HPC

Che cos'è HPC?

High Performance Computing (HPC) si riferisce all'aggregazione della potenza di calcolo per fornire prestazioni computazionali superiori rispetto ai computer o ai server tradizionali. High Performance Computing (HPC) o Supercomputing è proprio come l'informatica quotidiana, con la sola differenza che è più potente. Aiuta le persone a esplorare alcuni dei più grandi problemi del mondo nella scienza, nell'ingegneria e nel business aggregando strutture e utilizzando più computer e dispositivi di archiviazione per elaborare grandi quantità di dati a velocità molto elevate.

Attualmente, l'HPC viene utilizzato principalmente per risolvere problemi complessi e ad alta intensità di prestazioni, e sempre più organizzazioni stanno spostando i propri carichi di lavoro HPC sul cloud. Il Cloud HPC ottimizzerà notevolmente l'economia della ricerca e sviluppo dei prodotti riducendo la necessità di prototipi, accelerando i test e riducendo il time to market.

Come funziona l'HPC?

In pratica, esistono carichi di lavoro (ad es. il sequenziamento del DNA) troppo grandi per un singolo computer. Gli ambienti HPC o di supercalcolo consentono a più nodi (computer) di lavorare insieme in cluster (gruppi interconnessi) per eseguire enormi quantità di calcoli in un breve periodo di tempo e affrontare le sfide di questi carichi di lavoro grandi ed estremamente complessi. Inoltre, l'HPC riduce i costi supportando la creazione e l'eliminazione automatiche di cluster nel cloud.

HPC supporta molti tipi di carichi di lavoro, due dei più comuni sono i carichi di lavoro paralleli e i carichi di lavoro strettamente accoppiati.

Carichi di lavoro paralleli

si riferisce a problemi di calcolo suddivisi in molteplici attività piccole, semplici e indipendenti che possono essere eseguite simultaneamente, spesso con poca o nessuna comunicazione tra loro. Ad esempio, un'azienda può inviare 100 milioni di record di carte di credito ai singoli core dei processori in un cluster di nodi. L'elaborazione di un singolo record di carta di credito è un'attività piccola e, quando 100 milioni di record vengono distribuiti nel cluster, 100 milioni di piccole attività possono essere eseguite simultaneamente (in parallelo) a una velocità sorprendente. Gli scenari d'uso comuni per i carichi di lavoro paralleli includono simulazione del rischio, modellazione molecolare, ricerca contestuale e simulazione logistica.

Carichi di lavoro strettamente accoppiati

in genere occupano più risorse condivise e sono suddivisi in attività più piccole che comunicano continuamente tra loro. In altre parole, i singoli nodi in un cluster comunicano tra loro mentre eseguono l'elaborazione. Gli scenari di utilizzo comuni per i carichi di lavoro strettamente accoppiati includono la fluidodinamica computazionale, la modellazione delle previsioni meteorologiche, la simulazione dei materiali, la simulazione di crash automobilistici, la simulazione geospaziale e la gestione del traffico.

Perché HPC è importante?

L'HPC ha svolto un ruolo importante nella ricerca accademica e nell'innovazione industriale per decenni. Ha aiutato ingegneri, data scientist, progettisti e altri ricercatori a risolvere molti problemi grandi e complessi in modo più economico ed efficiente.

I principali vantaggi dell'HPC includono:

Riduzione dei test fisici: l'HPC può essere utilizzato per creare simulazioni senza la necessità di test fisici da parte dell'utente. Ad esempio, durante i test sugli incidenti automobilistici, l'HPC può generare simulazioni di crash in modo più economico e semplice rispetto ai crash test reali.

Velocità: basato sulle CPU più recenti, sulle unità di elaborazione grafica (GPU) e su architetture di rete a bassa latenza come RDMA (Remote Direct Memory Access), nonché su dispositivi di storage locale all-flash e di storage a blocchi, l'HPC può eseguire enormi calcoli in pochi minuti che in passato avrebbero richiesto settimane.

Costi: l'HPC può fornire risposte più rapidamente e a un costo inferiore. E con l'HPC basato sul cloud, anche le piccole imprese e le startup possono eseguire facilmente carichi di lavoro HPC - pagando solo per le risorse che utilizzano effettivamente e scalando verso l'alto o verso il basso secondo necessità.

Innovazione: HPC promuove l'innovazione praticamente in ogni settore ed è un motore chiave di scoperte scientifiche rivoluzionarie che migliorano la qualità della vita delle persone in tutto il mondo.

Scenari di utilizzo HPC 

L'HPC sta diventando sempre più popolare, con aziende Fortune 1000 che utilizzano l'HPC in quasi tutti i settori, e si prevede che il mercato globale dell'HPC raggiungerà i 44 miliardi di dollari entro il 2022, secondo Hyperion Research.

Ecco alcuni dei settori in cui viene utilizzato l'HPC e i corrispondenti tipi di carichi di lavoro HPC:

Aerospaziale: creazione di simulazioni complesse, come il flusso d'aria sopra l'ala di un aeromobile.

Produzione: miglioramento della progettazione, produzione e collaudo di nuovi prodotti (ad es. guida autonoma) tramite simulazione per produrre auto più sicure e componenti più leggeri, migliorare l'efficienza dei processi e promuovere l'innovazione.

Tecnologia finanziaria (fintech): esegue complesse analisi del rischio, trading ad alta frequenza, modellazione finanziaria e rilevamento delle frodi.

Genomica: promuovere la ricerca genealogica attraverso il sequenziamento del DNA, l'analisi delle interazioni farmaco-farmaco e l'analisi delle proteine.

Sanità: sviluppo di farmaci, sviluppo di vaccini e ricerca di terapie innovative per malattie rare e comuni.

Media e intrattenimento: creazione di animazioni, rendering di effetti cinematografici, transcodifica di file multimediali di grandi dimensioni e creazione di esperienze di intrattenimento immersive.

Oil & Gas: eseguire analisi spaziali e testare modelli di giacimento per prevedere la posizione delle risorse di petrolio e gas; simulare il flusso dei fluidi e l'elaborazione dei dati sismici, ecc.

Retail: analisi di grandi quantità di dati dei clienti per fornire raccomandazioni di prodotto più mirate e un servizio migliore ai clienti.