Seyed Mohammad Hosseinirad
Seyed Mohammad Hosseinirad
خواندن ۲ دقیقه·۳ سال پیش

طعم جدید پردازش سریع (کارا) در دانشگاه فردوسی مشهد


برای مقدمه: این روزها خیلی از دانشگاه‌های کشور خوشبختانه به این بلوغ فکری دارند می‌رسند که برای انجام پژوهش در سطوح بالا و قابل رقابت با دنیا، پردازش سریع یا کارا یا همان HPC یکی از نیازهای زیرساختی مهم می‌باشد. اما متأسفانه درک درستی هنوز از پردازش سریع انگار وجود ندارد. برعکس بسیاری از مراکز علمی دنیا، دانشگاه‌های ما در حال ساخت ابر محاسباتی‌اند. به این معنی که یک سرویس مبتنی بر زیرساخت‌هایی چون OpenStack با استفاده از docker بالا می‌آورند و آن را به طور خام (در اکثر مواقع) در اختیار مصرف‌کننده (پژوهشگر به عنوان مثال) قرار می‌دهند و بعد مدت معمولاً محدودی هم مرتب پیغام می‌دهند سرویس شما در صورت تمدید نکردن آن پاک خواهد شد! و نیز اینکه شما از توان محاسباتی تنها یک سرور حداکثر می‌توانید استفاده کنید. نه خبری از کامپایلرهاست، نه خبری از ماژول‌ها و نه یک سیستم مدیریت منابع شفاف مثل اسلرم و .... اما این آن چیزی نیست که اکثر پژوهشگران ما انتظارش را دارند. من به عنوان یک پژوهشگر انتظار دارم در تمام مدتی که در یک مؤسسه مشغول کار می‌باشم، به یک سرویس پردازش سریع (حتی نه خیلی سریع) دسترسی داشته باشم که بتواند حداقل‌های نیاز محاسباتی من را برطرف کند. متأسفانه در این نوع سرویس‌های ابری چنین چیزی وجود ندارد.

همانطور که قبلاً در ویرگول نوشته بودم ما در دانشکده علوم دانشگاه فردوسی مشهد سعی کرده‌ بودیم یک سرویس پردازش سریع (با نام سای کلاستر scicluster) با استانداردهای سخت‌افزاری (مانند یک شبکه رابط با پهنای باند زیاد و تأخیر کم، تنوع واحدهای پردازشگر مثل CPU و GPU و ذخیره‌سازهای پرسرعت محلی اسکرچ و تحت شبکه) و نرم‌افزاری (مانند تنوع بسیار ماژول‌های نرم‌افزاری و کتابخانه‌ها) و مستندات مناسب و با کیفیت ایجاد کنیم. از همه جالب‌تر شاید، چندی است یکی از سرویس‌های بسیار محبوب تحت وب برای کار با HPC یعنی OpenOnDemand را بر روی این بستر نرم‌افزاری بالا آوردیم که مورد اقبال و توجه پژوهشگرانی که از سرویس استفاده می‌کردند قرار گرفته است (شاید برای نخستین‌بار در کشور). ما بر روی این بستر، سرویس ژوپیتر را به بهترین نحو ارایه می‌دهیم (که به عنوان یک قابلیت می‌توان با ترکیب آن با بستر نرم‌افزاری و سخت‌افزاری موجود، سرویس‌های AI و ML را به شکل تر و تمیزی ارایه داد). همچنین در یک کار نوآورانه، قادر به ارایه سرویس‌های کانتینری مبتنی بر Singularity بر روی این بستر می‌باشیم (بیشتر در مورد کانتینر). این یعنی آنچه که به عنوان مزیت کانتینرها (سرویس‌های ابری) می‌شناسیم، بر روی ماشین پردازش سریع در اختیار شما می‌تواند قرار بگیرد. امیدواریم بتوانیم با افزودن منابع سخت‌افزاری، امکان استفاده از این سرویس‌ها را برای پژوهشگران و به طور کل کسانی که نیاز به خدمات پردازش سریع دارند، فراهم کنیم.


jupytercontainer
یک علاقه‌مند به نجوم، فیزیک و رایانه
شاید از این پست‌ها خوشتان بیاید