HPC 超算介绍

高性能计算 (HPC, High-Performance Computing) 是指高速处理数据并执行复杂计算的能力。一个 HPC 集群由数百或数千个通过网络连接的计算服务器组成。每个服务器都称为一个节点。每个集群中的节点彼此并行工作，提高处理速度，从而实现高性能计算。HPC 解决方案包括三个主要组件：计算、网络、存储、编排

使用场景

• 研究实验室
• AI（Artificial intelligence）人工智能
• 机器学习工作负载
• 癌症筛查
• IoT（Internet of things）物联网
• CAE，计算机辅助工程
• EDA（Electronics Design Automation）电子设计自动化
• 生信（生物信息学）

相关

HPC 节点分类：

• 管控节点
• 计算节点
• 登录节点

集群分类：

• 主/主 (Active/active)
• 主/从(Active/passive)
• 混合型(Hybrid)

知识图谱：

• 资源调配系统
  • Warewulf 是一个计算机群集实施工具包，可简化群集安装和长期管理的过程。
  • xCAT 是由 IBM 开发的开源分布式计算管理软件，用于基于 Linux 或 AIX 的集群的部署和管理。
• 资源管理器 SMS(system management server)
  • Slurm
  • openPBS
  • PBS(Portable Batch System)
  • Platform Load Sharing Facility (or simply LSF) is a workload management platform, job scheduler, for distributed high performance computing.
• Parallel Storage 一种并行文件系统
• PMI(Process Management Interface) 实现：https://github.com/openpmix/openpmix
• MPI(Message Passing Interface、消息传递接口) 一个平行计算的应用程序接口（API），常在超级电脑、电脑丛集等非共享内存环境程序设计。
  • OpenMPI
  • MPICH
  • MVAPICH2
  • Intel MPI
• ABI (Application binary interface) 应用程序二进制接口
• 三种 DIMM 内存可用：UDIMM 内存、RDIMM 内存和 LRDIMM 内存
  • UDIMM，即无缓冲双列直插式内存模组 (Unbuffered Dual In-Line Memory Modules or unregistered Dual In-Line Memory Modules，UDIMM)
• IC(Integrated circuit) 集成电路
• POSIX (Portable Operating System Interface) 可移植操作系统接口，IEEE 为要在各种 UNIX 操作系统上运行软件，而定义 API 的一系列互相关联的标准的总称，其正式称呼为 IEEE Std 1003，而国际标准名称为 ISO/IEC 9945。
• 图形界面
  • X 窗口系统 (X Window System) x11
  • VS Code in the browser https://github.com/cdr/code-server
• 网络
  • intel OPA
  • MLNX
• DCG：Nvidia Datacenter GPU
• DCGM：Nvidia Datacenter GPU Manager
  • DCGM 是一组用于在基于 Linux 的大规模集群环境中管理和监视 NVIDIA GPUs 的工具。它是一个低开销的工具，可以执行各种功能，包括主动健康监视、诊断、系统验证、策略、电源和时钟管理、组配置和记帐。

Basic Services

• Licensing – FlexNet/FlexLM or equivalent, mediates access to a pool of shared licenses.
• Database – Administrative use for logging/monitoring, dynamic configuration. Requirements of user software.
• Boot/Provisioning – For example PXE/Cobbler, PXE/Image or part of a cluster management suite

Cluster Networking

• Hardware Management – Lights out management

• External – Public interfaces to the cluster

• Internal – General node to node communication

• Storage – Access to network file systems

• Interconnect – high-speed, low-latency for multinode jobs

• 流程管理软件

  • snakemake（生信流程搭建工具）：https://snakemake.readthedocs.io/en/stable/

第三方使用手册

• 上海交大超算平台用户文档 https://docs.hpc.sjtu.edu.cn/index.html / https://github.com/SJTU-HPC
• 北京大学超算中心 http://hpc.pku.edu.cn/_book/
• 四川农业大学先进计算平台 https://hpc.sicau.edu.cn/syzn/slurm.htm
• 中国科学院高能所计算平台 http://afsapply.ihep.ac.cn/cchelp/zh/
• 中国科大超算中心用户使用手册 http://scc.ustc.edu.cn/

其他 HPC 网址

• 性能相关网址
  • https://top500.org
  • https://io500.org
• 磁盘测试 https://www.iozone.org/
• 863 高性能计算机评测中心 http://hpctest.cs.tsinghua.edu.cn/programs.html
• https://hpc.usst.edu.cn/_upload/article/files/b5/3d/0a106a654817a8e32347deeea44f/57c6bde1-ffe4-4eb3-87fc-badcf4e2b8a2.pdf
• http://www.redbooks.ibm.com/redpapers/pdfs/redp5478.pdf
• https://download.lenovo.com/servers_pdf/LiCO_6.0.0_Administrator_Guide.pdf