“高性能与高通量计算及应用”专刊

高性能与高通量计算的飞速发展和在各行业领域的大范围应用，对科学研究和国民经济各领域都产生了极大地促进和推动作用。本刊将组织“高性能与高通量计算及应用”主题专刊，拟收录展示我国高性能与高通量计算的前沿发展态势和创新技术及应用成果等方面的高水平研究论文。

本专刊工作得到中国科学院战略性先导科技专项 (专项编号：XDC01000000) 资助

This special issue was supported by the Strategic Priority Research Program 

  of Chinese Academy of Sciences,Grant No. XDC01000000


默认 最新文章 浏览次数

全选

导出引用 EndNote Reference Manager ProCite BibTeX RefWorks

显示图片

地球系统模式CAS-ESM

周广庆,张云泉,姜金荣,张贺,吴保东,曹杭,王天一,郝卉群,朱家文,袁良,张明华

数据与计算发展前沿   2020,2(1 ):38 -54. DOI:10.11871/jfdc.issn.2096-742X.2020.01.004

摘要  （3350） HTML （112） PDF（pc） （12318KB）（913） 收藏 【目的】本文介绍了中国科学院地球系统模式CAS-ESM的发展、构成及性能优化,着重介绍了在并行计算优化方面的工作。【方法】基于CAS-ESM1.0,在大气和海洋模式上,就并行剖分、跳点差分算法、并行计算通信开展了一系列的优化研究,显著提升模式的并行加速比和并行效率。开发了用于耦合集成的软件平台,并通过一系列的物理参数化方案的改进,提高了各分量模式的模拟性能,以此形成了CAS-ESM2.0。【结果】新系统在运行效率和模拟精度上都较CAS-ESM1.0有显著提升,实现了我国境内首个全球地表CO2浓度分布及其季节变化的全耦合模拟。CAS-ESM2.0将参加国际耦合模式比较计划CMIP6的有关试验,并提供有关模拟结果的数据共享。

数据和表丨 参考文献丨 相关文章丨 多维度评价

基于CPU/GPU异构系统架构的高超声速湍流直接数值模拟研究

党冠麟,刘世伟,胡晓东,张鉴,李新亮

数据与计算发展前沿   2020,2(1 ):105 -116. DOI:10.11871/jfdc.issn.2096-742X.2020.01.009

摘要  （1974） HTML （64） PDF（pc） （9068KB）（530） 收藏 [目的]高超声速湍流直接数值模拟（DNS）对空间及时间分辨率要求高,计算量非常大。过大的计算量及过长的计算时间是导致DNS难以在工程中被大范围应用的重要原因。为加快计算速度,作者设计并开发了一套CPU/GPU异构系统架构（HSA）下的高性能计算流体力学程序OpenCFD-SCU。[方法]该程序以作者前期开发的高精度有限差分求解器OpenCFD-SC为基础,经GPU系统的移植及优化而得。GPU程序的计算部分使用CUDA编程,确保所有算术运算都在GPU上完成。[结果]利用GPU程序OpenCFD-SCU, 进行了来流Mach数6,6°攻角钝锥边界层转捩的直接数值模拟,得到了转捩过程中的时空演化流场。针对这一算例,GPU程序OpenCFD-SCU与CPU程序OpenCFD-SC相比,实现了60倍的加速效果（单GPU卡对单CPU核心）,大大加速了DNS计算过程。[结论]未来,相信会有更多高超声速湍流模拟选择在GPU上开展。

数据和表丨 参考文献丨 相关文章丨 多维度评价

2019年中国高性能计算机发展现状分析与展望

张云泉,袁良,袁国兴,李希代

数据与计算发展前沿   2020,2(1 ):18 -26. DOI:10.11871/jfdc.issn.2096-742X.2020.01.002

摘要  （1960） HTML （81） PDF（pc） （7325KB）（735） 收藏 【目的】本文根据2019年11月发布的中国高性能计算机TOP100排行榜的数据,对国内高性能计算机的发展现状从总体性能、制造商、行业领域等方面进行了深入分析。【结果】中国TOP100的平均Linpack性能继续保持比国际TOP500平均Linpack性能高的局面,且TOP100的入门性能门槛仍然超过TOP500。中国TOP100上的超级计算系统依然全部都是国产超算系统,曙光和联想并列为数量冠军,曙光、联想和浪潮三强争霸的局面继续保持和加强。【结论】在此基础上,本文根据十八届排行榜的性能数据,对未来中国大陆高性能计算机的发展趋势进行了分析预测。根据新的数据,我们认为：峰值Exaflops的机器将在2020年到2021年间出现;峰值10Exaflops的机器将在2022年到2023年间出现;峰值100Exaflops的机器将在2024年到2025年间出现。

数据和表丨 参考文献丨 相关文章丨 多维度评价

面向人工智能和大数据的高效能计算

李肯立,阳王东,陈岑,陈建国,丁岩

数据与计算发展前沿   2020,2(1 ):27 -37. DOI:10.11871/jfdc.issn.2096-742X.2020.01.003

摘要  （1928） HTML （68） PDF（pc） （10110KB）（490） 收藏 [目的]本文主要分析人工智能和大数据应用随着迅速增大的数据规模,给计算机系统带来的主要挑战,并针对计算机系统的发展趋势给出了一些面向人工智能和大数据亟待解决的高效能计算的若干研究方向。[文献范围]本文广泛查阅国内外在超级计算和高性能计算平台进行大数据和人工智能计算的最新研究成果及解决的挑战性问题。[方法]大数据既为人工智能提供了日益丰富的训练数据集合,但也给计算机系统的算力提出了更高的要求。近年来我国超级计算机处于世界的前列,为大数据和人工智能的大规模应用提供了强有力的计算平台支撑。[结果]而目前以超级计算机为代表的高性能计算平台大多采用CPU+加速器构成的异构并行计算系统,其数量众多的计算核心能够为人工智能和大数据应用提供强大的计算能力。[局限性]由于体系结构复杂,在充分发挥计算能力和提高计算效率方面存在较大挑战。尤其针对有别于科学计算的人工智能和大数据领域,其并行计算效率的提升更为困难。[结论]因此需要从底层的资源管理、任务调度、以及基础算法设计、通信优化,到上层的模型并行化和并行编程等方面展开高效能计算的研究,全面提升人工智能和大数据应用在高性能计算平台上的计算能效。

数据和表丨 参考文献丨 相关文章丨 多维度评价

面向超大规模计算系统的监控、调度及网络优化实践

秦晓宁,王家尧,胡梦龙,苏勇,万伟,李斌,戴荣,王志鹏,吉青

数据与计算发展前沿   2020,2(1 ):55 -69. DOI:10.11871/jfdc.issn.2096-742X.2020.01.005

摘要  （1625） HTML （46） PDF（pc） （13057KB）（396） 收藏 【目的】为应对超大规模计算系统所带来的监控数据风暴、作业调度稳定性及灵活性、网络复杂度及高效性等实际挑战,本文分享了近期真实实践的经验和解决办法。【应用背景】当计算系统从P级逐渐向E级过渡,节点数量可超过10 000个。在计算系统设计之初就需要确定网络拓扑的选型,而在系统的具体使用中更是离不开高效的调度和及时的监控。【方法】本文采用了基于动态负载均衡的分布式监控架构设计,基于高速缓存的分布式告警架构设计,基于SLURM的源码和配置优化,以及nd-Torus网络拓扑仿真对比等相关技术手段,基本满足了实际业务使用需求。【结果】数据表明,对于~10 000节点的计算系统,实时告警数据库表的数据量大小基本可以控制在100万条以内。优化后的SLURM调度系统,可满足系统的业务级调度需求。网络方面,6D-Torus网络由于网络直径低、平均通信距离短,性能和网卡线缆用量较Fat-Tree网络和3D-Torus有一定提升,饱和吞吐率超过40%。【结论】分布式监控架构和告警架构可以有效解决监控数据风暴问题。SLURM在优化后可以实现对超大规模计算系统的作业调度功能。就线缆和交换机使用数量而言,6D-Torus相对于传统Fat-Tree网络更加经济,且性能优于3D-Torus,更适合超大规模计算系统。

数据和表丨 参考文献丨 相关文章丨 多维度评价

高通量众核处理器设计

叶笑春,李文明,张洋,张浩,王达,范东睿

数据与计算发展前沿   2020,2(1 ):70 -84. DOI:10.11871/jfdc.issn.2096-742X.2020.01.006

摘要  （1487） HTML （64） PDF（pc） （11092KB）（444） 收藏 【目的】随着云计算、物联网以及人工智能等新型高通量应用的迅速兴起,高性能计算的主要应用从传统的科学与工程计算为主逐步演变为以新兴数据处理为核心,这给传统处理器带来了巨大的挑战,而高通量众核处理器作为面向此类应用的新型处理器结构成为重要的研究方向。【方法】针对上述问题,本文分析了高通量典型应用特征,从数据处理端、传输端以及存储端三个核心环节开展了高通量众核处理器关键技术设计探讨,包括实时任务动态调度、高密度片上网络设计、片上存储层次优化等。【结果】实验结果显示上述机制可以有效确保任务的服务质量,提升网络的数据吞吐率,以及简化片上存储层次。【结论】随着万物互联时代对高并发强实时处理的迫切需求,高通量众核处理器有望成为未来数据中心的核心处理引擎。

数据和表丨 参考文献丨 相关文章丨 多维度评价

构建支撑科技创新的新一代计算基础设施

钱德沛

数据与计算发展前沿   2020,2(1 ):1 -17. DOI:10.11871/jfdc.issn.2096-742X.2020.01.001

摘要  （1366） HTML （152） PDF（pc） （12713KB）（853） 收藏 [背景]理论分析、实验观察与计算模拟是科学研究的三大手段。高性能计算作为一个国家综合国力的主要标志之一,具有重要的战略意义。[方法]本文从我国高性能计算机的研制、高性能计算机环境的建设以及计算应用的发展等方面,重点回顾了我国高性能计算在过去20年的发展历程和取得的主要成就,进而对当前“十三五”期间我国对高性能计算重点研发项目的部署和进展进行介绍。[结论]并基于对当前高性能计算发展形势的分析,对加强新一代计算基础设施的建设以及应用的构建提出设想并展开讨论。

数据和表丨 参考文献丨 相关文章丨 多维度评价

适合一类复杂异构超算系统的HPL并行计算模型研究

赵海涛, 孙家昶, 黎雷生, 杨文浩, 赵慧, 李会元

数据与计算发展前沿   2020,2(1 ):85 -92. DOI:10.11871/jfdc.issn.2096-742X.2020.01.007

摘要  （1313） HTML （32） PDF（pc） （6480KB）（1047） 收藏 【目的】为快速分析超算系统性能,加速HPL基准测试优化,本文分析了HPL主要影响因素,建立了相关并行计算模型。【方法】基于曙光先进计算系统HPL基准测试程序并行优化,采用理论分析与实验验证相结合的方法,分别对HPL效率上限、快速预测、不同参数影响等问题进行分析,建立了相应的并行计算模型。【结果】与曙光先进计算系统测试结果进行对比,预测结果与实测结果吻合较好,表明了计算性能与任务的均衡度、矩阵操作占HPL计算比率、矩阵操作效率、矩阵操作库函数利用率以及网络传输等能够较大程度反映超算系统HPL的计算效率,加速卡的矩阵操作效率与HPL的效率成正比关系。【局限】目前并行计算模型考虑因素还不全面,大规模计算系统稳定性带来的性能影响还需要进一步研究。【结论】基于不同预测需求的并行计算模型,对HPL基准测试性能预测、并行优化具有重要的指导意义。

数据和表丨 参考文献丨 相关文章丨 多维度评价

高通量计算在大规模人群队列基因组数据解析应用中的挑战

曾瀞瑶,苑娜,魏文娟,李根,杜政霖

数据与计算发展前沿   2020,2(1 ):117 -127. DOI:10.11871/jfdc.issn.2096-742X.2020.01.010

摘要  （1157） HTML （29） PDF（pc） （9319KB）（308） 收藏 【目的】为推动精准医学研究的发展,世界各国相继开展大规模人群队列基因组测序计划,通过对数以万计个体进行全基因组测序,构建人群特异的基因组变异图谱。这些海量基因组数据产出,对计算速度和计算通量提出了新的要求,迫切需要速度更快、通量更高的计算平台来处理与解读这些生物序列信息。由于基因组数据自身的特点、数据解析过程的多样性和复杂性,致使在大规模人群基因组变异解析中高通量计算资源的使用效率低、计算速度慢、耗时长,服务器与本地数据交换不便,因此需要针对基因组变异解析进行多方面优化,通过软硬件开发来解决应用中存在的多种问题。本文拟对这些优化方法进行分析和综述。【方法】在高通量计算系统中,系统IO瓶颈问题是基因组变异解析并行化效率低的主要原因,通常采用基于分布式非结构化存储数据库以及对象存储系统,以提升IO的大规模可扩展能力,解决分析流程中存在的IO问题;同时通过基因组数据的高效压缩算法,可减少数据IO和传输压力。为了加快基因组数据解析速度,可在软件上采用神经网络等算法优化基因组解析方法,在硬件上使用FPGA（现场可编程逻辑门阵列）或GPU异构计算,以提高数据处理速度。【结果】综合来看,以上多方面的优化可以大幅提升基因组数据分析中高通量计算的性能,解决基因组数据处理中的存储墙问题,提高高通量计算资源的使用效率,大大减少全基因组变异解析的计算时间。【结论】高通量计算在基因组数据解析应用中存在的多种问题,可通过软硬件开发和优化得以解决,从而显著改进高通量计算在大规模人群队列变异解析应用中的计算效率,促进今后人群队列基因组研究与应用的广泛开展。

数据和表丨 参考文献丨 相关文章丨 多维度评价

材料基因方法在材料设计中的应用

钱旭,田子奇

数据与计算发展前沿   2020,2(1 ):128 -141. DOI:10.11871/jfdc.issn.2096-742X.2020.01.011

摘要  （1045） HTML （26） PDF（pc） （11648KB）（474） 收藏 【目的】本文主要介绍材料基因方法在一系列材料设计中的应用,如开发高性能催化材料、热电材料、金属有机框架(MOFs)材料、锂电池材料以及钙钛矿型光伏材料。【方法】将高通量计算与机器学习等数据挖掘技术结合,通过高通量计算产生一定规模的数据库,进而对材料数据库进行数据挖掘和分析。【结果】利用数据内在规律发现并筛选出潜在的新材料。【局限】目前,很多理论预测的材料在实验中合成制备还比较困难,因此理论与实验还需要更加深入地结合。【结论】随着计算机数据技术以及实验合成方法的进一步发展,材料基因方法将会在材料开发方面展现出更显著的作用。

数据和表丨 参考文献丨 相关文章丨 多维度评价

COS：度量分布式大数据处理系统的效率

李晓涵,陈文光

数据与计算发展前沿   2020,2(1 ):93 -104. DOI:10.11871/jfdc.issn.2096-742X.2020.01.008

摘要  （943） HTML （8） PDF（pc） （8420KB）（216） 收藏 【目的】在大数据处理领域,分布式计算系统得到广泛应用,它们的可扩展性得到重点关注,但其绝对性能往往没有得到重视。我们希望提出科学合理、与时俱进的度量标准,对分布式系统的性能进行评估。【方法】本文通过对比特定任务的单机实现和分布式实现来讨论分布式系统的性能,提出COS（Configuration that Outperforms a Single machine）这一指标,来衡量分布式系统在达到单台机器的性能时,需要的硬件资源数量。我们选取k-means聚类和逻辑回归两个经典机器学习算法,对其进行单机多线程实现,并通过向量化计算、优化内存分配与访问等方式对性能进行了优化,为分布式多机系统的性能提供参考。【结果】以Apache Spark作为对标系统,实验发现无论是使用其原生编程接口,还是经过悉心优化的机器学习库,都要使用数倍甚至数百倍的机器,才能达到单机多线程实现的性能。【局限】分布式系统与单机实现进行性能对比并不是完全公平的,分布式系统的额外开销客观存在。【结论】但COS指标仍能反映分布式系统存在的绝对性能较差、没有充分利用硬件优势等问题。

数据和表丨 参考文献丨 相关文章丨 多维度评价