Суперкомпьютер «УРАН» Андрей Созыкин avs@imm.uran.ru Заведующий сектором суперкомпьютерных технологии ИММ УрО РАН Заведующий кафедрой высокопроизводительных.

Презентация:



Advertisements
Похожие презентации
Направления практической работы Сети и системы телекоммуникаций Созыкин А.В.
Advertisements

О подготовке специалистов по суперкомпьютерным технологиям в Екатеринбурге Андрей Созыкин, Заведующий сектором суперомпьютерных.
Кафедра высокопроизводительных компьютерных технологий Семинар для бакалавров второго курса Созыкин Андрей Владимирович к.т.н. зав.кафедрой высокопроизводительных.
Центр вычислительных технологий АИЦ СВФУ. Содержание ЦВТ – Зачем? – Цели и задачи – Вычислительные кластера – Коллектив Образовательная деятельность –
Суперкомпьютерное образование ВЫСОКОПРОИЗВОДИТЕЛЬНЫЕ ВЫЧИСЛЕНИЯ В НАУКЕ И ОБРАЗОВАНИИ Вл.В.Воеводин, А.В.Тихонравов 25 марта 2009 г.
Методы построения и программное обеспечение вычислительных кластеров Дмитрий Лайком гр. 8ВМ23.
Сетевые информационные технологии Введение Созыкин Андрей Владимирович к.т.н. зав.кафедрой высокопроизводительных компьютерных технологий.
Об организации подготовки по параллельному программированию в Уфимском государственном авиационном техническом университете Р.К. Газизов УГАТУ, кафедра.
М.Л. Цымблер, Л.Б. Соколинский Южно-Уральский государственный университет (Челябинск) Организация систем хранения данных на базе вычислительных кластеров.
Решения компании «Т-Платформы» для высокопроизводительных вычислений: взаимовыгодное сотрудничество отечественной науки и бизнеса.
Система в сборе 1. Кластер 2. ИБП 3. Стойка 14 U 4. Поставщик оборудования - компания Bevalex.
Описание курса Сети и системы телекоммуникаций Созыкин А.В.
Компьютерные кластеры. Автор: Капля Алексей Владимирович alex
Параллельные вычисления Лекция 6. y = 3x + 7x – 8x при x = 4 y1 = 3x(1 действие) y2 = 7x(2 действие) y3 = 8x(3 действие) y = y1 + y2 – y3(4 действие)
Московский государственный университет им.М.В.Ломоносова Институт вычислительной математики РАН Воеводин В.В., Воеводин Вл.В. СУПЕРВЫЧИСЛЕНИЯ:
Вычислительный кластер Высокопроизводительные системы.
Рабочее совещание по вопросам развития суперкомпьютинга и грид-технологий 19 августа 2009 г. Новосибирск, ИВТ СО РАН.
Архитектура системы обработки больших объемов изображений с автоматическим распараллеливанием Созыкин А.В. Гольдштейн.
МАГИСТЕРСКАЯ ПРОГРАММА «КОМПЬЮТЕРНЫЕ НАУКИ» НАПРАВЛЕНИЕ «ФУНДАМЕНТАЛЬНАЯ ИНФОРМАТИКА И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ»
САМАРСКИЙ ГОСУДАРСТВЕННЫЙ АЭРОКОСМИЧЕСКИЙ УНИВЕРСИТЕТ ИМЕНИ АКАДЕМИКА С.П. КОРОЛЕВА (национальный исследовательский университет) Якимов Павел Юрьевич,
Транксрипт:

Суперкомпьютер «УРАН» Андрей Созыкин Заведующий сектором суперкомпьютерных технологии ИММ УрО РАН Заведующий кафедрой высокопроизводительных компьютерных технологий ИМКН УрФУ Конференция «DUMP». 24 – 25 мая 2013 г., отель «Angelo», г.Екатеринбург

2 Суперкомпьютеры Большие высокопроизводительные компьютеры Используются для решения научных задач Области применения: Физика Новые материалы Гидрогазодинамика Механика сплошной среды Дизайн лекарств

3 Суперкомпьютеры в Екатеринбурге Институт математики и механики УрО РАН Суперкомпьютер «УРАН» Пиковая производительность 220 TFlops 6 место в Российском списке ТОП50 наиболее мощных суперкомпьютеров 78 место в мировом списке Graph500

4 Типы суперкомпьютеров Массивно- параллельные системы Системы с общей памятью Кластеры

5 Суперкомпьютер «УРАН» Суперкомпьютер «УРАН» - это кластер Основа «УРАНа» - серверы стандартной архитектуры HP SL390/270: 2 процессора Intel Xeon 8 GPU NVIDIA Tesla M2090/M2050 Память 92 или 196 ГБ Жесткий диск Сетевые адаптеры ОС Linux Коммуникационная сеть: Infiniband DDR 20 ГБ/с

6 GPU для вычислений Гибридные вычисления в суперкомпьютере «УРАН»: Центральные процессоры (CPU) Графические процессоры (GPU) – аналоги видеокарт Производительность: CPU Intel – 185 GFlops GPU NVIDIA Tesla K20X – 1.3 TFlops Аналог Tesla для персоналок – NVIDIA Geforce

7 Как программировать Языки программирования: С/С++ Fortran Технологии параллельного программирования: MPI (Message Passing Interface) – программирование для кластера OpenMP (Open Multi-Processing) – программирование для многоядерного сервера (узла кластера) Программирование для GPU NVIDIA CUDA (Compute Unified Device Architecture) OpenACC – директивы, аналог OpenMP

8 Компиляторы и пакеты Компиляторы: Intel Composer (C/C++ и Fortran) PGI Accelerator (с поддержкой OpenACC) GCC nvcc (CUDA) Пакеты прикладных программ: Matlab Ansys Бесплатные пакеты: OpenFOAM, LAMMPS, NAMD и др. Оптимизированные математические библиотеки

9 Кто считает? Институты УрО РАН: Институт физики металлов Институт теплофизики Институт математики и механики Институт химии твердого тела Институт механики (г. Ижевск) Институт механики сплошных сред (г.Пермь) Уральский федеральный университет: Физико-технический институт Институт математики и компьютерных наук Институт радиоэлектроники и информационных технологий

10 Примеры задач Алгоритмы решения трехмерных обратных задач гравиметрии и магнитометрии в многослойных средах Разработка параллельных алгоритмов решения СЛАУ с блочными матрицами для задач электроразведки Анализ данных дистанционного зондирования Земли в целях поиска структурных различий на разновременных снимках территорий, а также в целях обнаружения и локализации объектов на космических изображениях Исследование информативности геофизических полей для навигации автономных движущихся объектов Моделирование динамики и сейсмичности литосферы Численное моделирование взаимодействия излучения с веществом

11 Итоги Суперкомпьютер «УРАН»: Кластер, построенный по гибридной технологии (CPU + GPU) 6-е место в Российском ТОП50 Используется институтами УрО РАН и УРФУ для решения научных задач Планы: Попасть в список ТОП500 наиболее мощных суперкомпьютеров мира Решение задач для промышленных предприятий

12 Спасибо за внимание! Контакты: Андрей Созыкин Сайт: