22、高性能计算基础设施即服务的硬件设备级计算机平台动态重构

高性能计算基础设施即服务的硬件设备级计算机平台动态重构

1. 引言

高性能计算（HPC）系统的功能日益多样化，用户很难拥有具备多种功能的HPC系统。HPC系统不仅用于传统科学模拟，还用于分析来自众多传感器的大量流数据（物联网/大数据），以及让人工智能从这些数据中学习功能。未来的HPC系统需要具备更广泛的功能和更高的性能。

然而，HPC系统往往需要特定的应用配置，用户拥有这些系统变得越来越困难。例如，用于图形处理单元（GPU）计算的HPC系统服务器需要高电源供应、大插槽空间和冷却机制来安装高功率GPU加速器。集群计算系统通常安装消息传递接口（MPI），为了实现高性能，还会考虑引入高速且昂贵的Infiniband主机总线适配器（HBA）。因此，这些HPC系统比传统计算系统更昂贵，且耗电量更大。

对于这些用户来说，先进的云服务是获取HPC系统（如GPU计算平台和使用MPI的分布式集群系统）的一种方式。但这些HPC系统的每个配置都是独特且固定的，使用特定设备、网络拓扑和协议。这导致云中的计算资源只能为特定用途预留，无法灵活用于其他用途。例如，安装了两个GPU的服务器节点，即使其中一个GPU被使用，另一个也不能用于其他应用。为了为每个系统提供最佳性能，需要预先精心设计由多个服务器节点组成的集群系统网络。

这种刚性给用户和云服务提供商带来了问题。从用户角度看，他们无法从云中为应用获取最合适的计算资源，因为计算资源只能从固定配置菜单中选择，该菜单可能不是最佳配置，还可能出现资源请求冲突。从云服务提供商角度看，需要准备各种HPC平台来满足用户多样化需求，这缩短了每个平台执行作业的时间，导致HPC平台安装和维护成本高，但利用率低。

我们的目标是从云中灵活提供