• courses.png


  •  
  • Обчислювальний кластер

    У 2008 році на базі IT Академії Microsoft в університеті створено та впроваджено обчислювальний кластер, який вільно та безкоштовно використовується науковцями, викладачами та студентами університету. Створений кластер дозволяє на суперкомп’ютерному рівні виконувати високопродуктивні обчислення і вирішувати надскладні наукові та інженерні задачі, що передбачають розпаралелювання обчислень і потребують великих витрат машинного часу та обчислювальних ресурсів.

    Наш університет також отримав право доступу до української Grid-системи, який надав йому Київський національний університет імені Тараса Шевченка в рамках співпраці з цим університетом.

    В останні роки відбувся суттєвий прогрес у суперкомп’ютерних технологіях та проникнення цих технологій у все нові сфери людської діяльності. Суперкомп’ютер став потужним інструментом, який дозволяє форсувати просування науково-технічної думки в багатьох галузях. Провідні країни світу створили та використовують цей інструмент для вирішення особливо складних задач науки, освіти, економіки, для довгострокових прогнозів, у тому числі екологічної обстановки, для забезпечення національної безпеки.

    Суперкомп’ютерні обчислення (SC – Supercomputing), які все частіше називають як високопродуктивні обчислення (ВПО) і іменують HPC (від High Performance Computing), є однією з найдинамічнійших галузей IT-індустрії. Достатньо сказати, що на сьогодні визначилася тенденція розвитку у суперкомп’ютерному секторі зі значним випередженням закону Мура – кожні півроку продуктивність систем збільшується приблизно у півтора рази.

    Високопродуктивні обчислення займають все більш значне місце у багатьох сферах людської діяльності: енергетиці, машинобудуванні, економіці, екології, сільському господарстві, фінансах, телекомунікації, хімічній промисловості, безпеці, космічній галузі, науці і, безумовно, освіті.

    Для побудови високопродуктивних обчислювальних систем найбільш масового використання отримали кластерні архітектури.

    Кластер – це два або більше комп’ютери (які часто називають вузлами), що об’єднуються за допомогою мережевих технологій на базі шинної архітектури або комутатора і постає перед користувачами як єдиний інформаційно-обчислювальний ресурс. Кластери належать до мікропроцесорних систем і відрізняються від інших архітектур тим, що обчислювальними вузлами в них є не спеціалізовані модулі, а звичайні комп’ютери, взаємодія між вузлами здійснюється за допомогою мереж загального призначення, а також тим, що вузли та зв’язки між ними можуть бути різнорідними.

    Кластеризація може бути здійснена на різних рівнях комп’ютерної системи, включаючи апаратне забезпечення, операційні системи, програми-утиліти, системи керування та додатки. Чим більше рівнів системи з’єднані кластерною технологією, тим вище надійність, масштабування та керованість кластера.

    Нині кластерні архітектури наймасовіше використовуються для побудови високопродуктивних обчислювальних систем. У списку ТОП-500 найпотужніших суперкомп’ютерів світу більше 70% відсотків систем є кластерами. На відміну від так званих «мейнфреймів» – суперкомп’ютерів з традиційною архітектурою, кластер будується на основі компонентів, що масово випускаються, і складається з стандартних серверів – обчислювальних вузлів, які об’єднуються у високопродуктивну системну мережу.

    Кластерна архітектура надає користувачам обчислювальних систем з суперкомпютерним рівнем продуктивності ряд суттєвих переваг:

    - гнучкість розширення, оскільки продуктивність кластера можна збільшувати шляхом простого добавлення стандартних обчислювальних вузлів;

    - висока відмовостійкість, оскільки при виході з ладу обчислювального вузла його легко можна замінити без зупинки всієї системи;

    - простота обслуговування;

    - низька вартість володіння.

    Кластерні суперкомп’ютерні системи є найдешевшими, оскільки збираються на базі стандартних комплектуючих елементів («off the shelf»), процесорів, комутаторів, дисків та зовнішніх пристроїв.

    За допомогою кластерів можна ефективно вирішувати багато наукових та інженерних задач, що дозволяють розпаралелювати обчислення і використовувати розпаралелювання алгоритмів. Зокрема це такі задачі:

    - задачі моделювання та прогнозування складних систем та процесів;

    - обчислювальні задачі, зокрема дослідження світового океану та ін.;

    - задачі астрономії;

    - обробки супутникової інформації;

    - прогнозування погоди, змін клімату та глобальних змін у атмосфері, обробка даних сейсмічної розвідки земної кори;

    - розвідки нафти та газу;

    - задачі структурної біології;

    - розробки фармацевтичних препаратів;

    - дослідження генетики людини;

    - задачі в галузі екології, зокрема комплексного екологічного моніторингу атмосфери і гідросфери, відновлення забруднених ґрунтів, контролю за розливанням річок, розповсюдженням пожарів і епідемій, раціонального використання лісових і мінеральних ресурсів та ін.;

    - задачі у галузі машинобудування, зокрема в розвинутих країнах світу більшість «креш-тестів» (з’ясування наслідків зіткнення автомобіля з різними перешкодами) проводиться не з реальними автомобілями, а з їх електронними двійниками – моделями, занесеними у комп’ютер;

    - моделювання структурно-технологічних змін в перехідній економіці;

    - задачі моделювання та управління в економічних системах;

    - задачі економіко-математичного моделювання, зокрема задачі лінійного програмування та ін.;

    - задачі пошуку оптимального розташування сервісних центрів;

    - задачі керування рухливими об’єктами, зокрема задача динамічного комівояжера в режимі реального часу та ін.;

    - задачі ядерної фізики, зокрема керування термоядерним синтезом, дослiдження ефективності вихрострумового контролю для парогенераторiв атомних станцій та ін.;

    - задачі фізики напівпровідників та рідких кристалів, розробки напівпровідникових приладів;

    - дослідження надпровідності;

    - задачі аеродинаміки;

    - задачі молекулярної динаміки та молекулярного докінгу;

    - задачі гідро- та газодинаміки, квантової хромодинаміки;

    - задачі квантової хімії, розрахунку електронних структур;

    - задачі в галузі матеріаловедення, зокрема дослідження властивостей та функцій наноматеріалів, а також полімерних та колоїдних систем і мембран;

    - ефективності згорання палива;

    - моделювання електромагнітних полів;

    - дослідження рівновагових властивостей в невпорядкованих квантових структурах, що може привести до нових відкриттів в галузі квантових комп’ютерів;

    - навчання нейронних мереж;

    - задачі, що використовують генетичні алгоритми;

    - задачі, що використовують клітинні автомати;

    - дослідження методів та алгоритмів скінчених елементів, зокрема дослідження і аналіз криптографічних методів щодо стійкості та ін.;

    - розв’язання систем диференційних рівнянь;

    - задачі лінійної алгебри, зокрема векторні і матричні обчислення та ін.;

    - комбінаторні задачі;

    - задачі на графах, зокрема знаходження мінімальних покривних дерев при проектуванні безпровідних мереж та ін.;

    - транспортні задачі, зокрема задача транспортування даних у великих мережах та ін.;

    - задачі обробки зображень (vision), зокрема 3D рендеринг і анімація, обробка відео і аудіо та ін.;

    - розпізнавання та синтез голосу;

    - задачі розподілених обчислювальних систем;

    та багато інших задач.

    Над вирішенням цих задач працюють вчені та науковці, в тому числі й вищих навчальних закладів, і тому гостро стає проблема їх доступу до високопродуктивних систем. Крім того, ця проблема стає і в студентів, оскільки зростає проблема в кадрах здатних працювати з високопродуктивними системами і взагалі з паралельними архітектурами. В цьому зв’язку кожному ВНЗ, який здійснює підготовку сучасних IT-спеціалістів та на сучасному рівні проводить наукові дослідження, необхідно мати власну високопродуктивну систему. Єдиним рішенням може бути придбання такої системи для забезпечення наукових та навчальних потреб ВНЗ.

    Нині близько 20 % усіх кластерів світу встановлено в академічних структурах і використовуються в освітніх цілях. З точки зору архітектури обчислювальних систем, ситуація у ВНЗ в цілому відповідає тенденціям інших сегментів ринку високопродуктивних систем. Університети частіше за всіх придбають кластери.

    В Україні серед вищих навчальних закладів першими почали створювати кластери Київський національний університет імені Тараса Шевченка, Харківський фізико-технічний інститут, Національний технічний університет України «Київський політехнічний інститут». Серед наукових установ це Інститут теоретичної фізики НАН України, Інститут клітинної біології і генетичної інженерії НАН України, Інститут мікробіології та генетики НАН України, Головна астрономічна обсерваторія НАН України, Інститут кібернетики НАН України, Інститут космічних досліджень НАНУ-НКАУ.

    У 2008 року обчислювальний кластер було створено і у Вінницькому національному технічному університеті на базі IT Академії Microsoft університету.

    Декілька цікавих фактів про суперкомп’ютери та суперкомп’ютерні обчислення. Порівняно нещодавно суперкомп’ютери подолали планку продуктивності в 1 TFlops (трильйон операцій з плаваючою точкою у секунду), а вже не за горами ера петафлопс (PFlops – квадрільйон, або 1015 операцій з плаваючою точкою за секунду). Перші пета-суперкомп’ютери вже з’явилися у США у 2008 році.

    Як показують дослідження, в середньому обчислювальна потужність настільних ПК відстає від рівня продуктивності суперкомп’ютерів на 13 років. Іншими словами, за рівнем продуктивності сьогоднішні професійні ПК практично повністю відповідають суперкомп’ютерам більш, ніж десятилітньої давнини. По цьому визначають ситуацію на споживчому IT-ринку на наступне десятиріччя. На думку вчених, для задач аеродинаміки вистачить продуктивності в декілька PFlops, для задач молекулярної динаміки буде вимагатися вже 20 PFlops, а для обчислювальної космології – фантастична продуктивність на рівні 10 EFlops (1 екзафлопс = 10 квінтільйонів Flops, або 1041018 Flops). Для задач обчислювальної хімії будуть вимагатися ще більш потужні системи. Спеціалісти з компанії Intel вважають, що поява комп’ютерів з продуктивністю у секстильйон операцій за секунду (1021 Flops) можна очікувати вже у 2029 році.