Supercomputing PCs

Überblick. In den letzten Jahren hat sich die Szene der Höchstleistungsrechner noch dramatischer gewandelt als der schon sehr turbulente allgemeine Computermarkt. Da die Chips moderner Grafikkarten heute über gigantische Rechenleistungen verfügen und an Transistorenzahl und Komplexität normale CPUs weit übersteigen macht es durchaus Sinn sehr rechenintensiven Anwendungen an die GPU auszulagern. Die transtec Supercomputer Systeme basieren auf der innovativen parallelen Architektur von NVIDIA CUDA™ und verfügen über enorme Rechenleistung. Die Leistung eines Clusters in einem PC: bis zu 4 Teraflop Rechenleistung bis zu 960 parallele Recheneinheiten (Cores) bis zu 250 mal schneller als Standard-PCs und Workstations Der Supercomputer im PC-Format: "Jedem Wissenschaftler sein eigener Supercomputer" Anschluss an Standardsteckdosen Einfache Implementierung: Hoch kompatible, leicht erlernbare CUDA C-Programmierumgebung Programmieren in C für Windows oder Linux Ist ein derartiges Level an Parallelisierung und Durchsatz auf Dual- oder Quad-Core-CPUs vorstellbar? Nein, ist es nicht! Die Grafikkarte als Parallelcomputer >> Personal Supercomputer - Ihr persönlicher Supercomputing-PC >> GPU Computing Cluster - Die Leistung eines Supercomputers für Rechenzentren und umfangreiche Rehnerinstallationen >> Einsatzbereiche >>

Die Grafikkarte als Parallelcomputer. In der Vergangenheit wurde die Grafikkarte lediglich zur 2- oder 3 dimensionalen Darstellung genutzt. Die Berechnung der dargestellten Objekte erfolgte allerdings auf der CPU. Mit zunehmendem Anspruch an die Berechnungen ging man dazu über, die Berechnungen auf der Grafikkarte selbst durchzuführen. In den letzten Jahren haben wir ein enormes Interesse daran beobachten koennen die immense Rechenleistung parallel ausgelegter GPUs jenseits der Verarbeitung klassischer 3D-Grafik nutzen zu können. GPUs haben sich weit über die einfache Implementierung von Pipelines, die auf feste Funktionen beschränkt sind, hinaus entwickelt. Sie sind zu flexiblen, programmierbaren, vielfach parallelen Recheneinheiten geworden.

Zunehmend wurde deren Rechenleistung auch zur Lösung von allgemeinen numerischen Problemen eingesetzt. Waren hierfür anfangs noch sehr hardwarespezialisierte und allzu kreative Implementierungen notwendig, so konnten sich modernere Umsetzungen bereits auf abstrakte Parallelrechenmodelle wie das Stream-Processing stützen. Dieses fand weitgehende Übereinstimmungen mit der Grafikpipeline und wurde das grundlegende Modell der Wahl für Implementierungen auf einer GPU. Mit der Compute Unified Device Architecture (CUDA) von NVIDIA werden jedoch in Hard- und Software neue Möglichkeiten geboten, die das Stream-Processing als zu restriktiv erscheinen lassen.

Personal Supercomputer

Die einfachste Möglichkeit ist die Verwendung mehrerer Grafikkarten in einem Rechner. Aktuelle Mainboards verfügen derzeit über bis zu 4 PCI Express 16x-Slots. Davon sind meistens zwei Slots mit voller Datentransferrate, die für den Einbau der Grafikkarten benötigt werden. Mehrere solcher Rechner können im Netzwerk relativ kostengünstig zu leistungsfähigen Rechenclustern zusammengeschlossen werden.

Bis zu vier TESLA 2050 Karten Bis zu vier Teraflop Rechenleistung Bis zu 960 Recheneinheiten (Cores) Bis zu 192 GB Hauptspeicher und 8 GB Grafikspeicher Bis zu 14 TB Festplattenspeicher

GPU Computing Cluster

Eine weitere Möglichkeit der Skalierung liefern PCI Express-Switche zum kaskadierbaren Anschluss mehrerer Grafikkarten an einen einzigen PCI Express-Bus. Das Tesla S2050 System bringt in einer Höheneinheit 4 Tesla-Grafikkarten mit jeweils 1 Teraflop Single-Precision-Rechenleistung und insgesamt 16 GB Grafikspeicher unter. Mittels eines PCI Express-Switches sind die Karten über einen gemeinsamen PCI Express-Port von aussen erreichbar.



Frontend System

• bis zu vier Xeon Prozessoren Westmere Technologie
• bis zu zwei Interface-Karten fuer das TESLA 2050 System
• bis zu 192 GB Hauptspeicher
• bis zu 7 hotswap SATA-Festplatten
• Je nach Modell Infiniband 20Gbps Controller integriert
• Als Rackmount 1U, 2U oder 4U Lösung

Grafikprozessor-Rechnersystem Tesla S2050

• Die neue CUDA™-Architektur mit Codenamen „FERMI“
• Maximale Datensicherheit und Zuverlässigkeit mit ECC
• Bis zu vier Teraflop Rechenleistung in einem hochdichten 1U-System
• Bis zu 960 Recheneinheiten (Cores)
• Bis zu 6 GB GDDR5 pro Grafikprozessor - erlaubt schnelleren Zugriff auf größere Datensätze
• Liefert bis zu 408 GB/s Speicherbandbreite für extrem schnelle Datentransfers
• Erzielt mit einer 64-Bit-Gleitkommagenauigkeit von bis zu 2,5 TeraFLOPS

Einsatzbereiche.

Mit den GPU Computing Produkten sollen Wissenschaftler in der Lage sein, größere Berechnungen durchzuführen. Die Produkte sind für

• Rendering
• medizinische Forschung und
• komplexe Datenverarbeitung

geeignet, da GPUs bei paralleler Verarbeitung von Daten wesentlich effektiver sind als Standard-Prozessoren.

Geo-Wissenschaften, Molekular-Biologie oder medizinische Einrichtungen sind auf enorme Rechenleistungen für Simulationen angewiesen.

Ölfirmen können beispielsweise mit der GPU Computing Technologie komplexe geografische und seismische Analysen durchführen. Wettersimulationen sollen um den Faktor 50 beschleunigt werden.

Weitere Anwendungsbereiche sind z.B.:

• Geo-Wissenschaften
• Bioinformatik und Lebenswissenschaften
• Computerchemie
• Numerische Feldberechnung und Elektrodynamik
• Finanzmathematik
• Numerische Strömungssimulation
• Data-Mining, Analysen und Datenbanken
• Bildgebung und Computer Vision
• Beschleunigung von MATLAB
• Medizinische Bildgebung
• Molekulardynamik
• Wetter-, Atmosphären- und Ozeanmodelle und Weltraumwissenschaften