原来Linux这么牛:称霸全球超级电脑 500 强!

自1998年以来,Linux在超级电脑领域迅速占据主导地位。2017年超级电脑500强中,498台运行GNU/Linux,其余两台运行Unix。Linux之所以能在超级电脑领域取得优势,主要得益于其高度的定制能力和较低的成本。
导读还记得之前《全球超级电脑 500 强,中国拿走冠亚军》新闻?虽然昔日超级电脑强权的美国在超级计算机竞赛中落后,但不管哪国打造的超级电脑,还有一件事情值得留意喔──几乎全部都是执行以 Linux 为基础的操作系统(注),Linux 可说压倒性主宰了超级电脑的世界。

原来Linux这么牛:称霸全球超级电脑 500 强!原来Linux这么牛:称霸全球超级电脑 500 强!
2017 年超级电脑 500 强竞赛中,500 台里有 498 台运行 GNU/Linux,剩下的两台则是 Unix,Linux 比去年进步一台。这两台是一对中国 IBM POWER 电脑,运行的是 IBM AIX(IBM 的商标专有 Unix 系统 ),排名在第 493 与 494。跟 2016 年 11 月的前 500 强相比,这两台超级电脑已经下滑 100 多名,以这个速度来看,Linux 将在下届 500 强竞争中,完全制霸。

1993 年 6 月第一次进行超级电脑 500 强竞赛时,当时 Linux 还只是玩具,也没有采用 Tux 企鹅为吉祥物;从 1998 年起,它首次出现在超级电脑 500 强列表上,以 Linux 为基础的系统就开始迅速占据主导地位。

在 Linux 领先前,Unix 是超级电脑的顶级操作系统。2003 年以来,超级电脑 500 强从 Unix 占 96% 翻转到现在 Linux 占有 96%,逆转是从 2004 那年,Linux 突然开始领先。为什么会发生这种突然大规模的市场变迁呢?根据 Linux 基金会的报告,观察 20 年的超级电脑 500 强的资料变迁纪录,超级电脑之所以跟 Linux 紧密连结求进步,有两个原因。

首先,由于大多数世界顶级超级电脑都是专为超巨量资料研究的特殊任务而设计的特制机器,每个超级电脑都有各自独一的特征与特殊的最佳化需求,因此,为每个系统一一开发特制的操作系统非常高成本,难以负担;使用 Linux 的话,工程团队可轻松修改 Linux 原码以符合特殊需要,以及采用最适合任务的最佳化方法,打造成世界上唯一、特殊设计的超级电脑。

另外一个重要的点是成本──无论你的超级电脑是以 20 个节点还是 2,000 万个节点组合起来,这样自力维护特殊版本 Linux 发行套件的许可成本(license cost)都是一样的,因此,透过庞大的开源 Linux 社交的助力,项目可以得到免费的支持和人力资源,这使得开发人员的成本可以保持在平价水准,甚至低于与其他操作系统。

超级电脑的世界,将继续由 Linux 主导。

注:Linux 只是系统核心(kernel),通常跟 GNU 整合才成为完整的操作系统,这样的系统称为 GNU/Linux 系统“发行套件”,知名的有 Debian、Ubuntu、Redhat、Fedora、Suse、Arch、SteamOS 等,此外也有基底是 Linux,上层是别的元件,例如 Google 的 Andorid、Chromebook 等。


本文转载自:http://www.linuxprobe.com/linux-500.html

免费提供最新Linux技术教程书籍,为开源技术爱好者努力做得更多更好,开源站点:http://www.linuxprobe.com/


基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值