基于应用特征建设和测试HPC

　　基于应用特征的系统建设和测试目前已经得到了行业内的普遍认同，在将HPC回归应用成为公认的浪潮和价值诉求点的情况下，HPC系统能否满足实际应用，成为了建设、测试及考量的最佳标准。

　　从建设角度来说，HPC的架构区分相对来说简单，可以做几类区分，如胖节点与瘦节点（面向大内存需求的应用和内存容量需求较少的应用）、CPU与CPU+GPU的混合计算等，这都是相对于HPC计算系统的整体架构而言的，相对来说，这方面的选型比较简单。但需要指出的是，目前CPU+GPU的模式虽然对一些需要高效的并行性、高密集的运算、超长图形流水线等方面有所优势，但是目前编程模式和编译优化方面仍然存在一定障碍，如果不是为了利用GPU加速器冲高Linpack数值，一般来说还是建议采用传统的CPU架构。

　　同时，针对计算系统的处理器、内存或IO子系统的指标特性，还要区分应用程序是主频敏感型、内存带宽敏感型还是I/O敏感型 ，像对于石油油藏模拟、气象等对内存较敏感的应用来说，其不仅对内存容量，还对内存带宽都有所要求，英特尔与AMD公司所设计的QPI及Hypertransport架构，就能够很好的解决此类问题；而地震资料处理类应用，就对浮点计算能力有所要求，这时候就要看处理器的主频，甚至是超频能力是否强大了。

　　如何面向应用测试未购买的HPC

　　在进行了系统建设的选型之后，如何在没有采购时获得较为客观和可信的系统测试结果，是必须要考虑的问题，尤其是，即将采购的HPC系统，是否如理想中最适合学校的应用——即使针对应用进行了初步的选型，不同的供应商提供的类似架构的系统也会有针对不同应用的性能的差异——在满足应用的同时，供应商的优化能力如何，也是需要考虑的部分，因此，针对学校的高性能计算应用，有针对性的测试HPC系统，是非常有必要的。

　　针对应用的测试，首先要明确，未来HPC系统针对的应用，是某一个独立的应用，还是某一类型相近的应用，或是运行几类不同的应用（多个院系共享校级计算中心的情况下多是如此），确定下来之后，选择相对应的应用程序，如某一个、一类或是多个类型的应用程序，进行每个供应商提供的供测试系统的测试。

　　不过，需要指出的是，应用测试的规模不宜过大，对此，清华大学陈文光教授表示，，“从逻辑上来说，每个学校的潜在用户可能有几十上百程序，选择最重要的用户进行测试，如清华就是气象预报和气象图像，应用个数不能太多，评测本身是有开销的，从经验来说，5-10个应用就能够覆盖学校应用测试。测试的规模要缩小到一个节点上，让应用在一个节点的内存上能够跑起来即可。”

　　除此以外，还有一点需要明确，除了测试计算系统外，相应的要对网络连接和IO存储方面进行测试，要了解网络连接和IO存储对应用程序性能的影响——购买HPC不是只买高性能计算集群的事情，HPC用什么网络，配套多大规模和什么类型的存储系统，都需要同时作出决策。在很多高校中，这也是逐渐出现的趋势：在采购HPC时，往往在采购招标中，附以存储系统的选型要求，以期能够更好的配合高性能计算系统的实现。