾多的節(jié)點組成一個文件系統(tǒng)網(wǎng)絡(luò)。每個節(jié)點可以分布在不同的地點，通過網(wǎng)絡(luò)進(jìn)行節(jié)點間的通信和數(shù)據(jù)傳輸。人們在使用分布式文件系統(tǒng)時

14、，無需關(guān)心數(shù)據(jù)是存儲在哪個節(jié)點上、或者是從哪個節(jié)點從獲取的，只需要像使用本地文件系統(tǒng)一樣管理和存儲文件系統(tǒng)中的數(shù)據(jù)。 分布式文件系統(tǒng)的設(shè)計基于客戶機(jī)/服務(wù)器模式。一個典型的網(wǎng)絡(luò)可能包括多個供多用戶訪問的服務(wù)器。當(dāng)前主流的分布式文件系統(tǒng)包括:Lustre、Hadoop、MogileFS、FreeNAS、FastDFS、NFS、OpenAFS、MooseFS、pNFS、以及GoogleFS等，其中Lustre、GPFS是HPC最主流的行業(yè)發(fā)展趨勢。HPC計算架構(gòu)演進(jìn) HPC系統(tǒng)實際上就是一個并行計算系統(tǒng)，很多初學(xué)者剛接觸并行計算的時候會對MPI、OpenMPI和OpenMP產(chǎn)生非常大的疑惑，主要原

15、因是對這幾個概念本身理解的不清晰以及這幾個縮寫的字母確實是如此的近似。下面先通過一張圖來看看MPI、OpenMPI和OpenMP的區(qū)別。 MPI(Message Passing Interface)是信息傳遞接口，是獨(dú)立于語言的通信協(xié)議(標(biāo)準(zhǔn))，是一個庫。MPI的實現(xiàn)有MPICH、MPI-1、MPI-2、OpenMPI、IntelMPI、platformMPI等等，OpenMPI(open Message Passing Interface)是MPI的一種實現(xiàn)，也是一種庫項目。 OpenMP(Open Multiprocessing)是一種應(yīng)用程序界面(即Application Program

16、 Interface)，是一種并行的實現(xiàn)和方法，也可以認(rèn)為是共享存儲結(jié)構(gòu)上的一種編程模型。 在當(dāng)前的并行計算系統(tǒng)中，OpenMP和OpenMPI都是需要的(從上面的各自概念可以看出)，OpenMP用于本地的并行計算(共享內(nèi)存內(nèi)存架構(gòu))，支持目前所有平臺上的程序共享內(nèi)存式并行計算，它相當(dāng)于是給出了一個讓并行編程更加容易實現(xiàn)的模型，而OpenMPI則是用于機(jī)器之間的通信(分布式內(nèi)存架構(gòu))。 從系統(tǒng)架構(gòu)來看，目前的商用服務(wù)器大體可以分為三類，即對稱多處理器結(jié)構(gòu)SMP(SymmetricMulti-Processor)，非一致存儲訪問結(jié)構(gòu)NUMA(Non-Uniform MemoryAccess)，以

17、及海量并行處理結(jié)構(gòu)MPP(Massive ParallelProcessing)。 它們的特征分別是共享存儲型多處理機(jī)有兩種模型，即均勻存儲器存取(Uniform-Memory-Access，簡稱UMA)模型和非均勻存儲器存取(Nonuniform-Memory-Access，簡稱NUMA)模型。而COMA和ccNUMA都是NUMA結(jié)構(gòu)的改進(jìn)。SMP (SymmetricMulti-Processor) SMP對稱多處理系統(tǒng)內(nèi)有許多緊耦合多處理器，在這樣的系統(tǒng)中，所有的CPU共享全部資源，如總線，內(nèi)存和I/O系統(tǒng)等，操作系統(tǒng)或管理數(shù)據(jù)庫的復(fù)本只有一個，這種系統(tǒng)有一個最大的特點就是共享所有資源。

18、多個CPU之間沒有區(qū)別，平等地訪問內(nèi)存、外設(shè)、一個操作系統(tǒng)。操作系統(tǒng)管理著一個隊列，每個處理器依次處理隊列中的進(jìn)程。如果兩個處理器同時請求訪問一個資源(例如同一段內(nèi)存地址)，由硬件、軟件的鎖機(jī)制去解決資源爭用問題，SMP服務(wù)器CPU利用率狀態(tài)如下。 所謂對稱多處理器結(jié)構(gòu)，是指服務(wù)器中多個CPU對稱工作，無主次或從屬關(guān)系。各CPU共享相同的物理內(nèi)存，每個CPU訪問內(nèi)存中的任何地址所需時間是相同的，因此SMP也被稱為一致存儲器訪問結(jié)構(gòu)(UMA:Uniform Memory Access)。對SMP服務(wù)器進(jìn)行擴(kuò)展的方式包括增加內(nèi)存、使用更快的CPU、增加CPU、擴(kuò)充I/O(槽口數(shù)與總線數(shù))以及添加更

19、多的外部設(shè)備(通常是磁盤存儲)。 SMP服務(wù)器的主要特征是共享，系統(tǒng)中所有資源(CPU、內(nèi)存、I/O等)都是共享的。也正是由于這種特征，導(dǎo)致了SMP服務(wù)器的主要問題，那就是它的擴(kuò)展能力非常有限。對于SMP服務(wù)器而言，每一個共享的環(huán)節(jié)都可能造成SMP服務(wù)器擴(kuò)展時的瓶頸，而最受限制的則是內(nèi)存。由于每個CPU必須通過相同的內(nèi)存總線訪問相同的內(nèi)存資源，因此隨著CPU數(shù)量的增加，內(nèi)存訪問沖突將迅速增加，最終會造成CPU資源的浪費(fèi)。實驗證明，SMP服務(wù)器CPU利用率最好的情況是2至4個CPU。NUMA(Non-UniformMemory Access) NUMA技術(shù)可以把幾十個CPU(甚至上百個CPU)組

20、合在一個服務(wù)器內(nèi)，彌補(bǔ)了SMP在擴(kuò)展能力上的限制，NUMA服務(wù)器CPU模塊結(jié)構(gòu)如下。 NUMA服務(wù)器的基本特征是具有多個CPU模塊，每個CPU模塊由多個CPU(如4個)組成，并且具有獨(dú)立的本地內(nèi)存、I/O槽口等。由于其節(jié)點之間可以通過互聯(lián)模塊(如稱為Crossbar Switch)進(jìn)行連接和信息交互，因此每個CPU可以訪問整個系統(tǒng)的內(nèi)存(這是NUMA系統(tǒng)與MPP系統(tǒng)的重要差別)。顯然，訪問本地內(nèi)存的速度將遠(yuǎn)遠(yuǎn)高于訪問遠(yuǎn)地內(nèi)存(系統(tǒng)內(nèi)其它節(jié)點的內(nèi)存)的速度，這也是非一致存儲訪問NUMA的由來。由于這個特點，為了更好地發(fā)揮系統(tǒng)性能，開發(fā)應(yīng)用程序時需要盡量減少不同CPU模塊之間的信息交互。 利用NU

21、MA技術(shù)，可以較好地解決原來SMP系統(tǒng)的擴(kuò)展問題，在一個物理服務(wù)器內(nèi)可以支持上百個CPU。 但NUMA技術(shù)同樣有一定缺陷，由于訪問遠(yuǎn)地內(nèi)存的延時遠(yuǎn)遠(yuǎn)超過本地內(nèi)存，因此當(dāng)CPU數(shù)量增加時，系統(tǒng)性能無法線性增加。如HP公司發(fā)布Superdome服務(wù)器時，曾公布了它與HP其它UNIX服務(wù)器的相對性能值，結(jié)果發(fā)現(xiàn)，64路CPU的Superdome (NUMA結(jié)構(gòu))的相對性能值是20，而8路N4000(共享的SMP結(jié)構(gòu))的相對性能值是6.3。從這個結(jié)果可以看到，8倍數(shù)量的CPU換來的只是3倍性能的提升。MPP(MassiveParallel Processing) MPP和NUMA有所不同，MPP提供了

22、另外一種進(jìn)行系統(tǒng)擴(kuò)展的方式，它由多個SMP服務(wù)器通過一定的節(jié)點互聯(lián)網(wǎng)絡(luò)進(jìn)行連接，協(xié)同工作，完成相同的任務(wù)，從用戶的角度來看是一個服務(wù)器系統(tǒng)。其基本特征是由多個SMP服務(wù)器(每個SMP服務(wù)器稱節(jié)點)通過節(jié)點互聯(lián)網(wǎng)絡(luò)連接而成，每個節(jié)點只訪問自己的本地資源(內(nèi)存、存儲等)，是一種完全無共享(Share Nothing)結(jié)構(gòu)，因而擴(kuò)展能力最好，理論上其擴(kuò)展無限制，目前的技術(shù)可實現(xiàn)512個節(jié)點互聯(lián)，數(shù)千個CPU。 在MPP系統(tǒng)中，每個SMP節(jié)點也可以運(yùn)行自己的操作系統(tǒng)、數(shù)據(jù)庫等。但和NUMA不同的是，它不存在異地內(nèi)存訪問的問題。換言之，每個節(jié)點內(nèi)的CPU不能訪問另一個節(jié)點的內(nèi)存。節(jié)點之間的信息交互是通過

23、節(jié)點互聯(lián)網(wǎng)絡(luò)實現(xiàn)的，這個過程一般稱為數(shù)據(jù)重分配(Data Redistribution)。 但是MPP服務(wù)器需要一種復(fù)雜的機(jī)制來調(diào)度和平衡各個節(jié)點的負(fù)載和并行處理過程。目前一些基于MPP技術(shù)的服務(wù)器往往通過系統(tǒng)級軟件(如數(shù)據(jù)庫)來屏蔽這種復(fù)雜性。舉例來說，Teradata就是基于MPP技術(shù)的一個關(guān)系數(shù)據(jù)庫軟件，基于此數(shù)據(jù)庫來開發(fā)應(yīng)用時，不管后臺服務(wù)器由多少個節(jié)點組成，開發(fā)人員所面對的都是同一個數(shù)據(jù)庫系統(tǒng)，而不需要考慮如何調(diào)度其中某幾個節(jié)點的負(fù)載。 MPP大規(guī)模并行處理系統(tǒng)是由許多松耦合的處理單元組成的，要注意的是這里指的是處理單元而不是處理器。每個單元內(nèi)的CPU都有自己私有的資源，如總線，內(nèi)存

24、，硬盤等。在每個單元內(nèi)都有操作系統(tǒng)和管理數(shù)據(jù)庫的實例復(fù)本。這種結(jié)構(gòu)最大的特點在于不共享資源。NUMA、MPP和SMP之間性能的區(qū)別NUMA的節(jié)點互聯(lián)機(jī)制是在同一個物理服務(wù)器內(nèi)部實現(xiàn)的，當(dāng)某個CPU需要進(jìn)行遠(yuǎn)地內(nèi)存訪問時，它必須等待，這也是NUMA服務(wù)器無法實現(xiàn)CPU增加時性能線性擴(kuò)展。MPP的節(jié)點互聯(lián)機(jī)制是在不同的SMP服務(wù)器外部通過I/O實現(xiàn)的，每個節(jié)點只訪問本地內(nèi)存和存儲，節(jié)點之間的信息交互與節(jié)點本身的處理是并行進(jìn)行的。因此MPP在增加節(jié)點時性能基本上可以實現(xiàn)線性擴(kuò)展。SMP所有的CPU資源是共享的，因此完全實現(xiàn)線性擴(kuò)展。MPP、SMP和NUMA應(yīng)用的區(qū)別 NUMA架構(gòu)可以在一個物理服務(wù)器

25、內(nèi)集成許多CPU，使系統(tǒng)具有較高的事務(wù)處理能力，由于遠(yuǎn)地內(nèi)存訪問時延遠(yuǎn)長于本地內(nèi)存訪問，因此需要盡量減少不同CPU模塊之間的數(shù)據(jù)交互。顯然，NUMA架構(gòu)更適用于OLTP事務(wù)處理環(huán)境，當(dāng)用于數(shù)據(jù)倉庫環(huán)境時，由于大量復(fù)雜的數(shù)據(jù)處理必然導(dǎo)致大量的數(shù)據(jù)交互，將使CPU的利用率降低。 MPP系統(tǒng)不共享資源，因此對它而言，資源比SMP要多，當(dāng)需要處理的事務(wù)達(dá)到一定規(guī)模時，MPP的效率要比SMP好。 由于MPP系統(tǒng)因為要在不同處理單元之間傳送信息，在通訊時間少的時候，那MPP系統(tǒng)可以充分發(fā)揮資源的優(yōu)勢，達(dá)到高效率。也就是說: 操作相互之間沒有什么關(guān)系，處理單元之間需要進(jìn)行的通信比較少，那采用MPP系統(tǒng)就要好

26、。因此，MPP系統(tǒng)在決策支持和數(shù)據(jù)挖掘方面顯示了優(yōu)勢。 MPP系統(tǒng)因為要在不同處理單元之間傳送信息，所以它的效率要比SMP要差一點。在通訊時間多的時候，那MPP系統(tǒng)可以充分發(fā)揮資源的優(yōu)勢。因此當(dāng)前使用的OTLP程序中，用戶訪問一個中心數(shù)據(jù)庫，如果采用SMP系統(tǒng)結(jié)構(gòu)，它的效率要比采用MPP結(jié)構(gòu)要快得多。HPC主要應(yīng)用場景和軟件 高性能計算集群應(yīng)用主要按應(yīng)用類型分為科學(xué)計算型集群、負(fù)載均衡型集群、高可用型集群、并行數(shù)據(jù)庫型集群四類；按照應(yīng)用需求對應(yīng)的應(yīng)用領(lǐng)域分為:計算密集型應(yīng)用(Computing-intensive): 大型科學(xué)工程計算，數(shù)值模擬等。其應(yīng)用領(lǐng)域為石油、氣象、CAE、核能、制藥、環(huán)

27、境監(jiān)測分析、系統(tǒng)仿真等。數(shù)據(jù)密集型應(yīng)用(Data-intensive): 數(shù)字圖書館，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘，計算可視化等；其應(yīng)用領(lǐng)域：圖書館、銀行、證券、稅務(wù)、決策支持系統(tǒng)等。通信密集型應(yīng)用(Network-intensive): 協(xié)同工作，網(wǎng)格計算，遙控和遠(yuǎn)程診斷等；其應(yīng)用領(lǐng)域：網(wǎng)站、信息中心、搜索引擎、電信、流媒體等。 HPC高能能計算常用種應(yīng)用領(lǐng)域主要分為:CAE仿真、動漫渲染、物理化學(xué)、石油勘探、生命科學(xué)、氣象環(huán)境。CAE仿真軟件主要有哪些？ CAE(ComputerAided Engineering)用計算機(jī)輔助求解分析復(fù)雜工程和產(chǎn)品的結(jié)構(gòu)力學(xué)性能，以及優(yōu)化結(jié)構(gòu)性能等。主要應(yīng)用于航空航天、汽車、船舶、機(jī)械、建筑、電子等領(lǐng)域。 CAE主要處理流程大致為: 幾何建模、劃分網(wǎng)格、指定荷載和邊界條件，提交給服務(wù)器進(jìn)行分析，顯示結(jié)果，