超級(jí)計(jì)算機(jī)可視化突破瓶頸 正在遠(yuǎn)離GPU
在專門的圖形處理芯片誕生后，在一些可視化需求很高的超前領(lǐng)域里通常使用多內(nèi)核的超級(jí)計(jì)算機(jī)用以實(shí)現(xiàn)3D。不過超級(jí)計(jì)算機(jī)發(fā)展到今天，機(jī)器處理數(shù)據(jù)的速度早就超過了它們能夠的I/O傳輸速度?；趫D形處理器的集群正在變得過時(shí)。
沒有GPU，能否實(shí)現(xiàn)可視化?
美國阿爾貢實(shí)驗(yàn)室以及其它地方的研究人員正試圖找到一種解決方案——他們正在進(jìn)行編程工作使得數(shù)以千計(jì)的處理器可以使超級(jí)計(jì)算機(jī)實(shí)現(xiàn)可視化，而不是將大量的數(shù)據(jù)都轉(zhuǎn)移向一個(gè)專門的圖形處理器渲染集群。
阿爾貢實(shí)驗(yàn)室的兩位計(jì)算機(jī)科學(xué)家Tom Peterka、Rob Ross以及美國加利福尼亞大學(xué)戴維斯分校的兩位研究員于洪峰(音譯)、馬匡六(戴維斯加大電腦科學(xué)系華裔副教授)已經(jīng)為Intrepid(一臺(tái)IBM藍(lán)色基因超級(jí)計(jì)算機(jī))完成了一種軟件的編寫，使得數(shù)據(jù)完全繞過圖形芯片變成現(xiàn)實(shí)。“它允許我們?cè)诤蛿?shù)據(jù)附近——其實(shí)是同一臺(tái)機(jī)器里，運(yùn)行可視化的實(shí)驗(yàn)。” Peterka表示說，這個(gè)團(tuán)隊(duì)的解決方案避免了數(shù)據(jù)從次要的集群系統(tǒng)里轉(zhuǎn)移時(shí)產(chǎn)生的延遲。
Peterka從北卡州立大學(xué)的John Blondin與Oak Ridge國家實(shí)驗(yàn)室的Anthony Mezzacappa獲得實(shí)驗(yàn)數(shù)據(jù)，代表著30步驟的模擬恒星的爆炸，這是像Argonne這樣的超級(jí)計(jì)算機(jī)能模擬的常見的數(shù)據(jù)。
通常情況下，Intrepid產(chǎn)生的可視化和后處理器的數(shù)據(jù)在557 Teraflops左右，這是世界上第七快的超級(jí)計(jì)算機(jī)，需要一塊單獨(dú)的圖形處理器單元。在Petaflop的范圍里需要更強(qiáng)大的計(jì)算機(jī)，目前還有更大的挑戰(zhàn)。
“集群系統(tǒng)越大，I/O傳輸問題就會(huì)越明顯。” Peterka說。在一個(gè)Petaflop級(jí)別的的超級(jí)計(jì)算機(jī)產(chǎn)生的數(shù)據(jù)寫入磁盤的時(shí)候需要不可想象的時(shí)間。原因很簡單：當(dāng)超級(jí)計(jì)算機(jī)迫不及待地奔向下一代的時(shí)候，存儲(chǔ)容量和存儲(chǔ)帶寬并沒有跟上腳步。
GPU拖累千萬億次成本?
這一差距意味著，未來的超級(jí)計(jì)算機(jī)，只是可能無法負(fù)擔(dān)獨(dú)立的圖形處理單元。“在千萬億次級(jí)別，獨(dú)立的圖形單元不符合成本效益。” 勞倫斯伯克力國家實(shí)驗(yàn)室的一位計(jì)算機(jī)系統(tǒng)工程師和可視化專家這樣認(rèn)為。他還指出，一臺(tái)類似于阿爾貢實(shí)驗(yàn)室的Intrepid的可視化集群，通常投入在一百萬美元左右，但是在未來這種花費(fèi)可能提升20%。
Pat McCormick主導(dǎo)了位于美國洛斯阿拉莫斯國家實(shí)驗(yàn)室的世界上最快的超級(jí)計(jì)算機(jī)走鵑的可視化工作，他也認(rèn)為說Peterka有關(guān)直接可視化的工作是至關(guān)重要的，因?yàn)?ldquo;這些機(jī)器正在變得越來越大，你真的沒有別的選擇，” McCormick說，“現(xiàn)有的以GPU為基礎(chǔ)的可視化方法以后將只適合某些類型的模擬。”
“如果你消耗掉了計(jì)算機(jī)所有的計(jì)算資源，我不認(rèn)為你還可以有選擇，” McCormick表示說，“如果你正在運(yùn)行這么大規(guī)模的計(jì)算，你將必須在一個(gè)地方工作，因?yàn)樗鼤?huì)一直不斷地產(chǎn)生數(shù)據(jù)，你哪還有多余的計(jì)算資源去處理這些數(shù)據(jù)?”
Peterka、McCormick以及Hank Childs都在設(shè)想，未來的超級(jí)計(jì)算機(jī)可以實(shí)現(xiàn)仿真可視化的“就地處理”，數(shù)據(jù)邊產(chǎn)生邊處理，而不是在全部產(chǎn)生后再進(jìn)行處理。
“如果要在數(shù)據(jù)全部產(chǎn)生后再進(jìn)行處理，這就需要繞行I/O，” Childs如此表示，“你永遠(yuǎn)不用向磁盤里寫東西?？梢栽诎l(fā)生的時(shí)候采取可視化程序和鏈接直接將仿真代碼輸出圖像。”
當(dāng)然，這種做法并非完全沒有缺陷。“超級(jí)計(jì)算機(jī)是非常寶貴的資源，” Childs提示說，“有人做了一個(gè)仿真模擬，然后這些數(shù)據(jù)耗費(fèi)了一個(gè)小時(shí)來處理——這是非常昂貴的。”
隨著桌面電腦向超級(jí)計(jì)算機(jī)和GPU一樣融入到多核的世界和大型并行處理中，Peterka認(rèn)為遠(yuǎn)離某種特殊功能的處理器會(huì)成為趨勢(shì)。AMD已經(jīng)推出了OpenCL代碼，這使得有可能在任何X86的芯片上運(yùn)行為GPU所寫的代碼——反之亦然。 #p#page_title#e#
