EGEE-III INFSO-RI-222667 Enabling Grids for E-sciencE www.eu-egee.org EGEE and gLite are registered trademarks Giriş ve Motivasyon Onur Temizsoylu BAŞARIM09.

... konulu sunumlar: "EGEE-III INFSO-RI-222667 Enabling Grids for E-sciencE www.eu-egee.org EGEE and gLite are registered trademarks Giriş ve Motivasyon Onur Temizsoylu BAŞARIM09."— Sunum transkripti:

1 EGEE-III INFSO-RI-222667 Enabling Grids for E-sciencE www.eu-egee.org EGEE and gLite are registered trademarks Giriş ve Motivasyon Onur Temizsoylu BAŞARIM09 ODTÜ, Ankara

2 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 2 İçerik –Neden paralel hesaplama? –Terminoloji –Paralel hesaplamanın tarihi –Teori:  Hızlanma, Amdahl Yasası  Sınıflandırma –Yönetim Modelleri –Programlama Modelleri –Paralel Donanım Mimarileri –Paralel Uygulamalar –Örnek Problemler

3 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 3 Neden Paralel Hesaplama –Hesaplama ihtiyaçları, gün geçtikçe artmaktadır. Daha yüksek frekanslı sensörler, görselleştirme kalitesinin artması, dağıtık veri tabanları buna birer örnektir. –Diğer taraftan işlemci teknolojisi fiziksel limitlerine (termodinamik, ışık hızı, CMOS transistörler) yaklaşmaktadır. –Paralel hesaplama, daha hızlı sonuç almak için bir uygulamaya ait program parçalarının birden fazla işlemcide aynı anda çalıştırılmasıdır. –Ağ teknolojilerindeki hızlı gelişmeler paralel hesaplama için kolay edinilebilir ve ulaşılabilir donanımlara izin vermektedir.

4 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 4 Moore Yasası (?) –Intel’in kurucularından Gordon E. Moore tarafından ortaya atılmıştır. –“Mikroişlemciler içindeki transistör sayısı her iki yılda bir iki katına çıkacaktır.” –Buna bağlı olarak işlemci hızlarının da iki katına çıkması beklenmektedir. –Ucuz CMOS transistörlerle üretim, 2008 yılı içinde 45nm üretim teknolojisi bile kullanılsa da hız artışının sonu gelmektedir. –Intel, çok çekirdekli işlemciler ile Moore yasasını geçerli kılmaya çalışmaktadır.

5 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 5 Butters Yasası –Ağ dünyasında ise Gerald Butters her dokuz ayda tek bir fiber kablodan geçebilecek veri miktarının iki katına çıktığını öne sürmüştür. –Özellikle WDM teknolojisi ile optik kablolar üzerinden transfer edilebilecek veri miktarı artmaktadır. –İşlemcilerden farklı olarak farklı dalga boylarında çalışan lazer ışığı kullanıcı farkında olmadan birleştirilmektedir. –Lokal ve geniş ağlardaki hızlı teknoloji değişimi ile paralel hesaplama için küme bilgisayarlar, grid hesaplama gibi yöntem ve mimariler ortaya çıkmıştır.

6 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 6 Terminoloji –Süreç (“Process”) –İş Parçacığı (“Thread”) –Görev (“Task”) –Hızlanma (“Speedup”) –Ölçeklenebilirlik (“Scalability”) –Verimlilik –Senkronizasyon (“Synchronization”) –Paralel Ek Yükü (“Parallel Overhead”) –Süperbilgisayar

7 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 7 Paralel Hesaplamanın Tarihi 1942Atanasoff–Berry Computer (ABC)30 OPS 1946UPenn ENIAC100 kOPS 1960UNIVAC LARC150 kFLOPS 1976CRAY-1250 MFLOPS 1995CRAY T3E> 1 TFLOPS 1997Intel ASCI Red1.3 TFLOPS 2004IBM Blue Gene/L280 TFLOPS 2008IBM Roadrunner1105 TFLOPS

8 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 8 Paralel Hesaplamanın Tarihi –TOP500 Listesine göre son 15 sene içinde süperbilgisayar sistemlerinde mimari değişimi

9 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 9 Paralelleştirme –Bir işin paralelleştirilmesinde programın toplam çalışma zamanını azaltmak amaçlanır.

10 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 10 Paralelleştirme Ek Yükü –Ek yük:  İşlemcilerde fazladan geçen süre  İletişim ek yükü  Senkronizasyon ek yükü  Programın paralel olmayan/ olamayan parçaları –Paralel programlamada ek yük ve çalışma zamanı hızlanma ve verimlilik ile ifade edilir. Çalışma Zamanı İşlemci Zamanı Haberleşme Ek Yükü 1 işlemci 2 işlemci 4 işlemci 8 işlemci Çalışma Zamanında Azalma

11 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 11 Hızlanma ve Verimlilik –İ sayıda işlemcide programın toplam işlemci zamanını Z(i) olarak ifade edelim. Hızlanma (i) = Z(1) / Z(i) Verimlilik (i) = Hızlanma (i) / i –İdeal durumda: Z (i) = Z (1) / i Hızlanma (i) = i Verimlilik (i) = 1 –Ölçeklenebilir programlar büyük işlemci sayılarında bile verimli kalırlar. Hızlanma İşlemci Sayısı ideal Süper-lineer Saturasyon Felaket Verimlilik İşlemci Sayısı 1

12 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 12 Amdahl Yasası –Amdahl yasası:  “Kodun paralel olmayan kısmı (ek yük), kodun ölçeklenebilirliği konusunda üst limiti oluşturur.” –Kodun seri kısmını s, paralel kısmını p olarak ifade edersek: 1= s + p Z (1)= Z (s) + Z (p) = Z (1) * (s + p) = Z (1) * (p + (1-p)) Z (i)= Z (1) * (p/i + (1-p)) Hızlanma (i)= Z (1) / Z (i) = 1 / (p/i + 1 – p) Hızlanma (i) < 1 / (1 - p)

13 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 13 Pratikte –Pratikte programları paralelleştirmek Amdahl yasasında görüldüğü kadar zor değildir. –Ancak programın çok büyük bir kısmını paralel işlem için harcaması gereklidir. Hızlanma Kodda Paralel Kısım 0%20%40%100%60%80% 8.0 7.0 6.0 5.0 4.0 3.0 2.0 1.0 1970s 1980s 1990s En iyi paralel kodlar ~99% diliminde P=2 P=4 P=8 David J. Kuck, Hugh Performance Computing, Oxford Univ.. Press 1996

14 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 14 Coarse/Fine Grained Paralel –Fine-Grained:  Genelde her döngüde paralelleştirme vardır.  Çok sayıda döngü paralleleştirilir.  Kodun çok iyi bilinmesine gerek yoktur.  Çok fazla senkronizasyon noktası vardır. –Coarse-Grained:  Geniş döngülerle paralleştirme yapılır.  Daha az senkronizasyon noktası vardır.  Kodun iyi anlaşılması gerekir. Ana Program A B C D F E G H I J KLM NO pq rs t Coarse-grained Fine-grained

15 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 15 Ölçeklenebilirlik –Ölçeklenebilirliği etkileyen diğer faktörler:  İş parçacıkları arası yük dengesizliği : Bir kodun herhangi bir paralel kısmının çalışma zamanı en uzun süren iş parçacığının çalışma zamanıdır. Coarse-Grained programlamada ortaya çıkması daha olasıdır.  Çok fazla senkronizasyon: Kodda küçük döngüler sırasında her seferinde senkronizasyon yapılırsa bu ek yük getirir. Fine-Grained programlamada ortaya çıkması daha olasıdır. Çalışma Zamanı i0i0 i1i1 i2i2 i3i3 başlangıçbitiş

16 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 16 Flynn Sınıflandırması –Michael J. Flynn paralel bilgisayar mimarilerini komut ve veri akışlarına göre sınıflandırmıştır:  SISD (Single Instruction, Single Data) PCler, iş istasyonları  SIMD (Single Instruction, Multiple Data) Vektör makineler, Intel SSE  MISD (Multiple Instruction, Single Data) Çok fazla örneği yok  MIMD (Multiple Instruction, Multiple Data) SGI sunucular, küme bilgisayarlar

17 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 17 SISD İşlemci Veri Girişi Veri Çıkışı Komutlar

18 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 18 MISD Girdi Verisi Çıktı Verisi İşlemci A İşlemci B İşlemci C Komut Akışı A Komut Akışı B Komut Akışı C

19 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 19 SIMD Komut Akışı İşlemci A İşlemci B İşlemci C Girdi Akışı A Girdi Akışı B Girdi Akışı C Çıktı Akışı A Çıktı Akışı B Çıktı Akışı C

20 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 20 MIMD İşlemci A İşlemci B İşlemci C Girdi Akışı A Girdi Akışı B Girdi Akışı C Çıktı Akışı A Çıktı Akışı B Çıktı Akışı C Komut Akışı A Komut Akışı B Komut Akışı C

21 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 21 Ortak Bellek MIMD BELLEKBELLEK YOLUYOLU BELLEKBELLEK YOLUYOLU Bellek İşlemci A İşlemci A İşlemci B İşlemci B İşlemci C İşlemci C BELLEKBELLEK YOLUYOLU

22 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 22 Dağıtık Bellek MIMD BELLEKBELLEK YOLUYOLU İşlemci A İşlemci A İşlemci B İşlemci B İşlemci C İşlemci C BELLEKBELLEK YOLUYOLU BELLEKBELLEK YOLUYOLU BELLEK A BELLEK A BELLEK B BELLEK B BELLEK C BELLEK C IPC Kanalı IPC Kanalı

23 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 23 Terminoloji - II –Son senelerde ağ hızındaki önemli artış ve çoklu çekirdekli işlemcilerin kullanılmaya başlaması ile paralel hesaplama konusunda birçok terminoloji karışıklığı olmaya başlamıştır. MPP, küme bilgisayarlarla hesaplama, dağıtık hesaplama, grid hesaplama... –Paralel hesaplamada yaygın kullanılan terimlerden bazıları şunlardır:  Multiprocessing: İki veya daha fazla işlemcinin aynı bilgisayar sistemi içinde kullanılmasıdır.  Dağıtık hesaplama: Ağ üzerinden iki veya daha fazla bilgisayar üzerinde aynı anda belli bir programa ait parçaların çalıştırıldığı hesaplama.

24 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 24 Paralel Programlama Modelleri Ortak Hafıza Modelleri –Dağıtık Ortak Bellek –Posix Threads –OpenMP –Java Threads (HKU JESSICA, IBM cJVM) Mesaj Tabanlı Modeller –PVM –MPI Hibrid Modeller –Ortak ve dağıtık hafızayı birlikte kullananlar –OpenMP ve MPI birlikte kullananlar Nesne ve Servis Tabanlı Modeller –Geniş alanda dağıtık hesaplama teknolojileri  Nesne: CORBA, DCOM  Servis: Web servisleri tabanlı Bilimsel araştırma projelerinde sıklıkla  Derleyici tarafından paralelleştirilen ortak bellek tabanlı programlar  MPI gibi mesaj paylaşımı tabanlı programlar kullanılmaktadır. Belirli bir programlama modelinin seçimi, genellikle uygulama gereksinimi, kişisel tercih veya donanımla ilgilidir. Ortak hafızaya sahip makineler, hem OpenMP gibi SMP hem de MPI gibi mesaj paylaşımı tabanlı modelleri çalıştırabilirler.

25 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 25  sayısını OpenMP ile hesaplamak  = =  0 1 4 (1+x 2 ) dx 0<i<N 4 N(1+((i+0.5)/N) 2 ) #define n 1000000 main() { double pi, l, ls = 0.0, w = 1.0/n; int i; #pragma omp parallel private(i,l) reduction(+:ls) { #pragma omp for for(i=0; i<n; i++) { l = (i+0.5)*w; ls += 4.0/(1.0+l*l); } #pragma omp master printf(“pi is %f\n”,ls*w); #pragma omp end master } Seri programlama şeklinde yazılıyor Otomatik yük dağılımı yapılıyor. Bütün değişkenler paylaşılıyor.

26 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 26  sayısını MPI ile hesaplamak  = =  0 1 4 (1+x 2 ) dx 0<i<N 4 N(1+((i+0.5)/N) 2 ) #include #define N 1000000 main() { double pi, l, ls = 0.0, w = 1.0/N; int i, mid, nth; MPI_init(&argc, &argv); MPI_comm_rank(MPI_COMM_WORLD,&mid); MPI_comm_size(MPI_COMM_WORLD,&nth); for(i=mid; i<N; i += nth) { l = (i+0.5)*w; ls += 4.0/(1.0+l*l); } MPI_reduce(&ls,&pi,1,MPI_DOUBLE,MPI_SUM,0,MPI_COMM_WORLD); if(mid == 0) printf(“pi is %f\n”,pi*w); MPI_finalize(); } Önce iş parçacıkları belirleniyor Bütün değişkenler sürece özel kalıyor. Uygulama dışında yük dağılımı ve veri paylaşımı yapılıyor.

27 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 27 Paralel Uygulamalarda Bağlantı –Sıkı bağlı sistemler:  Süreçler arasında yoğun haberleşme  Gecikme süresine hassas  Ortak Bellek Paralel  Dağıtık Bellek Paralel

28 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 28 Paralel Uygulamalarda Bağlantı –Gevşek bağlı sistemler:  Süreçler arasında haberleşme azdır veya hiç yoktur.  Gecikme süresine hassas değillerdir. Ancak bant genişliği veri transferi için etkili olabilir. –Parametrik çalışan uygulamalar  Süreçler arasında haberleşme yoktur.  Kümelerde, grid altyapılarında çalışan uygulamaların çoğunluğunu oluştururlar.

29 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 29 Paralel Donanım Mimarileri –SMP makineler –MPP makineler –NUMA makineler –Superscalar işlemciler –Vektör makineler –Küme bilgisayarlar

30 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 30 SMP –SMP, birden fazla eş işlemcinin ortak bir belleğe bağlandığı çok işlemcili bir bilgisayar mimarisidir. –SMP sistemler, görevleri işlemciler arasında paylaşabilirler. –SMP sistemler, paralel hesaplama için kullanılan en eski sistemlerdir ve hesaplamalı bilimlerde yoğun bir şekilde kullanılırlar.

31 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 31 MPP –MPP, binlerce işlemci kullanılabilen çok işlemcili bir mimaridir. –Bir MPP sisteminde her işlemci kendi belleğine ve işletim sistemi kopyasına sahiptir. –MPP sistemler üzerinde çalışacak uygulamalar eş zamanda çalışacak eş parçalara bölünebilmelidirler. –MPP sistemlere yeni işlemci ekledikten sonra uygulamalar yeni paralel kısımlara bölünmelidirler. SMP sistemler ise bundan çok iş parçacığı çalıştırabilir yapıları sayesinde hemen faydalanırlar.

32 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 32 NUMA –NUMA, çok işlemcili makinelerde bellek erişim zamanının bellek yerine göre değiştiği bir bellek tasarımıdır. –İlk defa 1990’larda ortaya çıkmıştır. –Modern işlemciler, belleklere hızlı bir şekilde erişmeye ihtiyaç duyarlar. NUMA, istenen verinin “cache” bellekte bulunamaması, belleğin başka işlemci tarafından kullanılması gibi performans sorunlarını her işlemciye bellek vererek aşar. –Intel Itanium, AMD Opteron işlemciler ccNUMA tabanlıdır.

33 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 33 Superscalar İşlemciler –1998 senesinden beri üretilen bütün genel amaçlı işlemciler “superscalar” işlemcilerdir. –“Superscalar” işlemci mimarisi, tek bir işlemcide makine kodu seviyesinde paralellik sağlar. –“Superscalar” bir işlemci tek bir basamakta birden fazla işlem yapar.

34 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 34 Vektör Makineler –Vektör işlemciler, aynı anda birden fazla veri üstünde matematik işlem yapabilen işlemcilerdir. –Şu anda süperbilgisayar dünyasında vektör işlemciler çok az kullanılmaktadırlar. –Ancak bugün çoğu işlemci vektör işleme komutları içermektedirler (Intel SSE). –Vektör işlemciler, aynı matematiksel komutu farklı veriler üzerinde defalarca çalıştırmak yerine bütün veri yığınını alıp aynı işlemi yapabilirler.

35 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 35 Küme Bilgisayarlar –Hesaplamada küme bilgisayar kullanımı 1994 senesinde NASA’da Beowulf projesi ile başlamıştır. 16 Intel 486 DX4 işlemci ethernet ile bağlanmıştır. –Yüksek performanslı hesaplama, artık küme bilgisayarlarla hesaplama halini almıştır. –Küme bilgisayar, birlikte çalışmak üzere bağlanmış birden fazla sunucudan oluşur. –En önemli dezavantajı kullanıcıya tek sistem arayüzü sunamamasıdır.

36 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 36 Neden kümeleme? –Fiyat / performans –Standardı oturmuş işletim sistemi, mesajlaşma gibi yazılım katmanları (Linux, MPI, OpenIB) –Genişleyebilir, standardı oturmuş bağlantı teknolojileri (Gigabit Ethernet, Infiniband, 10 Gigabit Ethernet) –Son senelerde süperbilgisayarların büyük bir kısmı küme bilgisayarlardan oluşmaktadır:

37 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 37 Kümeleme nedir? –Kümeleme iki veya daha fazla bilgisayarı:  Uygulama veya servis kullanılabilirliğini arttırmak için,  Yük dengelemek için,  Dağıtık ve yüksek başarımlı hesaplama için ağ ile birleştirmektir. –Kümeleme değişik sistem katmanlarında gerçekleştirilebilir:  Depolama: Paylaşılmış disk, ikizlenmiş disk, paylaşılmayan veri  İşletim Sistemi: UNIX/Linux kümeleri, Microsoft (?) kümeleri  Uygulama Programlama Arayüzü: PVM, MPI  Uygulamalar

38 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 38 Dezavantajları –Küme bilgisayarların önemli mimari dezavantajları vardır:  Ortak bellek yoktur.  İletişim bellek okuma/yazma hızına göre yavaştır. –Bu kısıtlamalar uygulama için önemlidir. Uygulamanın bunlara göre de geliştirilmesi gerekebilir. –Güç ve klima için genelde daha fazla miktarda bütçe gerekir. –Ölçeklenebilirlik yakalamak bazı uygulamalar için zordur.

39 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 39 HA – Yüksek Kullanılabilirlik Kümeleri –HA kümeleri, servislerin ayakta kalma sürelerini arttırmak içindir. –Aynı servisin birden fazla kopyası çevrimiçi veya çevrimdışı bekletilir. Serviste bir sorun olduğu zaman devreye alınır. –Linux-HA projesi, sıklıkla bu amaçla kullanılan bir yazılımdır.

40 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 40 Yük Dengeleme için Kümeleme –Yük dengeleme kümeleri, ön arayüzden gelen bütün iş yükünü karşılayıp arkadaki sunuculara aktarırlar. –Bu kümeler, sunucu çiftliği olarakta adlandırılırlar. –LSF, MAUI, Sun Grid Engine gibi birçok yük dengeleyici yazılım vardır. –“Linux Virtual Server” projesi de oldukça sık kullanılan bir yük dengeleyici çözümüdür.

41 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 41 Veritabanı Kümeleri –Son senelerde birçok veritabanı üreticisi, yüksek kullanılabilirlik, genişleyebilirlik ve yüksek başarımlılık için kümeleme teknolojisini için ürün çıkarmıştır. –Bu çözümlerin bir kısmı paylaştırılmış disk alanı, bir kısmı ayrık veri alanları ile çözüm sunmaktadır.

42 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 42 YBH Kümeleri –Bu kümeler, zaman kritik paralel, seri veya parametrik hesaplama işlerini çalıştırmak için kullanılır. –Normal bir bilgisayarda inanılmaz sürede bitebilecek işlemci kritik uygulamaları çalıştırırlar. –Genellikle normal PC veya sunucular ve Linux ile oluşturulan kümeler Beowulf ismini alırlar. –MPI, YBH kümelerinde en çok tercih edilen haberleşme kütüphanesidir.

43 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 43 YBH Küme Mimarileri –Yüksek başarımlı hesaplama ihtiyacını karşılamak isteyen bir kullanıcının önünde iki seçenek vardır:  Uygulamasına göre küme bilgisayarı edinmek.  Erişebildiği küme bilgisayarın özelliklerine göre uygulamasını geliştirmek, değiştirmek veya optimize etmek. –Her iki durumda da bilinmesi veya hesaplanması gerekenler:  Uygulamanın özellikleri, gereksinimleri (yüksek bellek, her sunucuda yüksek miktarda geçici disk alanı, özel kütüphaneler...),  Kümenin büyüklüğü (işlemci, bellek, disk),  Ağ bağlantı biçimi (gigabit ethernet, infiniband),  İşletim sistemi (Linux, Microsoft (?)...),  Birçok kullanıcı veya grubun birlikte çalışabilirliği,  Derleyiciler (GNU, Intel, Portland Group...)

44 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 Mimari

45 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 45 Sunucular –Günümüzde 1U boyutta 16 çekirdekli sunucular almak mümkün olmaktadır. –Küme bilgisayarlarda sunucu seçimi konusunda birçok faktör vardır:  İşlemciler : Tek çekirdek, çok çekirdek, çoklu işlemci soketi...  Anakart : PCI-X, PCI-Express, HyperTransport...  Sunucu form faktörü : Blade, rack monte, PC...  Bellek : Boyutu, DDR-2, DDR-3, FBDIMM …  Disk : Boyutu, SATA, SCSI, SAS …  Ağ bileşenleri : Gigabit Ethernet, Infiniband, Quadrics...

46 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 46 Bileşenlerin bant genişliği SATA-300 300 MB/s PC2-5300 5.3 GB/s Infiniband DDR 4x 2 GB/s

47 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 47 Gecikme Süreleri

48 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 48 Ağ Bağlantısı –Genellikle tek bir kümede birden fazla ağ bulunur:  Kullanıcı ağı: İş göndermek, görselleştirme, sonuç görüntüleme için kullanılır. Grid haberleşmesi için de kullanılabilir. Kümelere bağlanmak için genellikle ssh kullanılır.  Yönetim ağı: İş planlamak, sunucuları izlemek, kurmak için kullanılır. Genellikle IP üzerinden çalışırlar. Ganglia gibi yazılımlar multicast çalışırlar.

49 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 49 IPC Ağı –Küme bilgisayar performansı ve verimi IPC ağı tarafından belirlenir. Haberleşmede harcanan her fazla süre daha az işlem zamanı demektir. –Günümüzde küçük kümeler ve gevşek bağlı uygulamalar için gigabit ethernet ideal bir çözümdür. –Büyük kümeler ve sıkı bağlı uygulamalar için Infiniband, Quadrics gibi çözümler vardır. –Uygulama gereksinimlerini anlamak teknoloji seçiminde çok önemlidir.

50 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 50 Depolama –Küme bilgisayarlarda çalışan kullanıcıların farklı depolama ihtiyaçları bulunur.  Ev dizini, uygulamalar için ortak veri alanı  Yığın veri saklamak için veri ambarları  Yedekleme ve yığın veriler için tape üniteleri  Bazı uygulamalar için sunucularda geçici paylaşılmayan disk alanları –Küme bilgisayarlarda hesaplama yapılan sunucularda kurulum diski veya geçici disk alanı bulundurmak gerekli değildir. Ancak çoğu durumda maliyeti düşüren bu çözüm tercih edilmemektedir. –Uygulama performansı için özellikle paylaşılan disk alanlarının ihtiyaca uygun tasarlanması gerekir.

51 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 51 Dosya Sistemleri –Paralel olmayanlar:  NFS, CIFS –Paralel (“Metadata”)  Lustre : Ölçeklenebilir  Panasas : Ölçeklenebilir –Paralel (“Metadata” olmadan)  XFS  IBM GPFS : Ölçeklenebilir  PVFS  Oracle Cluster FS

52 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 Mimari - Yazılım

53 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 53 MPI –MPI mesajlaşarak çalışan bir kütüphanedir.  Ne bir dil veya derleyici spesifikasyonudur.  Bir ürüne özel değildir.  Ne de bir işletim sistemi sürücüsüdür. –Çok işlemcili bilgisayar ve kümelerde paralel uygulamaların çalışması için tasarlanmıştır. –Heterojen birçok hesaplama ortamını destekler.

54 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 Küme Bilgisayarlar - Örnek: Deniz

55 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 Örnek: TR-10-ULAKBIM

56 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 56 Paralel Uygulamalar

57 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 57 Dünya Simülasyonu Gelişmiş nümerik simülasyon yöntemleri ile sanal bir dünya yaratarak gelecekte dünyanın nasıl görüneceğini hesaplayan bir Japonya’da bir projedir. 40 TFLOPS işlem kapasitesine sahiptir. Toplam 10 TByte belleğe sahiptir. Her birinde 8 vektör işlemci bulunan 640 işlemci ucundan oluşur.

58 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 58 TeraGrid NCSA: Compute IntensiveSDSC: Data IntensivePSC: Compute Intensive IA64 Pwr4 EV68 IA32 EV7 IA64 Sun 10 TF IA-64 128 large memory nodes 230 TB Disk Storage 3 PB Tape Storage GPFS and data mining 4 TF IA-64 DB2, Oracle Servers 500 TB Disk Storage 6 PB Tape Storage 1.1 TF Power4 6 TF EV68 71 TB Storage 0.3 TF EV7 shared-memory 150 TB Storage Server 1.25 TF IA-64 96 Viz nodes 20 TB Storage 0.4 TF IA-64 IA32 Datawulf 80 TB Storage Extensible Backplane Network LA Hub Chicago Hub IA32 Storage Server Disk Storage Cluster Shared Memory Visualization Cluster LEGEND 30 Gb/s IA64 30 Gb/s Sun ANL: VisualizationCaltech: Data collection analysis 40 Gb/s Backplane Router PSC integrated Q3 03

59 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 59 Scale > 49 ülkede 269 site ~ 95.000 işlemci/çekirdek > 680 PB veri alanı > Günde onbinlerce çalışan iş > Yüzden fazla kayıtlı sanal organizasyon EGEE Altyapısı

60 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 60 LHC 7’şer TeV’lik enerjiye sahip iki proton demetini çarpıştıracak. En yeni süperiletken teknolojisini kullanarak mutlak sıfırın hemen üstünde – 2710C’de çalışacak., 27 km’lik çevresiyle dünyadaki en büyük süperiletken uygulaması olacak. LHC 2007’de çalışmaya başlayacak Dedektörleri birer saray büyüklüğünde olan dört deney: ALICE ATLAS CMS LHCb LHC

61 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 61 Saniyede 40 milyon olay Filtrelemeden sonra saniyede 100 ilginç olay Her olayda bir megabitlik dijital veri = 0.1 Gigabit/s’lik veri kayıt hızı Yılda 1010 olay kaydı = 10 Petabyte/yıllık veri üretimi CMSLHCbATLASALICE 1 Gigabyte (1GB) = 1000MB A DVD filmi 1 Terabyte (1TB) = 1000GB Dünyanın yıllık kitap üretimi 1 Petabyte (1PB) = 1000TB Bir LHC deneyinin yıllık veri üretimi 1 Exabyte (1EB) = 1000 PB Dünyanın yıllık bilgi üretimi LHC Verileri

62 Enabling Grids for E-sciencE EGEE-III INFSO-RI-222667 BAŞARIM09, 18 Nisan 2009 62