CONVERGE™から 収束科学 最も人気の一つです 数値流体設計 (CFD) エンジン設計とシミュレーションの分野でのシミュレーションプログラム。並列処理機能はMPIを活用し、マルチコアおよび多コア環境でのジョブ実行速度を効果的に向上させます。CONVERGE™ジョブはオンデマンドで実行できます。 Rescaleのクラウドシミュレーションプラットフォーム 利用可能なすべてのコアタイプを使用します。このブログ投稿では、ニッケルとアイアンの両方のHPCコアタイプのパフォーマンスとコストを比較します。これが、独自のCONVERGE™を実行するためのコア選択ガイドとして役立つことを願っています。 シミュレーション リスケールで。

テスト環境

表の最初の2行は、 ソフトウェア 選択した環境と残りの行は ハードウェア 仕様。Nickel と Iron のハードウェア仕様のほとんどは似ていますが、注目すべき違いはネットワークです。Nickel の帯域幅は 10Gb/s しかありませんが、Iron コア タイプは 40Gb/s の帯域幅があり、これは複数のノードで実行されるジョブにとって大きな利点であり、これが 50 つのコア タイプ間の XNUMX% の価格差の主な理由であると私は考えています。

ベンチマークジョブ

私たちが選択したベンチマーク ジョブは、Convergent Science によって提供されています。 これはサッカー場での曲がるシュートの現象をモデル化しており、空中でボールを「曲げる」には何が必要かを示すことを目的としています (詳細な説明）。 このシミュレーションでは、0.1 秒のタイム ステップを使用して、サッカー ボールの動きの 0.001 秒をモデル化します。 モデルは最初は 81,576 個のノードで構成されます。

小規模クラスターのパフォーマンスとコストの比較

最初のラウンドでは、両方のコア タイプについて、それぞれ 16、32、および 64 コアでクラスターのパフォーマンスをテストしました。 結果を以下の表に示します。

表から、最大 64 コアの Nickel クラスターは Iron よりも優れたパフォーマンスを持ち、安価であることがわかります。 したがって、小さなクラスターで小さなジョブを実行する必要がある場合は、おそらく Nickel の方が良い選択です。

中規模クラスターのパフォーマンスとコストの比較

128 番目のラウンドでは、両方のコア タイプの 256 コア クラスターと XNUMX コア クラスターで中規模クラスターのパフォーマンスをテストしました。 そして、その結果を以下の表に示します。

コア数が 128 に達すると、ニッケル クラスターの実行時間が大幅に増加したことがわかります。256 コア クラスターの場合は、128 コアの場合よりも時間がかかることが判明したため、ジョブを終了しました。 これは、通信のオーバーヘッドと相互接続の遅さの両方が原因で発生します。 一方、Iron クラスターのパフォーマンスは、関連するコアの数に応じて着実に向上します。 そのため、128 コアを超えるコアで実行すると、Iron は Nickel クラスターよりも優れたパフォーマンスを発揮します。

結論
上のグラフから、64 コア未満のクラスターの場合、CONVERGE™ ジョブでは Nickel の方が高速であるのに対し、128 コアを超える中規模のクラスターの場合は、Iron の方が良い選択肢であることがわかります。 さらに重要なのは、ジョブをより速く実行すると、オンデマンド ライセンスのコストをさらに節約できる可能性があることです。