HPSEE Klasteri www hpsee eu Mihajlo Savic Elektrotehnicki

HP-SEE Klasteri www. hp-see. eu Mihajlo Savic Elektrotehnicki fakultet Banja Luka The HP-SEE initiative is co-funded by the European Commission under the FP 7 Research Infrastructures contract no. 261499

Paralelno procesiranje q Multitasking OS q Problem paralelizacije programa q Vrste paralelnih mašina q Višeprocesorske mašine q Klasteri q Dijeljena memorija q Komunikacija porukama Training – Banja Luka – Novembar 2010.

Multiprocesorske mašine q SIMD, MIMD, SPMD q Hyper-threading q Multicore CPU q Višestruki CPU q Masovno-višeprocesorske mašine q Problemi sa dijeljenjem memorije q NUMA

Zašto klasteri? q Povećanje stabilnosti q. Failover q. Load balancing q Povećanje performansi q. Load balancing q. High performance – HP-SEE q Gdje povući granicu?

Failover klasteri q Povećanje stabilnosti q Umnogostručavanje resursa q Dva ili više identičnih računara međusobno sinhronizovanih q Način otkrivanja otkaza primarnog računara i preuzimanje njegovih zadataka

Load-balancing klasteri q Raspoređivanje q Mogu opterećenja biti heterogeni q Raspoređivanje q DNS bazirano q Napredni algoritmi q SPOF – Single Point Of Failure

High-performance klasteri q Ko visokih performansi su krajnji korisnici? q Vrste – hardversko-ekonomski q. Custom-made q. Beowulf q. COW – Cluster Of Workstations

HPC – Custom-made q Klasteri pravljeni po narudžbi q Komponente klastera posebno razvijene za dati klaster q Vrhunske performanse po vrhunskoj cijeni q Mogu koristiti poseban OS za rad čvorova q Front-end OS – tipično Unix/Linux q Scientific Linux – Red Hat derivat

HPC – Beowulf i COW q COTS pristup – standardno dostupne komponente (Commercial Off-The-Shelf) q Eventualno odstupanje u mrežnoj opremi q Ethernet, q Tipično Myrinet, Infiniband, . . . “farme” običnih računara (COW) ili računara u minimalnoj konfiguraciji (Beowulf) q Grid klasteri generalno spadaju u ovu kategoriju (Beowulf)

HPC – Mrežno povezivanje q Specijalizovane q Myrinet mreže i Infiniband – najpolularniji q Ethernet q Switched ethernet q Fast/Giga-Ethernet q. Problem performansi q 10 Gig. Ethernet Engine q. Osloboditi – TCP/IP Offloading CPU da radi korisne poslove

HPC – Ethernet topologije q Zvijezda q Za manje klastere – broj portova na switchu q Stablo q Tree ili Fat-tree – 1/10 G q Stack-ring q Software forwarding – problem CPU-a q Stack-mesh q Ortogonalne topologije – n-dimenzionalne mreže – specijalizovana rješenja

HPC – komunikacione biblioteke q Potpuno prilagođena rješenja q Specifični problemi – specifična rješenja q Problem portabilnosti i uopštene primjene q PVM – Parallel Virtual Machine q Stariji q MPI pristup – Message Passing Interface q Realizacije q MPICH - dominantan q LAM/MPI q MPILite q MPI 2. 0 – RMA, parallel file I/O, . . .

Raspoređivanje procesa q Job Management System q Upravljanje resursima q Sistem lista čekanja q Raspoređivač procesa q Condor – High Troughput Computing q PBS – Portable Batch System (NASA) q Torque – Open Source – *PBS kompatibilnost q Maui – novije, naprednije rješenje