Формирование индивидуальной среды моделирования в гибридном высокопроизводительном вычислительном комплексе

Статья посвящена проблеме решения научных задач в области материаловедения в среде высокопроизводительных вычислительных комплексов. Подходом к решению определенного рода задач в материаловедения является применение технологий математического моделирования, реализуемых специализированными системами моделирования. Наибольшую эффективность системы моделирования проявляют при развертывании в гибридных высокопроизводительных вычислительных комплексах (ГВВК), обладающих высокой производительностью и позволяющих решать задачи за приемлемое время с достаточной точностью. Однако существует ряд ограничений, влияющих на работу научного коллектива с системами моделирования в вычислительной среде ГВВК: необходимость доступа к графическим ускорителям на этапе разработки и отладки алгоритмов в системе моделирования, необходимость применения нескольких систем моделирования с целью получения наиболее оптимального варианта решения, необходимость динамического изменения настроек системы моделирования при решении задач. Решение проблемы вышеуказанных ограничений возлагается на индивидуальную среду моделирования, функционирующую в вычислительной среде ГВВК. Оптимальным решением для создания индивидуальной среды моделирования является технология виртуальной контейнеризации. Предлагается алгоритм формирования индивидуальной среды моделирования в гибридном высокопроизводительном вычислительном комплексе на основе системы виртуальной контейнерезации docker. Индивидуальная среда моделирования создается путем установки в базовый контейнер необходимого программного обеспечения, настройки переменных среды, установки пользовательского ПО и лицензий. Особенностью алгоритма является возможность формирования библиотечного образа из базового контейнера с настроенной индивидуальной средой моделирования. В заключении обозначены направление для проведения дальнейшей исследовательской работы. Представленный в статье алгоритм является независимым от реализации системы управления заданиями и может применяться для любого высокопроизводительного вычислительного комплекса.

алгоритм, базовый образ, высокопроизводительный вычислительный комплекс, гибридная архитектура, графический ускоритель, индивидуальная среда моделирования, контейнер

1. Сеченых П. А., Абгарян К. К. Математическое моделирование кристаллической структуры оксидов металлов // В сб.: Математическое моделирование в материаловедении электронных компонентов. Материалы I международной конференции. М., 2019. С. 74—76.

2. Абгарян К. К. Многомасштабное моделирование работы многоуровневых элементов памяти, применяемых для создания нейроморфных сетей // В сб.: Математическое моделирование в материаловедении электронных компонентов. Материалы I международной конференции. М., 2019. С. 53—56.

3. Суперкомпьютерные технологии в науке, образовании и промышленности // Под ред.: акад. В. А. Садовничего, акад. Г. И. Савина, чл.-корр. РАН Вл. В. Воеводина. М.: Изд-во МГУ, 2012. С. 42—49.

4. Горчаков А. Ю., Малкова В. У. Сравнение процессоров Intel Сore-i7, Intel Xeon, Intel Xeon Phi и IBM Power 8 на примере задачи восстановления начальных данных // International Journal of Open Information Technologies. 2018. Т. 6, № 4. C. 12—17.

5. Горчаков А. Ю., Посыпкин М. А. Cравнение вариантов многопоточной реализации метода ветвей и границ для многоядерных систем // Современные информационные технологии и ИТ-образование. 2018. Т. 14, № 1. С. 138—148. DOI: 10.25559/SITITO.14.201801.138-148

6. Абрамов С. М. Анализ суперкомпьютерных киберинфраструктур ведущих стран мира // Суперкомпьютерные технологии (СКТ-2018). Материалы 5-й Всероссийской научно-технической конференции. Ростов-на-Дону, 2018. С. 11—18.

7. Sobolev S., Antonov A, Shvets P., Nikitenko D., Stefanov K., Voevodin V., Voevodin Vl., Zhumatiy, S.: Evaluation of the octotron system on the Lomonosov-2 supercomputer // Conference materials parallel computing technologies. Rostov-on-Don, 2018.

8. Парфенов А. В., Чудинов С. М. Тенденции развития технологии вычислительной техники // Научные ведомости Белгородского государственного университета. Серия: Экономика. Информатика. 2016. Т. 39, № 16. С. 98—106.

9. Телегин П. Н., Шабанов Б. М. Связь моделей программирования и архитектуры параллельных вычислительных систем // Программные продукты и системы. 2007. № 2. C. 5—8.

10. Волович К. И. Некоторые системотехнические вопросы предоставления вычислительных ресурсов для научных исследований в гибридной высокопроизводительной облачной среде // Системы и средства информатики. 2018. Т. 28, № 4. С. 97—108.

11. Zatsarinny A. A., Gorshenin A. K., Kondrashev V. A., Volovich K. I., Denisov S. A. Toward high performance solutions as services of research digital platform // Procedia Computer Science. 2019. V. 150. P. 622—627. DOI: 10.1016/j.procs.2019.02.078

12. Кондрашев В. А., Волович К. И. Управление сервисами цифровой платформы на примере услуги высокопроизводительных вычислений // Материалы Международной научной конференции. Воронеж, 2018.

13. Савин Г. И., Телегин П. Н., Баранов А. В., Шитик А. С. Способы и средства представления пользовательских суперкомпьютерных заданий в виде контейнеров Docker // Труды научно-исследовательского института системных исследований Российской академии наук. 2018. Т. 8, № 6. С. 84—93. DOI: 10.25682/niisi.2018.6.0012

14. Afanasyev I., Voevodin V. The comparison of large-scale graph processing algorithms implementation methods for Intel KNL and NVIDIA GPU // Communications in Computer and Information Science. 2017. Т. 793. С. 80—94. DOI: 10.1007/978-3-319-71255-0_7

15. Горчаков А. Ю. Использование OPENMP для реализации многопоточного метода неравномерных покрытий // Перспективные информационные технологии (ПИТ 2018). Тр. Международной научно-технической конференции. Самара: Изд-во Самарского научного центра РАН, 2018. С. 613—616.

16. Карцев А., Мальковский С. И., Волович К. И., Сорокин А. А. Исследование производительности и масштабируемости пакета Quantum ESPRESSO при изучении низкоразмерных систем на гибридных вычислительных системах // Материалы I международной конференции «Математическое моделирование в материаловедении электронных компонентов. МММЭК-2019». М.: МАКС Пресс, 2019. С. 18—21.

17. Nikitenko D. A., Voevodin Vl. V., Teplov A. M., Zhumatiy S. A., Voevodin V. V., Stefanov K. S., Shvets P. A.: Supercomputer application integral characteristics analysis for the whole queued job collection of large-scale hpc systems // Parallel computing technologies (PaVT'2016): proceedings of the international scientific conference. Chelyabinsk, 2016. P. 20—30.

18. Положение о ЦКП «Информатика». URL: http://www.frccsc.ru/ckp (дата обращения 02.12.2019).

19. Зацаринный А. А., Абгарян К. К. Факторы, определяющие актуальность создания исследовательской инфраструктуры для синтеза новых материалов в рамках реализации приоритетов научно-технологического развития России // В сб.: Математическое моделирование в материаловедении электронных компонентов. Материалы I международной конференции. М., 2019. С. 8—11.

20. IBM Spectrum LSF Suites. URL: https://www.ibm.com/ru-ru/marketplace/hpc-workload-management (дата обращения: 02.12.2019).