Cloud-Computing
面向 HPC 的雲計算
我正在研究雲計算服務（例如，AWS 以及其他）是否可以切實地補充我一直用來解決流體動力學問題的傳統集群（例如 Comet、Stampede2、Pleiades）。
也就是說，我需要執行我的程式碼（而不是AWS 在他們的其中一個計劃中宣傳的 OpenFOAM），並且它需要 ~1TB RAM ~360 個具有快速互連的處理器（並且位於同一位置以最小化延遲）。
更普遍的問題是：雲計算是否意味著一切都在一些未知的、可能是小型的機器上虛擬化，或者可以通過雲計算請求使用特定的硬體（在這種情況下，它的使用方式與傳統的集群，但分配過程可能有很大不同）？
在大型公共雲中，AWS和Azure聲稱擁有以低延遲網路連接實例的解決方案。應用程序像往常一樣有一個 MPI 實現作為目標。
在某些情況下，您可以更接近地影響實例放置，例如使用集群策略中的 AWS 放置組。他們不會說任何一種方式，但大概這不是專用於 HPC 的機架。只需配備最快的硬體和軟體加速 NIC的機架，即可使用單租戶或專用金屬節點。
或者，如果應用程序可以在大型 NUMA 系統上擴展，也可以考慮這一點。NUMA 仍然具有節點間延遲，但足以執行單個圖像。
對於 x86，截至 2019 年，最新的 Xeon 提供了總共 224 個核心的 8 個插槽。更多的插槽需要自定義互連，只有在 HPE Superdome Flex Server 等稀有野獸上才能看到。前者可作為高記憶體 AWS 實例使用，後者不太可能在雲中租用。
對於 POWER，標準配置中存在像 E980 這樣的 16 插槽系統，但核心數量並不多。