Es ist wirklich eine fantastische Zeit für die digitale Forschung und Entwicklung. Die alten Beschränkungen lokaler Rechenzentren werden durch die nahezu unbegrenzte, flexible Kapazität cloudbasierter Supercomputing-Dienste ersetzt. Forscher und Ingenieure müssen nicht länger in Warteschlangen sitzen, um auf eine begrenzte und äußerst wertvolle Ressource zuzugreifen.

Das bedeutet aber auch, dass es viele Auswahlmöglichkeiten gibt. Welchen Cloud-Anbieter sollten wir nutzen? Soll es eine Single- oder Multi-Cloud sein? Welche High Performance Computing (HPC)-Dienste sind für uns am besten geeignet? Welche Chip-Architektur sollten wir verwenden?

Entscheidend ist zudem, dass sich HPC-Cloud-Dienste und die sie unterstützenden Chip-Architekturen rasant weiterentwickeln. Die Vielfalt und Anzahl der Chips explodiert. Das eröffnet HPC-Anwendern unzählige Optionen, führt aber auch zu erheblicher Komplexität.

Die gute Nachricht? Rescale hat Leistungsprofile entwickelt, um die Auswahl der Chips zu vereinfachen. Lassen Sie uns diese Trends genauer betrachten und erfahren, wie Rescale Ihnen dabei helfen kann.

Eine neue Ära für HPC

Die Nachfrage nach HPC-Cloud-Diensten hat im letzten Jahrzehnt stark zugenommen. Dies ist auf das rasante Wachstum der digitalen Forschung und Entwicklung zur Ausführung komplexer Modelle und Simulationen der realen Physik zurückzuführen. HPC umfasst ein Ökosystem aus Rechen-, Anwendungs-, Speicher- und Netzwerkressourcen, die strategisch gebündelt werden, um komplexe Rechenprobleme zu lösen.

Cloud-Technologie steht an der Spitze der HPC-Revolution und unterstützt Unternehmen branchenübergreifend dabei, Datenverarbeitungsleistung zu nutzen, die über die Leistung herkömmlicher Rechenzentrumsumgebungen hinausgeht. HPC in der Cloud bietet Unternehmen, die die digitale Transformation ihrer F&E-Programme vorantreiben möchten, ein beispielloses Maß an Leistung, Effizienz und Flexibilität.

Die Nutzung der Cloud hat in den letzten Jahren exponentiell zugenommen. Unternehmen geben mittlerweile über 30 Prozent ihres IT-Budgets für Cloud-Infrastruktur aus. Dieses Wachstum hat gute Gründe. Die Cloud bietet beispiellose Vorteile, darunter den On-Demand-Zugriff auf gemeinsam genutzte Ressourcen und Kosteneinsparungen durch den Wegfall teurer interner Server.

Das Wachstum spezialisierter Chips

In Verbindung mit der Ausweitung cloudbasierter HPC-Dienste verändert das massive Wachstum spezialisierter Chips das Hochleistungsrechnen für Forschung und Entwicklung und bietet Supercomputing-Leistung, die auf bestimmte Arbeitslasten abgestimmt ist. Spezialisierte Chips zielen darauf ab, die Ineffizienzen allgemeiner Zentraleinheiten (CPUs) zu beheben.

Diese neuen Chips gibt es in verschiedenen Formen, darunter Grafikprozessoren (GPUs), feldprogrammierbare Gate-Arrays (FPGAs) und anwendungsspezifische integrierte Schaltkreise (ASICs). Sie sind darauf ausgelegt, die Berechnung für bestimmte Aufgaben wie künstliche Intelligenz (KI), maschinelles Lernen (ML) und Big-Data-Analyse zu beschleunigen.

Die zunehmende Verbreitung spezialisierter Chips treibt die Leistung voran. Das Mooresche Gesetz hat sich in den letzten zwanzig Jahren abgeflacht, was bedeutet, dass die Leistung herkömmlicher Chips nicht mehr so schnell zunimmt wie in den Anfängen der Computerindustrie.

Infolgedessen verlagert sich der Markt auf spezialisierte Halbleiter-Computerarchitekturen, um Geschwindigkeit, Kosten und Energieeffizienz zu steigern. Die Vielfalt der Chiparchitekturen explodiert. Die Zahl spezialisierter Chips ist in den letzten zehn Jahren um 1,000 Prozent gestiegen. Im Jahr 10 kamen beispielsweise mehr als 2020 neue Chiptypen (Kerntypen und Instanzen) auf den Markt. Mittlerweile gibt es mehr als 400 verschiedene Chiptypen (Kerntypen und Instanzen), und dieser Trend nimmt weiter zu.

Dieses erstaunliche Wachstum wird durch die schnelle Einführung von Arm-Architekturen und ein neues Paradigma in der Chipherstellung vorangetrieben. Unternehmen wie AWS, Microsoft und Google haben alle ihre eigenen Chips entwickelt, um ihre Cloud-Operationen zu unterstützen.

Entscheidend ist, dass diese spezialisierten Chips für spezifische Rechenaufgaben konzipiert sind. Ein Chip eignet sich möglicherweise hervorragend für parallele Aufgaben, während ein anderer die höchsten Geschwindigkeiten für einfädige, datenintensive Rechenaufgaben bietet. Und keiner dieser Chips wäre für jede Aufgabe und jeden Workload die beste Wahl.

Wenn Sie beispielsweise eine Computational Fluid Dynamics (CFD) oder Finite-Elemente-Analyse (FEA)-Simulation: Welche Software werden Sie verwenden? Sie werden unterschiedlich funktionieren. Jede Variable, die Sie einführen, führt zu einem anderen Chip, der für die jeweilige Aufgabe optimale Leistung bietet.

Sehen wir uns diese Kompromisse genauer an. Den richtigen Chip auswählen für die richtige Anwendung und Rechenaufgabe macht wirklich einen großen Unterschied in Bezug auf Leistung, Kosten und Energieeffizienz.

Auswahl der richtigen Chiparchitektur für die Rechenanforderungen in Forschung und Entwicklung

Der erste Anwendungsfall ist die Optimierung der Simulationslaufzeiten. Durch die Auswahl der richtigen Hardware können Benutzer ihren Simulationen die erforderlichen Ressourcen zuweisen, um sie in Zeitnotfällen schneller auszuführen, beispielsweise bei Autoteileherstellern, die neue Geräte entwickeln, um neue Aufträge zu gewinnen.

Alternativ können Sie die Simulationskosten senken. Durch die Auswahl der richtigen Hardware können Benutzer den Zeitaufwand für die Softwarelizenzierung minimieren und so die Gesamtkosten für die Durchführung einer Simulation senken.

Dies ist besonders bei begrenzten Budgets nützlich. In diesen wirtschaftlichen Zeiten müssen Unternehmen kostenbewusster denn je sein. Um Ihre Cloud-Kosten zu kontrollieren, kann eine Reduzierung der Gesamtnutzungszeit durch schnellere Hardware äußerst vorteilhaft sein.

Ein dritter Anwendungsfall ist die Skalierung von Simulationen. Mit zunehmender Skalierung der Simulationen ändert sich auch die Leistung auf unterschiedlicher Hardware, insbesondere in Anwendungsfällen, in denen sie auf mehreren Clustern ausgeführt werden müssen oder mehr Speicher benötigen.

Diese drei Anwendungsfälle stellen nur eine kleine Auswahl aller möglichen F&E-Anwendungsfälle für Hochleistungsrechnen dar. Und in den meisten Situationen werden alle drei Anforderungen miteinander verschmelzen.

Sie wollen nicht nur die schnellste, günstigste oder umfangreichste Lösung. Oft geht es dabei um Kosten-Leistungs-Kompromisse. Welcher Chip auf welchem Cloud-Dienst hilft Ihnen am besten, Ihre Innovationsbemühungen zu beschleunigen?

Hindernisse für effektives Benchmarking

Das Verständnis von Leistung, Kosten, Energieeffizienz und Skalierbarkeit jeder HPC-Architektur ist entscheidend. Um dieses Verständnis zu erlangen, konnten Unternehmen traditionell bestimmte Hardware benchmarken und sie in ihren Anwendungen testen. Doch heute drängen immer mehr neue Chips auf den Markt, sodass es für Unternehmen schwierig wird, mit dem Benchmarking Schritt zu halten.

Und Benchmarking ist nicht einfach. Der Einstieg ins HPC-Benchmarking kann zeitaufwändig sein. Das Einrichten und Ausführen der Benchmarks erfordert erheblichen Aufwand. Dies kann insbesondere für Unternehmen eine Herausforderung darstellen, denen das nötige Fachwissen oder die Ressourcen für die Durchführung fehlen.

Heutzutage ist es eine Herausforderung, die optimale Hardware für Tests zu finden. Möglicherweise möchten Sie verschiedene Chips mit unterschiedlichen Systemeigenschaften, beispielsweise unterschiedlichem CPU-Speicher oder unterschiedlichen Netzwerken verwenden. Wenn Sie nicht mit den neuesten und besten Chiptypen Schritt halten, sobald diese auf den Markt kommen, geraten Sie möglicherweise ins Hintertreffen.

Auch die Analyse und Interpretation von Benchmarking-Ergebnissen ist schwierig, da die Identifizierung der Ursachen Leistungsprobleme können komplex sein.

Leistungsprofile: Immer der richtige Chip

Wenn Benchmarking also entscheidend für die Auswahl der richtigen HPC-Hardware für Ihre F&E-Aufgaben ist, was kann ein Unternehmen dann tun? Die Antwort lautet: Leistungsprofile neu skalieren.

Mithilfe von Leistungsprofilen können Unternehmen automatisch erkennen, welche Chiptypen für ihre Anforderungen am besten geeignet sind.

Mit Leistungsprofilen können Organisationen ihre eigene Leistungsintelligenz für ihre spezifischen Anwendungen und Computeraufgaben erstellen.

Mit Leistungsprofilen müssen Sie sich bei der Auswahl des richtigen Kerntyps oder der erforderlichen Kernanzahl nicht mehr auf Vermutungen verlassen.

Stattdessen können Sie mit Leistungsprofilen die Leistungskarte verwenden, um die optimale Kombination von Hardwareressourcen für Ihre Simulation zu bestimmen.

Performance Profiles liefert Ihnen alle Vergleichsdaten, die Sie benötigen, um die Stärken und Schwächen jeder Hardwarearchitektur zu verstehen. So können Sie Entscheidungen treffen, die Ihren strategischen Anforderungen entsprechen. Wie wir in den Anwendungsfällen gesehen haben, ist dies von Kunde zu Kunde unterschiedlich und hängt maßgeblich vom jeweiligen Projekt ab.

Mit Leistungsprofilen können Sie fundierte Entscheidungen auf Basis aktueller Benchmarks Ihrer Software und Modelle treffen und Variablen zwischen Chiptypen, Clustergröße, Anwendungstyp und Rechenaufgabe isolieren. Durch die Verwendung von Leistungsprofilen wissen Sie, welche HPC-Infrastruktur Ihren F&E-Anforderungen tatsächlich gerecht wird.

Viele unserer Kunden profitieren bereits von den Rescale Performance Profiles, darunter Kairos Power, ein Start-up für saubere Energie.

„Performance Profiles war für uns eine sehr wertvolle Funktion“, sagt Brian Jackson, leitender Strömungsingenieur bei Kairos. „Mithilfe von Performance Profiles entdeckte unser Team zwei Hardwarearchitekturen, die im Vergleich zu den von uns verwendeten Chiparchitekturen ein um 30 % besseres Kosten-Geschwindigkeits-Verhältnis boten. Wir werden diese neuen Kerntypen künftig nutzen und die neue Rescale-Funktion weiterhin nutzen, um Leistung und Wert zu optimieren.“

In diesem neuen Zeitalter digitaler Forschung und Entwicklung sowie des Hochleistungsrechnens ist die Auswahl der richtigen Hardwarearchitekturen von Cloud-Service-Anbietern von größter Bedeutung. Die richtige Wahl hat erhebliche Auswirkungen auf Kosten, Leistung, Skalierung und Nachhaltigkeit. Eine falsche Entscheidung kann kostspielig sein und Innovationsbemühungen verlangsamen. Treffen Sie eine kluge Wahl mit Rescale Performance Profiles.