Вхід

ПРИМЕНЕНИЕ СУПЕРКОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ

ПРИМЕНЕНИЕ СУПЕРКОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ

Головинский А.Л., Маленко А.Л.

Институт кибернетики им. В.М. Глушкова Национальной Академии Наук

(Украина)

Вступление

Сегодня суперкомпьютерные технологии применяются для решения самого широкого спектра задач науки, образования и промышленности. Данная область развивается динамично, она обладает колоссальным потенциалом.

Суперкомпьютерные приложения сегодня востребованы во множестве самых разных областей научно-технологического комплекса.

Современный уровень развития вычислительной техники и методов математического моделирования дает уникальную возможность для перевода, как промышленного производства, так и научных исследований на качественно новый уровень.

Цифровые модели сложных конструкций, точное описание и воспроизведение природных явлений и процессов, тонкая многопараметрическая оптимизация — все это становится реальным сегодня.

Для индустрии — это повышение конкурентоспособности на мировом рынке, для науки — это завоевание лидирующих позиций учеными, и все это вместе составляет один из важных элементов перехода к инновационной экономике.

Нефтегазовая промышленность и моторостроение, строительство и фармацевтика, фундаментальные задачи физики, химии, нанотехнологий и генетики, прогноз погоды и глобального изменения климата — суперкомпьютерные технологии везде позволяют получить новое качество.

Актуальность исследований

В мире появляются все более сложные задачи и накапливаются все большие объемы данных. И для решения этих суперзадач и обработки этих огромных массивов данных уже не годятся обычные компьютеры.

Большая часть исследований в естественных науках не может сегодня быть поддержана натурными экспериментами, они требуют математического моделирования и обсчета на мощных вычислительных системах.

Кроме того, новая эпоха ознаменовалась взрывным ростом количества данных [1]. Исследования в ядерной физике, астрономии, генетике и биологии генерируют терабайты данных, на базе которых осуществляется компьютерное моделирование, а для подтверждения жизнеспособности моделей используются методы математической статистики, оперирующие выборками огромных размеров.

Суперкомпьютеры реально нужны тем промышленным компаниям, которые ведут разработку новых продуктов. Требования современного рынка таковы, что создание новых продуктов, особенно в сфере высоких технологий, невозможно без суперкомпьютерных вычислений, которые фактически становятся инфраструктурной технологией [2].

Например, авиационный газотурбинный двигатель (ГТД) является одним из самых сложных механических изделий, производимых человеком. Поэтому для создания нового двигателя требуется несколько тысяч человеко-лет, включающих не только разработку конструкции, но и создание новых материалов, освоение способов их обработки, испытания и т.д.

Большинство задач машиностроения может быть решено на системах производительностью 50-100 Тфлопс. Например, для расчета авиационного ГТД целиком на нестационарном режиме (при изменяющейся частоте вращения ротора) требуется система, имеющая 3500 процессорных ядер (производительность порядка 80 Тфлопс) и память 7 ТБ.

Не менее масштабные вычисления необходимы при проектировании авиационной техники. Моделирование параметров самолета требует огромных мощностей — например, для расчета поверхности самолета нужно вычислить параметры воздушного потока в каждой точке крыла и фюзеляжа, на каждом квадратном сантиметре.

Иными словами, требуется решить уравнение для каждого квадратного сантиметра, а площадь поверхности самолета — десятки квадратных метров. При изменении геометрии поверхности все нужно пересчитывать заново. Причем эти расчеты должны быть сделаны быстро, иначе процесс проектирования затянется. Что касается космонавтики, то она началась не с полетов, а с расчетов. У суперкомпьютеров здесь огромное поле для применения.

Другим интересным примером может служить тема «Оптимизация профиля железного колеса». Уменьшение износа железнодорожных колес и рельсового полотна на проценты может дать огромный экономический эффект, а повышение устойчивости вагона в процессе движения позволит повысить безопасность и увеличить среднюю скорость движения.

Если искать оптимум, используя полный перебор на сетке необходимой точности, получим следующее. Взяв десять вариантов значения каждого из параметров, получим 1011 вычислений, что дает порядка 1012 секунд, то есть 3 года непрерывного счета на суперкомпьютере с 10 000 процессоров.

Таким образом, сложность задач такова, что высокопроизводительные вычисления не только являются необходимыми, но и должны в обязательном порядке дополняться эффективными численными методами решения для получения результата в обозримых временных рамках.

Постановка задачи

Институт кибернетики им. В.М. Глушкова был создан в 1957 году как вычислительный центр академии наук Украины, а в 1962 году преобразован в институт кибернетики.

На базе Института кибернетики в системе Национальной академии наук был создан Кибернетический центр из шести институтов – кроме Института кибернетики как базовой организации, в него вошли Институт программных систем, Институт математических машин и систем, Институт космических исследований, Институт прикладного системного анализа, Международный научно-учебный центр информационных технологий и систем.

В декабре 2004 года Национальная академия наук Украины создала в Институте кибернетики им. В.М. Глушкова суперкомпьютерный вычислительный центр (СВЦ) на базе высокопроизводительных кластерных систем СКИТ [3].

Среди задач, решаемых сегодня в СВЦ НАНУ, – предотвращение экологических катастроф, обработка и интерпретация геофизических данных для разведки нефти и газа, моделирование и прогнозирование погоды, а также последствий вредных выбросов в атмосферу.

СВЦ решает задачи обработки космических съемок спутника "Метеостат" для прогнозирования облачности и развития чрезвычайных метеорологических ситуаций, что важно для планирования авиаперелетов и аэрокосмических съемок.

Расчеты Института кибернетики позволяют обеспечить эффективное использование спутника "СІЧ-ІМ", а также оптимальный выбор орбит и планирование работы спутников дистанционного зондирования Земли, позволяющих решать задачи землепользования, охраны лесных массивов, контроля за развитием стихийных и техногенных процессов.

СВЦ успешно разрабатывает множество других, более специфичных технологий, от поиска оптимального расположения аварийных служб и станций скорой помощи, выявления прорывов нефтепроводов и прогнозирования повреждения посевов зерновых до сложных технологий противоракетной обороны, предупреждения террористических акций, оценки инвестиционных проектов, рыночных исследований и т.д.

Вычислительные мощности СВЦ также используются сторонними организациями для проведения наиболее ресурсоемких расчетов. Так, Институт молекулярной биологии и генетики НАНУ проводит расчеты на кластере СКИТ-1 с применением программных пакетов GROMACS и GAMESS с целью изучения синтеза молекул белка в организме человека и исследования механизмов образования раковых клеток.

Высокопроизводительные кластерные системы

Для эффективной работы с кластерными системами и их применения для решения разнообразных задач нами разработаны следующие продукты для вычислительных кластеров [4].

Система управления кластером

Графический интерфейс пользователя кластера

Задача интерфейса — обеспечить выполнение всех возможных операций пользователя только средствами интерфейса. Он должен как можно полнее соответствовать пользователю, учитывать его интересы, привычки, его задачи. Большинство ученых работают с программными пакетами. Им необходимо удобная, не перегруженная дополнительными функциями среда для запуска параллельных программ и редактирования файлов входных данных. Прикладные программисты используют кластер как инструмент настройки параллельных программ. Им необходима среда для компиляции с поддержкой популярных компиляторов и прикладных библиотек, редактор для исходных текстов программ.

Графический интерфейс администратора кластера

Администратор выполняет функции организации вычислительного процесса суперкомпьютера. Каждый администратор имеет учетную запись, как и обычный пользователь, но с расширенными возможностями.

Веб-портал кластерных вычислений

Графический интерфейс должен быть доступным с произвольной рабочей станции пользователя и администратора. Поэтому он должен быть кроссплатформенным и не требовать установление дополнительного программного обеспечения. Именно поэтому за технологическую основу для реализации данного проекта избраны веб-сервисы. Они предоставляют лучшую кроссплатформенность на сегодняшний день и их средств достаточно для обеспечения выполнения заданного круга задач.

Высокопроизводительные хранилища данных

Файловая система Lustre – это параллельная файловая система для суперкомпьютеров, высоконадежных кластеров и прочих систем, где требуется повышенная производительность и большая емкость системы хранения данных.

Файловая система Lustre состоит из одного сервера метаданных mds (meta data series) и нескольких серверов, хранящих содержимое файлов oss (object storage servers).

Отличительной особенностью Lustre является практически линейный рост производительности при увеличении количества oss, что позволяет легко наращивать мощность.

Кластер высокой готовности

Системы высокой готовности (HA Clusters) являются отдельным видом высокопроизводительных систем, в отличие от вычислительных кластеров (HPC Clusters), в которых во главу угла ставится высокая вычислительная производительность, в кластерах высокой готовности приоритетным есть предоставление сервиса без перерывов на аварии оборудования, сбои в программном обеспечении.

Такой кластер обычно состоит из двух и более серверов, один является ведущим, другой горячей заменой. Специальное системное программное обеспечение (Heartbeat) следит за "пульсом" ведущего сервера и в случае сбоя поднимает копию сервиса на сервере горячей замены. Все это занимает не более 10 секунд.

Прикладное программное обеспечение

Основные математические библиотеки

MKL – Math Kernel Library – оптимизированные высокопродуктивные математические библиотеки от компании Intel.

ATLAS – Оптимизированная высокопродуктивная библиотека функций линейной алгебры.

SCALAPACK – Параллельная реализация (на основе LAM/MPI) функций линейной алгебры, использует библиотеку ATLAS, а также BLACS.

FFTW – Параллельная реализация (на основе LAM/MPI) функций для быстрого преобразования Фурье.

Прикладные программные пакеты

GAMESS-US, NWCHEM, ABINIT – квантово-механические расчеты электронных структур.

GROMACS – моделирование  молекулярной динамики.

Прикладное программное обеспечение разработки Института кибернетики им. В.М. Глушкова

Библиотека численных алгоритмов libinpar.a

Библиотека численных алгоритмов libinpar.a предназначена для решения задач линейной алгебры и задачи Коши для систем обычных дифференциальных уравнений при условии приближенных входных данных с оценками правдивости полученных результатов вычислений.

Библиотека libapprox построения для разных способов приближений функций одной или нескольких переменных

Программы библиотеки обеспечивают реализацию методов и алгоритмов приближения функций с использованием способов наилучшей чебышевской аппроксимации и интерполяции функций одной или многих переменных линейными и нелинейными выражениями.

Результаты исследований

Наш вычислительный центр решает важнейшие для экономики Украины задачи, многие из которых до недавнего времени считались практически невыполнимыми. Для большинства разработанных нами технологий скорость получения результатов вычислений является фактором, полностью определяющим их практическую ценность. В результате сотрудничества с другими научно-исследовательскими учреждениями нашими сотрудниками были разработаны системы управления суперкомпьютерными комплексами, предназначенными для разнообразных целей.

Наши разработки

Система управления кластером

Каждый суперкомпьютер имеет различный набор аппаратных и программных компонентов и поэтому уникален. Для каждого мы разрабатываем новые модули для взаимодействия с подсистемами, которые встречаются впервые.

Система управления может быть разработана практически для любого кластера, который имеет базовую функциональность: менеджер ресурсов, базу пользователей, общую файловую систему для узлов, в которой находятся каталоги пользователей.

Система управления суперкомпьютером СКИТ Института кибернетики имени В.Н. Глушкова НАН Украины

Система управления суперкомпьютером Северо-восточного координационного центра Украинского академического грида

Система управления суперкомпьютером Физико-технического института низких температур им. Б.И. Веркина Национальной академии наук Украины

Выводы

Сегодня потенциал суперкомпьютерных технологий нашей страны сосредоточен в науке и образовании. Здесь есть мощные суперкомпьютерные установки и высококвалифицированные кадры. Есть понимание перспектив развития области и необходимости совместной работы с промышленными предприятиями.

Сотрудничество в использовании кластерного комплекса Института кибернетики им. В.М. Глушкова НАН Украины позволяет решить множество актуальных задач:

ЛИТЕРАТУРА

  1. Суперкомпьютерные технологии в науке, образовании и промышленности / Под редакцией: академика В.А. Садовничего, академика Г.И. Савина, чл.-корр. РАН Вл.В. Воеводина. - М.: Издательство Московского университета, 2009. - 232 с., ил. ISBN 978-5-211-05719-7
  2. http://hpc-russia.ru/
  3. http://icybcluster.org.ua/
  4. http://www.melkon.com.ua/
вычисления на суперкомпьютере, сверхбыстрые вычисления, рендеринг, фитнес клубы, спортивные клубы