而在一系列的制造、工程和工業環境中，采用高性能計算(HPC)技術可以縮短金融交易時間，加強合規性、風險檢測、數據分析，甚至加快原型設計。
高性能計算(HPC)非常適合計算、數字和數據密集型任務，原來主要應用于大型企業、政府部署、研究機構的少數領域。但云計算一直是IT變革的催化劑。它提供了超級計算能力，并為規模較小的實體提供了大量的計算能力;推動‘云優先'的思想。當然，這與更廣泛的市場數字化密切相關，越來越多的業務應用程序從內部數據中心轉移出來，以提高靈活性，并降低成本。
當今的發展
如今，超大規模的云計算供應商占據了大部分的高性能計算(HPC)市場，提供了更高的彈性以及幾乎無限的計算可擴展性。在以往，超級計算數據中心的技術更新通常需要兩年或更長時間。該過程包括審查現有技術，然后進行試驗或概念驗證階段，并廣泛公布征求建議書(RFP)要求。毫不奇怪的是，這些設施中通常部署了Cray、IBM、HPE、NEC等公司的服務器。
但是，超大規模云計算構建者可以將一些快速網絡與一系列GPU和一些復雜的中間件有效地融合在一起，以便管理模擬和建模工作負載，然后稱之為真正的高性能計算(HPC)，這種想法是錯誤的。該模型不適合高性能計算(HPC)。這些應用程序復雜而密集，并且要求苛刻。雖然對于某些高性能計算(HPC)而言，通常是以最低成本獲得最多計算能力，但其成功交付以及高性能計算(HPC)應用程序的最佳運行，在很大程度上依賴于性能和速度。
大型云計算提供商通過大量使用自己的服務器來響應對高性能計算(HPC)集群的需求。通過這些硬件可以提高性能，而服務器的CPU則可以通過商用GPU進行擴充，以用于更大規模的高性能計算(HPC)應用。但這并不是最佳選擇。依靠“大量計算”并不能簡單地構建一個出色的高性能計算(HPC)環境，即在最佳條件下部署應用程序并盡可能高效地運行。要實現這一目標，企業需要一個定制的云環境，其中應用程序優先提供真正的高性能計算(HPC)。
最近，研究機構在Amazon Web Services、Microsoft Azure、私有的高性能計算(HPC)云平臺上實施了相同高性能計算(HPC)配置的OpenFOAM壓力測試，以更好地了解性能影響。為了反映合理的中型高性能計算(HPC)工作量，元素數量從20萬個增加到4160萬個。
針對每個高性能計算(HPC)云平臺配置嘗試了五次運行，揭示了在使用少量核心時，在AWS云平臺中的擴展結果可重復性非常好，但隨著CPU數量的增加，可變性也隨之增加。并會產生負面影響。而采用物理服務器并沒有發生這種情況，全面加快了30%。在Microsoft Azure云平臺上擴展OpenFOAM模擬也存在一些值得注意的問題。
超大規模公共云是廣泛的企業、辦公室和云平臺支持的應用程序和工作負載的理想計算資源，提供廣泛的可擴展性、靈活的訪問點、定價計劃，以適應任何部署和時間表。但是它們依賴于虛擬化的服務器，這些服務器通常是跨越國界的，并且通常遠離存儲設備。在考慮位置時，還要做出關于最佳地理位置的戰略決策。例如，一些地點還可以采用可再生能源，這可能對組織的利潤及其環境足跡產生巨大影響。
而且，對于要求更高的高性能計算(HPC)用戶，尤其是那些希望在近期內接受定制機器和深度學習應用程序的用戶，或者為了從原型階段過渡到生產產品的人工智能初創公司需要對此重新思考。不幸的是，定制配置機器以適應他們自己的應用程序也違背了超大規模的原則。公共云需要高度的同質性，以便能夠大規模地運營基礎設施。對于運行定制或高度自定義應用程序的高性能計算(HPC)用戶，這些應用程序需要高性能計算(HPC)工程師進行精確配置或增加支持時間以優化其部署，用戶將無法在超大規模云平臺中找到它。對于這些專業應用，用戶需要采用“量身定制”服務。
Hyperion公司報告稱，10%的高性能計算(HPC)現在在云平臺中實施。隨著企業越來越依賴高性能計算(HPC)輸出，他們必須尋找一個真正優化的環境，在這個環境中，高性能計算(HPC)集群能夠以可重復的方式部署，并且電力和成本是可持續的，并且不會有經濟損失。曾幾何時，“優化”意味著使用作業調度程序將集群放在一個地方。而如今，每個復制的部署都必須記錄，并隨著時間的推移而實施自動化，以保持性能完整性。
最終，在云中運行復雜的高性能計算(HPC)應用程序的潛力是巨大的，但如果人們真正獲得好處，必須面對并解決性能、速度、成本的基本挑戰。
京公網安備 11010502049343號