根據(jù)KEEP計(jì)劃，浪潮與英特爾共同聯(lián)合建立基于全新KNL技術(shù)的、開放的高性能計(jì)算系統(tǒng)，首期建設(shè)超過200TFlops計(jì)算能力的KNL測(cè)試系統(tǒng)，后續(xù)目標(biāo)擴(kuò)容到超過700TFlops，幫助更多高性能計(jì)算和深度學(xué)習(xí)用戶在KNL上完成應(yīng)用測(cè)試、遷移及優(yōu)化。

浪潮集團(tuán)副總裁胡雷鈞現(xiàn)場(chǎng)講解

據(jù)現(xiàn)場(chǎng)發(fā)布會(huì)的介紹，許多來自不同領(lǐng)域的用戶已深度參與到KEEP計(jì)劃中，既涉及海洋模擬、計(jì)算流體力學(xué)、天文數(shù)據(jù)處理、石油勘探等傳統(tǒng)高性能計(jì)算領(lǐng)域，也涉及高性能和大數(shù)據(jù)結(jié)合的HPDA和智能計(jì)算等新興領(lǐng)域。

在高性能計(jì)算應(yīng)用方面，西北工業(yè)大學(xué)在Keep KNL集群上運(yùn)行Lattice-Boltzmann方法的大渦模擬（LBM-LES），在兩維2048×2048的網(wǎng)格上，迭代10000步單個(gè)KNL節(jié)點(diǎn)耗時(shí)23.48秒，性能相當(dāng)于雙路E5-2680 v4 CPU節(jié)點(diǎn)的2.3倍。Lattice-Boltzmann方法假設(shè)流體由大量的粒子構(gòu)成，LBM-LES模擬了粒子在格子中不斷傳播和碰撞的過程，被廣泛的應(yīng)用在航空航天、工業(yè)設(shè)計(jì)等領(lǐng)域。

在大數(shù)據(jù)應(yīng)用領(lǐng)域，復(fù)旦大學(xué)測(cè)試了其承擔(dān)的全球最大天文望遠(yuǎn)鏡項(xiàng)目SKA（平方公里陣列望遠(yuǎn)鏡）的科學(xué)數(shù)據(jù)處理（Scientific Data Processing，SDP）程序?；赟park執(zhí)行框架、運(yùn)用Scala語言編寫的SDP數(shù)據(jù)處理測(cè)試程序共啟動(dòng)了5393個(gè)并行任務(wù)，涉及到大量的排序和混洗操作。復(fù)旦大學(xué)用了不到2天的時(shí)間就完成了執(zhí)行框架在KEEP KNL集群上的環(huán)境搭建，包括Spark、Hadoop以及大量基于python的射電天文計(jì)算庫(kù)的安裝。核心執(zhí)行框架在KNL集群上的運(yùn)行時(shí)間是12分30秒，是同規(guī)模CPU節(jié)點(diǎn)集群性能的6倍。

在智能計(jì)算方面，河北工業(yè)大學(xué)的Bin Cao團(tuán)隊(duì)在Keep KNL集群上處理了DPCCMOEA的16個(gè)測(cè)試問題，每個(gè)問題1000維且測(cè)試一次，每個(gè)問題目標(biāo)數(shù)為3，在兩個(gè) KNL節(jié)點(diǎn)上用時(shí)4208.89s，性能是 2節(jié)點(diǎn)雙路E5-2680 v4 CPU節(jié)點(diǎn)的2.25倍。DPCCMOEA是分布式并行合作協(xié)同進(jìn)化多目標(biāo)優(yōu)化算法的簡(jiǎn)稱，該算法可用于解決大數(shù)據(jù)挖掘、工業(yè)化和網(wǎng)絡(luò)問題中的多目標(biāo)優(yōu)化問題，如產(chǎn)品的自動(dòng)設(shè)計(jì)、汽車發(fā)動(dòng)機(jī)設(shè)計(jì)中的優(yōu)化問題。

眾多的Keep計(jì)劃用戶應(yīng)用體驗(yàn)表明，KNL不僅目前最強(qiáng)大的眾核計(jì)算處理器，同時(shí)還兼?zhèn)淞己玫木幊桃子眯裕瑥腃PU到KNL平臺(tái)的代碼非常平滑容易，只需編譯即可在KNL上運(yùn)行，上述所有應(yīng)用都在一周時(shí)間內(nèi)完成所有編譯、編譯器級(jí)的優(yōu)化和最終運(yùn)行測(cè)試工作，在未涉及到代碼級(jí)深度優(yōu)化的情況下，初步性能就已經(jīng)基本達(dá)到雙路E5-2680V4 CPU的2倍以上或更高，如果針對(duì)KNL架構(gòu)特點(diǎn)和應(yīng)用算法進(jìn)行代碼級(jí)深度優(yōu)化，性能提升空間將更大。

KNL將對(duì)高性能計(jì)算應(yīng)用、深度學(xué)習(xí)、智能計(jì)算、大數(shù)據(jù)應(yīng)用起到強(qiáng)有力的性能提升，而未來越來越多的應(yīng)用將可采用KNL方案進(jìn)行性能提速。KEEP計(jì)劃積累的大量詳實(shí)、可靠的HPC應(yīng)用優(yōu)化經(jīng)驗(yàn)，無疑將有助于加速推進(jìn)KNL的廣泛應(yīng)用和普及。

xiesc