本文目录
- 高性能计算的摩尔定律
- 高性能计算的介绍
- 高性能计算 还有哪些短板需要补上
- 高性能计算主要是研究什么的
- 云计算与高性能计算有什么区别和优势吗
- 高性能计算如何实现云计算
- 下列什么与高性能计算无关 a：多cpu b:并行程序 c:分布式计算
- 什么是高性能计算机
- 高性能计算的概述
高性能计算的摩尔定律
提及摩尔定律，作为计算机发展的第一定律一直在引领IT产业的前行。不过随着多核技术的发展和应用，摩尔定律在面临挑战的同时，在某些领域已经被超越。例如在日益普及的高性能计算（HPC）中。那为何摩尔定律会首先在高性能计算领域被超越？这之中又隐含着怎样的产业趋势？
首先从代表全球高性能计算水平和趋势的全球高性能计算TOP500近几年性能发展的趋势看，无论是最大性能（全球排名第一的系统）、还是最小性能（全球排名最后）和平均性能，其发展曲线的速度是基本一致的。但与摩尔定律的发展曲线相比，则明显处于陡势的增长态势。这说明这两年来，高性能计算性能和应用的发展速度已经超越了摩尔定律。熟悉摩尔定律的人都知道，摩尔定律有三种解释。一种是集成电路芯片上所集成的电路的数目，每隔18个月就翻一番；第二种是微处理器的性能每隔18个月提高一倍，而价格下降一半；第三种解释是用一个美元所能买到的电脑性能，每隔18个月翻两番。这三种解释中业内引用最多的是第一种。但具体到高性能计算，笔者更愿意用第二或者第三种来解释。
按理说，随着高性能计算性能的不断提升和系统的日益庞大，高性能计算用户无论在初期的采购搭建系统，还是后期的使用中的成本都会大幅的增加，在经济危机的特殊时期，高性能计算如此大的TCO会导致用户的减少和整体性能的下降才对。但前不久发布的全球高性能计算TOP500证明，增长的势头未减，这除了市场和用户的需求外，更在于处理器厂商采用新的技术，在性能提升的同时，让用户以更低的成本享受到更高、更多的计算性能。从这个意义上看，摩尔定律在被延续的同时也正在被超越，即在高性能计算领域，用户性能/投入比远远大于摩尔定律。当然这主要得益于处理器制程、架构技术、多核技术、节能技术、软件优化和快速部署等。
例如从制程和核数上看，最新的全球高性能计算TOP500排名显示，45纳米已经占据了绝对的主流。而多核也达到了全球TOP500的2/3。从部署的速度看，AMD刚刚发布不久的6核就已经有两套进入TOP500中。而英特尔正式发布的新的Nehalem多核架构的高性能计算系统更有33套（基于这个处理器的系统）进入TOP500，其中有两套在TOP20里。快速的部署给用户带来的是最新技术和性能的获得。
当然对于用户而言，多核并非是关键，重要的是如何充分发挥多核的效能。这就需要相关的平台技术和软件优化。例如在高性能计算领域，业内都听说过“半宽板”这个标准。这个“半宽板”标准其实是英特尔在几年前提出的，半宽的小板在加高计算密度的同时，节约了很多复用的部件，在加强高性能计算的密度同时，配合散热的技术设计，可以提供更多的计算能力同时降低能耗。这就引出了一个新的发展方向，即高性能计算未来发展就是能耗更多被用于计算性能的提高，而不是散热。此外，就是SSD（固态硬盘），它可以在大幅提高高性能计算系统可靠性和I/O性能的同时，还可以降低功耗。而软件优化更是高性能计算中重中之重的部分，编译器、函数库以及MPI库，所有这些可以帮助ISV能够把多核处理器的计算性能充分发挥出来。
由此来看，在高性能计算领域，单纯的处理器已经不能满足市场和用户的需求，它们需要的是高性能计算平台级的解决技术及方案。这也是为什么在全球高性能计算TOP500开始引入能效的主要原因。
说到能效，笔者早就听说在业内有个与摩尔定律同样重要的“基辛格规则”。它是以处理器业界闻名的英特尔首席技术官帕特·基辛格名字命名的。该规则的主旨是今后处理器的发展方向将是研究如何提高处理器能效，并使得计算机用户能够充分利用多任务处理、安全性、可靠性、可管理性和无线计算方面的优势。如果说“摩尔定律”是以追求处理性能为目标，而“基辛格规则”则是追求处理器的能效，这规则至少在高性能计算领域已经得到了验证，而它由此带来的是摩尔定律的被超越，即用户将会在更短的周期，以更低的价格获得更高的能效。
高性能计算的介绍
高性能计算(High performance computing， 缩写HPC) 指通常使用很多处理器（作为单个机器的一部分）或者某一集群中组织的几台计算机（作为单个计 算资源操作）的计算系统和环境。有许多类型的HPC 系统，其范围从标准计算机的大型集群，到高度专用的硬件。大多数基于集群的HPC系统使用高性能网络互连，比如那些来自 InfiniBand 或 Myrinet 的网络互连。基本的网络拓扑和组织可以使用一个简单的总线拓扑，在性能很高的环境中，网状网络系统在主机之间提供较短的潜伏期，所以可改善总体网络性能和传输速率。
高性能计算 还有哪些短板需要补上
最近，圈内讨论最多的就是高性能计算(HPC)。HPC一度是政府和学术机构的专利，用于解决包括基因组测序和气候研究等在内的最复杂的计算问题。
如今，HPC也开始走下神坛，开始越来越多的为普通用户服务。已经有越来越的人利用HPC进行大数据分析等全新工作负载，为越来越多的行业带来颠覆性的变化。包括医疗和金融服务等在内的传统领域也开始诉求超级计算的能力，以便能够从不断增加且日趋复杂的数据中获得实时洞察。
我们正在步入一个全新时代，一个将HPC从用于解决特定问题的工具，转变为一款适用于广泛领域的通用工具的时代。
但人们发现，随着处理器的发展，如今影响HPC性能提升的因素已经不是在处理器方面，而是在扩展性以及网络方面。近日英特尔推出了可扩展系统框架和Omni-Path架构两款产品，来解决HPC行业发展的瓶颈问题。
英特尔Omni-Path架够是一种高级架构和互联技术，用于支持可扩展性更强、更灵活和更均衡的HPC系统。英特尔SSF将帮助简化HPC系统的采购、部署和管理，使HPC能够应用于包括数据驱动的分析、可视化和机器学习等在内的更多行业和更广泛的工作负载。
英特尔可扩展系统框有助于运行分散的工作负载——这些负载会对系统不同组件如计算，内存和I/O等带来压力——该架构可通过创新对这些负载的性能进行优化，并对它们进行一致的管理。此外，英特尔®SSF还为HPC系统在云环境中的部署提供相一致的平台。
英特尔系统级的创新包括处理器、内存、软件和互联技术，使得整体系统功能可围绕多种用途进行设计和优化—-覆盖从传统HPC到新兴的大数据分析以及这二者之间的所有用途。坚信英特尔SSF将为设计和构建下一代高性能计算系统铺平道路，迎接‘HPC无处不在’时代的到来。”
-高性能计算
高性能计算主要是研究什么的
高性能计算主要研究方向有四个方面：高性能计算理论基础；高性能计算系统；高性能计算系统的设计；高性能计算驱动力。高性能计算机的发展趋势主要表现在网络化、体系结构主流化、开放和标准化、应用的多样化等方面。网络化的趋势将是高性能计算机最重要的趋势，高性能计算机的主要用途是网络计算环境中的主机。-高性能计算
以后越来越多的应用是在网络环境下的应用，会出现数以十亿计的客户端设备，所有重要的数据及应用都会放在高性能服务器上，Client/Server模式会进入到第二代，即服务器聚集的模式，这是一个发展趋势。网络计算环境的应用模式将仍然是Internet/Web，但5～10年后，信息网格模式将逐渐成为主流。在计算网格方面美国大大领先于其他国家。-高性能计算
云计算与高性能计算有什么区别和优势吗
高性能计算（High Performance Computing，简称HPC）是高性能计算机的应用。
高性能计算机是传统超高速计算机和多个CPU组成的并行计算机，不过一般来讲，HPC几乎等同于超级计算，主要面向科学计算、工程模拟、动漫渲染等领域，属于计算密集型的应用。私家车的设计和制造、航天飞机的轨道模拟、Nike鞋的设计、药物的研发等等都属于高性能计算的范畴。-高性能计算
云计算和HPC其实是完全不同的两个概念，虽然近年来概念有所重叠，但是出发点完全不同。
美国国家标准与技术研究院(NIST)对于云计算的定义是：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。-高性能计算
也就是说，云计算是一种按需分配并进行付费的商业技术，当前主要用于Web2.0、社交网络、企业IT建设和信息化等领域。
云计算架构拥有虚拟化技术、可以拥有更好的用户界面等优势。云桌面便是云计算的一种体现
然而在硬件设施上，比起HPC，云计算还非常落后。并且业界可能更关注于虚拟化、弹性化和动态化的研究，忽视了计算机系统技术的发展，这也是当前云计算硬实力方面不及HPC的地方。也许在不久的将来，云计算平台会最终取代HPC基础设施，不过其道路依旧很漫长。-高性能计算
当前云计算数据中心的建设受到高度关注，比起一般数据中心、机房，云计算数据中心更重视弹性，让用户在线路、IP等方面能像云计算那样按需付费。云计算数据中心是当前数据中心的新兴力量，符合高性能、低功耗、低成本和高可靠性的光互连器件是大势所趋。-高性能计算
高性能计算如何实现云计算
随着社会的不断发展，社会对计算机的依赖性越来越大，人们对计算机的计算能力的要求也越来越高。在许多科学及应用部门，单机的运算能力已经远远不能满足部门的需要了。因而在这种情形下，高性能计算便成为了人们迫切的需求。 简单的说，高性能计算就是指运算速度快、性能高、处理能力强的一类计算机，它提供了当前最先进的计算能力，以支撑人们理解和解决复杂计算的问题。而高性能计算的一种主要方式就是并行计算技术。 并行计算的基本思想就是将一个即将被求解的问题分成N份，分别将分好的问题交付给N台计算机，那么，问题解决的时间就缩短为原来的1/N。通过并行计算技术就可以将原来在单机上要完成的任务的时间缩短，从而实现效率的提高，以达到高性能计算的目的。 在经历了单机计算、并行计算、分布式计算、网格计算和SAAS后，一种新的计算技术又诞生了，它就是云计算。云计算的出现使用户享受了高性能的计算资源和软件资源，使计算技术进入了服务的时代，用户知道是只有服务，当用户实现某个计算时，用户并不知道也不需要知道有多少台服务器正在运行，只需要服务器返回的结果即可。比如Google的搜索引擎，只要用户输入关键词,同时有几千上万台服务器为用户服务并反回搜索到的内容。 那么究竟什么是云计算呢？其实云计算就是一个透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户的技术。云计算是并行计算、分布式计算和网格计算的发展，或者说是这些计算机科学概念的商业实现。云计算是虚拟化、效用计算、LaaS、PaaS、SaaS等概念混合演进并跃升的结果。 现在，在网络中简单的云计算已经随处可见了，最常用的就是搜索引擎，在未来，也许手机和GPRS等行动装置都可以通过云计算，发展出更多的应用服务。因此，许多人称云计算是高性能计算的未来，主要是因为云计算不仅能够使用户体验到高性能的计算资源和软硬件资源，而且成本还非常低，为用户带来了很大的方便。 在理解了高性能计算及云计算的概念后，要了解高性能计算是如何实现云计算还必须要了解高性能计算和云计算的应用纲要。高性能计算包含各种应用纲要，它的几项要素如下： 1. 其中包含了许多应用可以为串行应用； 2. 有时进程间的数据传输量很少，而有时进程间的数据传输量却很大； 3. 有些应用为串行应用或线程化应用，运行于单个节点上； 4. 有些串行或并行应用执行许多IO任务，而有些则不能执行许多IO任务；5. 有些应用能够生成一个检查点。 要成功的执行云计算，应用运行所需的资源和作用方式起很大的作用。云计算的纲要如下：1．不会出现并行和线程化；2．不需过多的内存带宽和CPU使用率；3．很少执行与其计算相关的IO；4．可以进行自我修复。 在充分了解了高性能计算和云计算的应用纲要后，我们就能很容易的理解高性能计算实现云计算的方法了，但只有部分高性能计算能够在云模式下运行良好。那么高性能计算究竟是如何实现云计算的呢？ 通过应用纲要的比较可以发现高性能计算的一些应用能够很好的与云计算能力相契合。 只要将数据集在无需交换的情况下置入节点，应用就可以在云计算环境中运行，也就是实现了云模式下的计算了。具体的就需要将云计算环境下的应用和数据集的正确配合才能保证两者的正常运行，有许多要求。例如以下一些要求：应用必须运行于单个节点，数据集必须位于单个节点；使用非IO密集型应用；应用需快速运行，或创建一个检查点等等。 但是遗憾的是，适合云计算环境的高性能计算应用的应用纲要还是比较有限。因而，对于高性能计算实现云计算的方法还有待改进。云计算还处于初期阶段，要想取代高性能计算还有很长的一段路要走。（吴铣）
-高性能计算
下列什么与高性能计算无关 a：多cpu b:并行程序 c:分布式计算
分布式计算。选C。分布式计算是一种计算方法，和集中式计算是相对的。随着计算技术的发展，有些应用需要非常巨大的计算能力才能完成，如果采用集中式计算，需要耗费相当长的时间来完成。
分布式计算将该应用分解成许多小的部分，分配给多台计算机进行处理。这样可以节约整体计算时间，大大提高计算效率。
扩展资料：
最近的分布式计算项目已经被用于使用世界各地成千上万位志愿者的计算机的闲置计算能力，通过因特网，可以分析来自外太空的电讯号，寻找隐蔽的黑洞，并探索可能存在的外星智慧生命；可以寻找超过1000万位数字的梅森质数；-高性能计算
也可以寻找并发现对抗艾滋病病毒的更为有效的药物。这些项目都很庞大，需要惊人的计算量，仅仅由单个的电脑或是个人在一个能让人接受的时间内计算完成是绝不可能的。
什么是高性能计算机
高性能计算（High Performance Computing）是计算机科学的一个分支， 随着信息化社会的飞速发展，人类对信息处理能力的要求越来越高，不仅石油勘探、气象预报、航天国防、科学研究等需求高性能计算机，而金融、政府信息化、教育、企业、网络游戏等更广泛的领域对高性能计算的需求迅猛增长。通过GPU加速高性能计算可能将从大型计算机发展到台式机以及桌边型计算机上。
-高性能计算
高性能计算的概述
图1显示了一网状 HPC 系统。在网状网络拓扑中，该结构支持通过缩短网络节点之间的物理和逻辑距离来加快跨主机的通信。尽管网络拓扑、硬件和处理硬件在 HPC 系统中很重要，但是使系统如此有效的核心功能是由操作系统和应用软件提供的。
HPC 系统使用的是专门的操作系统，这些操作系统被设计为看起来像是单个计算资源。正如从图1和图2中可以看到的，其中有一个控制节点，该节点形成了 HPC 系统和客户机之间的接口。该控制节点还管理着计算节点的工作分配。
对于典型 HPC 环境中的任务执行，有两个模型：单指令/多数据 (SIMD) 和多指令/多数据 (MIMD)。SIMD在跨多个处理器的同时执行相同的计算指令和操作，但对于不同数据范围，它允许系统同时使用许多变量计算相同的表达式。MIMD允许HPC 系统在同一时间使用不同的变量执行不同的计算，使整个系统看起来并不只是一个没有任何特点的计算资源（尽管它功能强大），可以同时执行许多计算。
不管是使用 SIMD 还是 MIMD，典型 HPC 的基本原理仍然是相同的：整个HPC 单元的操作和行为像是单个计算资源，它将实际请求的加载展开到各个节点。HPC 解决方案也是专用的单元，被专门设计和部署为能够充当（并且只充当）大型计算资源。-高性能计算
