4 cosas que los administradores de centros de datos pueden aprender de las supercomputadoras más rápidas

1. Las supercomputadoras están diseñadas específicamente para la consistencia

A diferencia de la mayoría de las plataformas de computación en la nube, como Amazon Web Services o Microsoft Azure, que están diseñadas para impulsar una variedad de aplicaciones que pueden utilizar recursos e infraestructuras compartidas, la mayoría de las supercomputadoras están diseñadas específicamente para necesidades específicas. La actualización más reciente de la lista TOP500 de las supercomputadoras más rápidas del mundo (públicamente conocidas y clasificadas), señala no solo las ubicaciones y las velocidades de las instalaciones, sino también el campo principal de aplicación.

Once de las doce mejores máquinas están dedicadas a la investigación energética, pruebas nucleares y aplicaciones para la defensa. El único caso atípico es Frontera, un nuevo sistema de computación de escala peta financiado por NSF en el Texas Advanced Computing Center de la Universidad de Texas, que proporciona recursos académicos de investigación en ciencias e ingeniería para socios. De las siguientes 20 supercomputadoras en la lista TOP500, casi todas están dedicadas a aplicaciones de inteligencia y defensa del gobierno. Las máquinas entre los números 30-50 en la lista están dedicadas en gran medida a las predicciones meteorológicas. Las últimas 50 de las 100 principales son una combinación de computación corporativa (NVIDIA, Facebook, et.al), predicciones meteorológicas de rango medio, programas espaciales, exploración de petróleo y gas, usos académicos y específicos del gobierno

Estas máquinas no son una caja de modelo único. Se desarrollan a medida con fabricantes como Intel, Cray, HP, Toshiba e IBM para realizar tipos específicos de cálculos en conjuntos de datos muy específicos, ya sea en tiempo real o en cálculos asincrónicos.

Han definido umbrales de latencia aceptables:

• Recursos informáticos preestablecidos que aprovechan millones de núcleos de procesamiento
• Entregue frecuencias de reloj entre 18,000 y 200,000 teraFLOPS.

Sus capacidades de almacenamiento se miden en exabytes, mucho más allá de los petabytes en los almacenamientos de datos modernos.

Los sistemas como Frontera no solo tienen que correr en una carga máxima de cómputo, sino que deben leer constantemente grandes cantidades de datos para llegar a un resultado. Una subida en el rendimiento de cómputo en realidad podría causar errores en los resultados, por lo tanto, el énfasis está en la consistencia.

El administrador del centro de datos de hoy, debe primero preguntar: "¿Qué estamos haciendo con el sistema?" Para poder diseñar, administrar recursos y construir sistemas de seguridad predecibles. Administrar un centro de datos que ejecuta un montón de escritorios virtuales es muy diferente a un centro de llamadas 911 o sistemas de control de tráfico aéreo. Tienen diferentes necesidades, demandas, acuerdos de nivel de servicio y presupuestos, y deben diseñarse respetivamente.

Del mismo modo, se debe considerar cómo lograr un rendimiento consistente sin requerir compilaciones personalizadas. Empresas como Amazon, Google y Microsoft tienen los presupuestos para diseñar infraestructuras de almacenamiento o informática personalizadas, pero la mayoría de los proveedores de servicios tienen que ser más selectivos con el hardware estándar.

Por esta razón, más administradores de centros de datos necesitan establecer criterios estrictos para las evaluaciones comparativas de rendimiento que abordan la QoS, y asegurar que el mayor énfasis no sea solo en la velocidad y la latencia de cómputo, sino también en la consistencia.

3. Umbrales de latencia, flash NAND y ajuste de DRAM

La mayoría de los umbrales de latencia se establecen de acuerdo a las demandas de la aplicación. En escenarios de negociación, segundos significan millones, si no miles de millones de dólares. Para las predicciones meteorológicas y el seguimiento de huracanes, podría significar decidir entre evacuar Nueva Orleans o Houston.

Las supercomputadoras funcionan con el nivel de carga de servicio a priori, ya sea latencia, recursos informáticos, almacenamiento o ancho de banda. La mayoría emplea computación con detección de fallas, por lo que el sistema puede redirigir los flujos de datos para condiciones de latencia óptimas (basadas en el cronometraje 𝛱 +Δmax), cambiando a modelos de computación asíncronos o priorizando recursos de cómputo para entregar suficiente capacidad de procesamiento o ancho de banda para los trabajos.

Ya sea que esté trabajando con las estaciones de trabajo más exigentes, servidores de hierro o HPC y cargas de trabajo científicas, las computadoras grandes y el Big Data requieren grandes cargas de DRAM. Las supercomputadoras como la Tianhe-2 utilizan enormes cargas de RAM combinadas con tarjetas de aceleración especializadas. Las maneras en que la supercomputación ajusta el marco del hardware y el controlador son exclusivas del diseño de la aplicación. A menudo, las tareas informáticas específicas, donde el acceso al disco crea un enorme cuello de botella con los requisitos de RAM, hacen que la DRAM no sea práctica, pero son lo suficientemente pequeñas como para caber en la memoria flash NAND. Las concentraciones de FPGA también se ajustan aún más para cada carga de trabajo específica y así garantizar que grandes conjuntos de datos tengan un excelente rendimiento si tienen que usar medios tradicionales para recuperar datos.

Los equipos que colaboran entre la Universidad de Utah, Lawrence Berkeley Lab, la Universidad del Sur de California y Argonne National Lab han mostrado nuevos modelos para el ajuste automático del rendimiento (o ajuste automático) como un medio eficaz para proporcionar portabilidad del rendimiento entre arquitecturas. En lugar de depender de un compilador que pueda ofrecer un rendimiento óptimo en arquitecturas multinúcleo más novedosas, los núcleos y las aplicaciones de ajuste automático pueden sintonizarse automáticamente en el modelo de CPU, red y modelo de programación.