データセンターの経営者が最高速のスーパーコンピューターから学べる4つのレッスン

1.スーパーコンピューターは安定性を追求した専用機器です

リソースやインフラを共有して、どのアプリケーションでも稼働できるように作られたほとんどのクラウドコンピューティング・プラットフォーム（Amazon Web ServicesやMicrosoft Azureなど）とは異なり、スーパーコンピューターの大多数は特定の要求に合わせて作られた専用機器です。世界最速のスーパーコンピューター（機密外で公開済み）の上位500機種の最新リストでは、設置場所と速度だけでなく、主要アプリケーションの分野も記載されています。

上位12台のうち11台は、エネルギー研究、核実験、国防のアプリケーション専用です。唯一の例外は、テキサス大学のテキサス先端計算センターに設置されているFronteraです。全米科学財団が資金提供した新型のペタスケールコンピューティングシステムであり、科学と技術の研究パートナーへ学術的なリソースを提供します。上位500機種で次にランクされる20台のスーパーコンピューターは、ほとんどすべてが政府の国防や諜報活動のアプリケーション専用です。リストで30～50位の機器は、多くが気象予測専用です。上位100機種の残りの50台は、個別企業のコンピューティング(NVIDIAやFacebookなど)、中規模の気象予測、宇宙計画、石油とガスの探索、教育機関、政府の特定用途が混在しています。

これらの機器は汎用機ではないのです。Intel、Cray、HP、東芝、IBMなどのメーカーがカスタム開発した機器であり、非常に特殊なデータセットを用いて、リアルタイムまたは非同期で特定の計算を演算処理します。

それらには、許容可能なレイテンシのしきい値が定義されています。

• 数百万の処理コアを活用する、プリセットされたコンピューティングリソース
• 18,000～200,000テラフロップスのクロックレート

ストレージ容量は、現代のデータウェアハウスが扱うペタバイトをはるかに超える、エクサバイトで測定されます。

Fronteraなどのシステムは、ピーク演算負荷で稼動するだけでなく、結果を得るために大量のデータを安定して読み取る必要もあります。
演算能力が急激に増加すると計算結果のエラーを引き起こすことがあるため、安定性が重要視されます。

今日のデータセンター経営者は、企画、リソース管理、予測可能なフェイルセーフの構築を行うために、まず「システムに何をさせるのか？」を問う必要があります。
膨大な仮想デスクトップを実行するデータセンターの管理は、110番のコールセンターや航空交通管制のシステムとは大きく異なります。さまざまなニーズ、需要、サービス内容合意書、予算があり、それらに応じた設計が必要です。

同様に、カスタムで構築せずに安定したパフォーマンスを達成する方法についても検討する必要があります。Amazon、Google、Microsoftなどの企業はカスタムのストレージやコンピューティングインフラを設計する予算が ありますが、サービスプロバイダーの大半は市販のハードウェアから厳選する必要があります。

そのため、多くのデータセンター管理者は、QoS（サービス品質）を満たし、演算速度とレイテンシだけでなく安定性も優先させるため、パフォーマンスのベンチマークに高い基準を設定する必要があります。

3. レイテンシのしきい値、NANDフラッシュ、DRAMのチューニング

レイテンシのしきい値は、ほとんどの場合アプリケーションで必要とされるために設定されます。
金融取引は、秒単位で10億ドルとはいかなくとも、少なくとも百万ドルの規模で行われます。天候予測やハリケーン追跡の場合、避難先がニューオリンズとヒューストンのどちらになるかを左右します。

レイテンシ、演算のリソース、ストレージや帯域幅のいずれであれ、スーパーコンピューターは先験的なサービスレベルに基づいて運用されます。
ほとんどはフェイルアウェアなコンピューティングを採用します。その場合のシステムは、ジョブへ十分な処理能力や帯域幅を確保するため、非同期計算モデルへのシフトや演算リソースの優先付けを通じて、データ配信の経路を変更することで、𝛱+最大Δクロッキングに基づく最適なレイテンシを維持します。

ハイエンドのワークステーション、Ironサーバー、HPCや科学分野のいずれを扱う場合でも、大型コンピューターとビッグデータは大量のDRAMロードアウトを必要とします。Tianhe-2などのスーパーコンピューターは、大量のRAMロードアウトに加え専用のアクセラレーターカードが必要です。
スーパーコンピューターは、個々のアプリケーション設計に合わせて、ハードウェアとコントローラーのフレームワークを微調整します。
ディスクへのアクセスが原因でRAM要件に大きなボトルネックが生まれる特殊な演算処理では、DRAMはあまり実用的ではありませんが、NANDフラッシュ組み込めるほどには小型化できます。
従来の記録メディアを使用してデータを読み取らなければならない場合、大規模なデータセットではパフォーマンスを大幅に引き上げられるよう、FPGAクラスタも個々の作業負荷に合わせてさらに微調整されます。

ユタ大学、ローレンス・バークレー研究所、南カリフォルニア大学、アルゴンヌ国立研究所から成る共同チームは、アーキテクチャを変更してもパフォーマンスを効果的に保てるよう、自動パフォーマンス調整(自動調整)の新しいモデルを提示しました。
最新型のマルチコアアーキテクチャでのみ最適なパフォーマンスを実現できるコンパイラーに頼るのではなく、自動調整されたカーネルとアプリケーションを使用すれば、対象のCPU、ネットワーク、プログラミングモデルに合わせて自動的に調整を行えます。