7994420702;horizontal

Новости про HPC

50 ядерный 22нм Larrabee от Intel #

4 июня 2010

Компания Intel решила возродить проект Larrabee?

Компания Intel анонсировала линейку продуктов основанных на MIC (Many Integrated Core) архитектуре для создания платформ, вычислительная мощность которых составит терафлопы операций в секунду. Первым продуктом стал «Knights Corner», разработанный для HPC (High Performance Computing), изготовленный по 22нм техпроцессу, начало сериийного производства которого намечено на 2012 год. Оснащенный 50 ядрами, этот процессор будет использоваться для аппаратного ускорения обработки параллельных массивов данных.

Фактически это не что иное, как Larrabee project для HPC, заброшенный графический процессор, так же как и 48 ядерный SCC процессор, анонсированные в прошлом декабре. Кроме того, Intel свободно рассказывает о первом устройстве «Knights Ferry» для разработчиков, видеокарте, основанной на первом Larrabee чипе (ныне именуемом Aubrey Isle), включающем 32 ядра работающих на частоте 1.2 Ггц, 8 Мб кэша, 1 или 2 Гб памяти GDDR5. В качестве основной шины соединения с РС будет использоваться PCI Express.

Во что выльется эта затея компании Intel и как повлияет на будущее компьютерной индустрии покажет время. Будем ждать дальнейших анонсов и первых тестов нового GPU Aubrey Isle.

 

 

Aubrey Isle, HPC, Intel, Larrabee, MIC, видеокарты


Cray запускает в производство суперкомпьютер с GPU NVIDIA Tesla #

24 марта 2010

Вычислительные модули NVIDIA Tesla обеспечат 17 000 GFLOPS.

Известный изготовитель высокопроизводительных компьютеров Cray Ink. объявила о запуске новой линейки вычислительных кластеров CX1000. Наибольший интерес в новой линейке представляет модель CX1000-G, предлагающая использование GPGPU возможностей современных графических процессоров NVIDIA. CX1000-G допускает установку до 9 блоков, каждый из которых содержит два процессора Intel Xeon 5600, до 48 Гб оперативной памяти и два процессора NVIDIA Tesla M1060. С учётом производительности одного модуля Tesla в 933 GFLOPS, общая производительность кластера составит почти 17000 GFLOPS даже без учёта вычислительных возможностей центральных процессоров Intel.

Cray CX1000-G

Надо отметить, что графические процессоры уже прочно «прописались» в мире суперкомпьютеров. В прошлом году в список самых производительных компьютеров TOP500 ворвался китайский компьютер Tianhe-1. Производительность петафлопного уровня и пятое место в списке тогда обеспечили 2560 видеокарт AMD Radeon HD 4870×2.

Cray, GPGPU, HPC, Intel, Tesla, суперкомпьютеры

«HPCWire»

Причины успеха CUDA от Linux Magazine #

19 февраля 2010

Редактор издания «Linux Magazine» Douglas Eadline высказался о причинах успеха технологии NVIDIA CUDA.

Ведущий раздела высокопроизводительных вычислений в своей авторской колонке привёл некоторую статистику NVIDIA по использованию CUDA и её популярности в целом:

  • более 2700 упоминаний CUDA в Google Scholar;
  • более 800 видеоупоминаний CUDA на YouTube;
  • более 670 программ на CUDA Zone;
  • более 350 участников CUDA Superhero Challenge;
  • более 300 университетских курсов по изучению модели параллельного программирования CUDA;

Всё это явно выделяет CUDA среди прочих HPC технологий программирования, включая MPI, OpenMP, OpenCL и будущий Ct от Intel. Douglas Eadline попытался разобраться в причинах такого успеха CUDA.

Средства разработки CUDA бесплатны.

Хотя CUDA и не является open-source, CUDA Toolkit может загрузить и свободно использовать любой желающий с сайта NVIDIA. Даже не требуется регистрация, фактор, который нельзя недооценивать, поскольку традиционно компании-разработчики бесплатных инструментов заставляют проходить сложные регистрации с неизбежной дальнейшей обработкой их пользователей отделами продаж.

CUDA не вносит капитальных изменений в язык C.

 Создатели CUDA не стали изобретать новый язык программирования. Любой владеющий C может сходу приступить к изучению и использованию CUDA.

Возможность постепенного перехода на CUDA.

Программист может постепенно добавлять функции CUDA в программу, написанную на C. Не требуется коренной переделки программ для извлечения выгоды из GPU-ускорения.

Низкий порог вхождения.

Обычно нелегко привлечь внимание к новой технологии, когда её использование требует значительных инвестиций в оборудование. В случае CUDA достаточно одной видеокарты на базе NVIDIA для начала работы. Можно проверить эффект на плате начального уровня и лишь потом решать, инвестировать ли в более мощное оборудование.

Поддержка и продвижение CUDA со стороны NVIDIA.

Многие кластерные технологии вроде MPI имеют многие схожие факторы и демонстрируют неплохой рост, но за ними не стоит компании, которая столько вкладывала бы в их продвижение. Для того же MPI просто нет аналогов центра компетенции уровня CUDA Center of Excellence Program.

NVIDIA CUDA logo

Успех CUDA должен служить образцом действий для прочих разработчиков HPC технологий. Низкий порог вхождения — ключ к продвижению, а если вы предоставляете свободу разработки, ждать внедрений долго не придётся. К выходу Fermi её уже будут ждать приложения и заказы — многие ли могут похвастаться тем же?

CUDA, GPGPU, HPC, Linux, программирование