Суперкомпьютеры

Содержание и основные понятия

← Вернуться к оглавлению
Alterna · глава 7 · страница 7.2
Суперкомпьютеры
Машины размером с зал, потребляющие электричество небольшого города, решающие задачи, недоступные обычному ПК. Разбираем, как устроены и зачем нужны.
Суперкомпьютер
— вычислительная система, значительно превосходящая по производительности обычные компьютеры. Измеряется в
FLOPS
— операциях с плавающей точкой в секунду.
Современные суперкомпьютеры преодолели
экзафлопсный барьер
— 10
18
(квинтиллион) операций в секунду. Это в миллиарды раз мощнее вашего ноутбука.
ФГОС · базовый
ЕГЭ · № 22
01
Единицы производительности
От мегафлопс до экзафлопс: шкала мощностей
FLOPS — Floating Point Operations Per Second
Приставка
Степень
Пример
MFLOPS
10⁶
Калькулятор
GFLOPS
10⁹
Смартфон, ноутбук
TFLOPS
10¹²
Игровая видеокарта (RTX 4090 ≈ 83 TFLOPS)
PFLOPS
10¹⁵
Крупный кластер, «Ломоносов-2»
EFLOPS
10¹⁸
Frontier (США), Fugaku (Япония)
Масштаб
1 экзафлопс = 1 000 000 000 000 000 000 операций в секунду. Если бы каждый человек на Земле (8 млрд) делал по 125 000 вычислений в секунду — вместе они работали бы как один экзафлопсный суперкомпьютер.
02
Архитектура суперкомпьютера
Кластер: тысячи узлов, связанных сверхбыстрой сетью
Кластерная архитектура
Современный суперкомпьютер — это
кластер
: множество вычислительных узлов (серверов), соединённых высокоскоростной сетью (InfiniBand, 200+ Гбит/с).
Управляющий узел
Высокоскоростная сеть (InfiniBand)
Узел 1
CPU + GPU
Узел 2
CPU + GPU
Узел 3
CPU + GPU
Узел N
CPU + GPU
... тысячи узлов ...
Хранилище (Lustre)
Охлаждение
Рис. 2.
Типичная архитектура суперкомпьютера: управляющий узел + вычислительные узлы + сеть + хранилище
Компоненты
Компонент
Назначение
Управляющий узел
Планирование задач (SLURM, PBS), мониторинг
Вычислительные узлы
CPU (AMD EPYC, Intel Xeon) + GPU (NVIDIA H100)
Сеть
InfiniBand NDR (400 Гбит/с) или Slingshot
Хранилище
Параллельные ФС: Lustre, GPFS (петабайты данных)
Охлаждение
Жидкостное (вода 45°C) — эффективнее воздушного
03
GPU-вычисления
Видеокарты — не только для игр: тысячи ядер для науки
CPU vs GPU
CPU
GPU
Ядер
4–96 (мощных)
10 000+ (простых)
Тактовая частота
3–5 ГГц
1–2 ГГц
Архитектура
MIMD (разные задачи)
SIMD (одна операция, много данных)
Лучше для
Сложная логика, ветвления
Матрицы, графика, нейросети
Память
DDR5, до 2 ТБ
HBM3, до 80 ГБ (быстрая)
CUDA и OpenCL
CUDA
(NVIDIA) — платформа для программирования GPU.
OpenCL
— открытый стандарт для любых GPU.
Примеры задач для GPU: обучение нейросетей, молекулярная динамика, рендеринг, криптография.
Связь с главой 2
В главе 2 (ПК) мы рассматривали видеокарты как компоненты. В суперкомпьютерах GPU — основные вычислительные устройства. Frontier: 70% производительности — от GPU AMD MI250X.
04
TOP500 и мировые лидеры
Рейтинг мощнейших компьютеров мира, обновляется дважды в год
Рейтинг TOP500
С 1993 г. каждые полгода (июнь и ноябрь) публикуется список 500 самых мощных суперкомпьютеров мира. Тест:
Linpack
— решение системы линейных уравнений.
#
Название
Страна
Производительность
Особенности
1
Frontier
🇺🇸 США
1.2 EFLOPS
Первый экзафлопсный (2022). AMD EPYC + MI250X
2
Aurora
🇺🇸 США
1.0 EFLOPS
Intel Xeon + Ponte Vecchio GPU (2024)
3
Eagle
🇺🇸 США
561 PFLOPS
Microsoft Azure, облачный суперкомпьютер
4
Fugaku
🇯🇵 Япония
442 PFLOPS
ARM-процессоры A64FX (бывший #1)
5
LUMI
🇫🇮 Финляндия
380 PFLOPS
AMD EPYC + MI250X, европейский флагман
Россия в TOP500
Российские суперкомпьютеры:
«Ломоносов-2»
(МГУ, ~2.5 PFLOPS),
«Червоненко»
(Росатом). В рейтинге — единицы систем из-за ограничений на поставки.
Тренд
К 2030 г. ожидается
зетафлопсный
барьер (10²¹ FLOPS). Это в 1000 раз больше экзафлопса. Основные направления: квантовые вычисления, нейроморфные чипы, оптические процессоры.
05
Применение суперкомпьютеров
Где нужны квинтиллионы операций в секунду
🌤️
Прогноз погоды
метеорология
Моделирование атмосферы Земли с разрешением 1 км. Чем мощнее компьютер — тем точнее и дальше прогноз.
💊
Разработка лекарств
биоинформатика
Молекулярная динамика: моделирование взаимодействия белков и лекарств. Folding@home — 2.4 EFLOPS (добровольцы).
🧠
Искусственный интеллект
нейросети
Обучение больших языковых моделей (GPT, LLaMA) требует тысяч GPU и недель вычислений.
🔬
Физика и химия
моделирование
Квантовая химия, термоядерный синтез, моделирование ядерных реакций, астрофизика.
🎬
CGI и рендеринг
киноиндустрия
Рендер-фермы студий Pixar, Weta Digital — тысячи ядер для создания спецэффектов.
🔐
Криптография
безопасность
Подбор ключей шифрования, анализ уязвимостей. Связь с главой 5 (TLS, RSA).
06
Параллельное программирование
Как написать программу для тысяч ядер: MPI и OpenMP
Два подхода
Технология
Тип памяти
Как работает
OpenMP
Общая
Директивы в коде (#pragma omp parallel). Потоки внутри одного процесса. Просто добавить параллелизм в существующий код.
MPI
Распределённая
Обмен сообщениями между узлами кластера. Каждый узел — отдельный процесс. Масштабируется на тысячи узлов.
CUDA / OpenCL
GPU
Параллельные вычисления на видеокартах. Тысячи потоков, SIMD-архитектура.
Закон Густафсона
В отличие от закона Амдала,
Густафсон
(1988) утверждает: если увеличивать объём задачи пропорционально числу ядер, ускорение растёт почти линейно.
S(N) = N − (1 − p) × (N − 1)
Практический смысл: суперкомпьютеры решают
большие
задачи, а не ускоряют маленькие.
Амдал vs Густафсон
Амдал
: задача фиксирована, добавляем ядра → ускорение ограничено.
Густафсон
: ядер фиксировано, увеличиваем задачу → ускорение почти линейное.
Оба правы — просто смотрят на проблему с разных сторон.