[发明专利]高性能计算系统和方法

说明书

本发明涉及高性能计算(HPC)的技术领域。具体地，本发明涉及异构计算系统，特别是包括不同模块的计算系统，不同模块可被自由地分配以联合处理计算任务。提供被称为模块计算抽象层(MCAL)的控制实体，控制实体允许由不同模块提供的各种资源的动态分配。由于其针对不同计算需求进行调整的灵活性，本发明也可适用为用于提供云计算服务的底层系统，底层系统主要经由因特网按需求向计算机和其他装置提供共享的计算机处理资源和数据。

技术领域

本发明涉及高性能计算(HPC)的技术领域。具体地，本发明涉及异构计算系统，特别是包括不同模块的计算系统，不同模块可被自由地分配以联合处理计算任务。提供被称为模块计算抽象层(MCAL)的控制实体，控制实体允许由不同模块提供的各种资源的动态分配。由于其针对不同计算需求进行调整的灵活性，本发明也可适用为用于提供云计算服务的底层系统，底层系统主要经由因特网按需求向计算机和其他装置提供共享的计算机处理资源和数据。

背景技术

用于HPC系统的应用涵盖广泛的技术领域。仅举几例，从在天气和气候预测上模拟人脑、计算流体工程、地震成像、射电天文学到数据分析。对高性能计算的需求在不断增加。

目前，主导的HPC架构是集群计算机和大规模并行处理(MPP)系统。集群计算机包括多个集群节点，这些群集节点使用标准网络技术彼此进行通信。各个集群节点配备有现成的通用处理器。在MPP(大规模并行处理)系统中，大量处理器同时地、因此并行地执行计算。它们通常也采用现成的通用处理器。然而，这些处理器趋向于使用专有网络技术，并且特别是适用于通信的软件。

为了满足对越来越多计算能力的渴望，近年来，计算机集群中的集群节点的数量和MPP系统中的处理器的数量大规模地增加。然而，已经可看出，仅在系统中使用现成的通用处理器并且增加其数量并不是解决方案。

现成的通用处理器毫无疑问具有积极的方面。它们的单线程性能高。在多核处理器的情况下，它们在每个处理器或核上具有大存储量。可使用标准编程，这使得将应用移植到这样的系统更容易。然而，该技术正达到其极限。如果涉及现成的通用处理器，它们的时钟速率(频率)在过去十年中几乎没有增加。这与能耗密切相关，特别是在冷却系统时，在能耗变得严重之前，每个芯片的能耗不应超过100瓦。另外，这些处理器相对昂贵并且具有低能量效率。

看到解决方案在采用加速器，加速器可被用来计算高度可扩展的应用的那些部分。如果应用可以通过以更具成本效益的方式添加更多资源来处理更大的负载，则该应用是高度可扩展的。通常，代码中的不能被并行计算的顺序部分是对于可扩展性而言最关键的限制因素中的一个。

使用多于一种处理器的系统被称为异构计算机系统。不同的加速器可以与通用处理器、即许多核处理器和GPU(图形处理单元)结合使用。许多核处理器具有50多个核。GPU具有数百个简单计算核。两种类型的处理器都是节能的。

在异构计算机系统中，每个集群节点配备有由一个或更多个多核处理器或GPU形成的加速器。加速器基本上用作补充集群节点的主处理器的功能的协处理器。集群节点经由结构(Fabric)进行通信，在该结构中组件通过互连的交换机彼此传递数据。术语“结构”是在高性能计算领域中用于指代系统拓扑的术语。术语“互连”还用于集群节点之间的通信基础设施，指的是连接单独装置的电气或光学连接或电缆。将加速器附连到每个节点的主要问题是静态分配。在设计系统时，通用处理器与GPU之间的比率是固定的。