É«¿Ø´«Ã½

High-Performance-Computing-Storage (HPC) umfasst das Netzwerk mit niedriger Latenz und Hochgeschwindigkeitsdatenzugriff, der f¨¹r HPC-Projekte erforderlich ist. HPC ist die Verwendung von Computern und Supercomputern, die geclustert und verbunden sind, um komplexe Aufgaben parallel auszuf¨¹hren.?

Aber es ist mehr als nur die Rechengeschwindigkeit, die HPC so wichtig macht. HPC ist in der Lage, riesige Datens?tze im Exabyte-Bereich zu analysieren, wodurch es f¨¹r so viele moderne Durchbr¨¹che verantwortlich ist. Um diese komplexen Aufgaben auszuf¨¹hren, ben?tigen HPC-Umgebungen moderne Storage-L?sungen f¨¹r HPC-Cluster.?

Da k¨¹nstliche Intelligenz (AI und HPC zusammenkommen, k?nnen herk?mmliche Unternehmen noch mehr von dem Verst?ndnis und der Architektur f¨¹r HPC profitieren und gleichzeitig AI nutzen. Einige F¨¹hrungskr?fte entscheiden sich sogar daf¨¹r, ihre herk?mmlichen HPC-Teams f¨¹r eine stabilere und agilere konvergente AI-Infrastruktur aufzugeben, die sie selbst oder ¨¹ber Systemintegratorpartner bereitstellen.

Hier erfahren Sie mehr ¨¹ber die Anforderungen von HPC an Storage und dar¨¹ber, wie Unternehmensinfrastrukturen so konzipiert werden k?nnen, dass sie sie unterst¨¹tzen.

HPC ist die Verwendung fortschrittlicher Rechensysteme (z. B. Supercomputer oder Cluster von Hochleistungscomputern), um komplexe Aufgaben parallel zu verarbeiten, in der Regel in Bereichen wie wissenschaftlicher Forschung, Engineering, Fertigung und Informatik. HPC unterst¨¹tzt wissenschaftliche Simulationen, Modellierung, Verifizierungen und generative AI und erm?glicht es Forschern und Fachleuten, riesige Datens?tze effizient zu analysieren und komplexe Probleme zu l?sen.?

Der Umfang ist ein Aspekt, der andere die Geschwindigkeit. Und je schneller die Dateninfrastruktur unter diesen Systemen ist, desto schneller sind die Berechnungen.

Es gibt verschiedene Arten von Hochleistungs-Computing f¨¹r verschiedene Anwendungsf?lle. Eines haben sie alle gemeinsam: Sie generieren und verarbeiten riesige Datenmengen. Die h?ufigsten Arten von Hochleistungs-Computing werden dadurch definiert, wie die Computer zusammenarbeiten und woran sie zusammenarbeiten, darunter:

• Supercomputing: Entwickelt f¨¹r , die h?ufig in wissenschaftlichen Simulationen, Klimamodellierung, digitalen Zwillingen, Augmented- oder Virtual-Reality-Umgebungen und fortschrittlicher Forschung verwendet werden.
• Cluster-Computing: Vernetzte Computer, die parallel an Aufgaben arbeiten, die auf mehrere Maschinen verteilt sind und h?ufig in akademischen und Forschungseinrichtungen verwendet werden. High-Performance-Computing-Cluster (HPC) sind eine Sammlung miteinander verbundener High-Performance-Computer, die f¨¹r die parallele Verarbeitung entwickelt wurden, oft in wissenschaftlichen und technischen Anwendungen.
• Verteiltes Computing: Mehrere Computer, die ¨¹ber ein Netzwerk verbunden sind, k?nnen genutzt werden, wenn Systeme im Leerlauf sind, dank Software, die Freiwillige herunterladen, um ihre Computer verf¨¹gbar zu machen, wenn sie nicht verwendet werden. nutzen diese Systeme.?
• Cloud-Computing: Remote-Server speichern, verwalten und verarbeiten Daten und bieten skalierbare Rechenressourcen f¨¹r verschiedene Anwendungen. Cloud-basierte HPC-L?sungen bieten On-Demand-Zugriff auf leistungsstarke Rechenressourcen, sodass Benutzer ohne gro?e Vorabinvestitionen auf Rechenleistung zugreifen k?nnen.
• Quantum Computing: Obwohl Quanten-Computing immer noch ein neuer Forschungsbereich ist und nur selten im Unternehmen eingesetzt wird, hat es das Potenzial, Berechnungen in gro?em Umfang durchzuf¨¹hren, um komplexe Probleme schneller zu l?sen als herk?mmliche Computer.
• Beschleunigtes Computing: Einsatz spezialisierter Hardware-Beschleuniger wie GPUs (Graphics Processing Units) und NPUs (Neural Processing Units), um die Rechenleistung zu verbessern, insbesondere bei Aufgaben im Zusammenhang mit AI und auch bei realen Simulationen wie digitalen Zwillingen und dem Omniverse.?

Ja und Nein. W?hrend AI-Projekte fast immer HPC-Ressourcen nutzen, sind die meisten HPC-Projekte nicht ausschlie?lich AI verbunden.

W?hrend Unternehmen versuchen, ihre IT-Infrastrukturen neu zu gestalten, um neue AI-Projekte zu unterst¨¹tzen, werden HPC-Infrastrukturen oft als Modelle f¨¹r AI-Infrastrukturen angesehen, wenn auch nur, weil sie in Umfang und Umfang ?hnlich sind. HPC ist so nah wie viele Unternehmen an der Entwicklung von Rechenzentren, die f¨¹r Projekte dieses Umfangs entwickelt wurden, spezialisierte Hardware wie GPUs, Chips und Rechenleistung; diese beiden sind jedoch nicht gleichbedeutend.

AIProjekte erfordern viel Rechenleistung, Hardwarebeschleuniger und parallele Verarbeitungsarchitekturen sowie Cluster-Computing w?hrend der Datentransformation und des Modelltrainings, ?hnlich wie bei HPC. Sie nutzen auch eine Vielzahl von Technologien und Methoden, einschlie?lich HPC. (Andere sind Deep Learning, Computer Vision, maschinelles Lernen und Verarbeitung nat¨¹rlicher Sprache.)?

HPC kann AI unterst¨¹tzen, ist aber auch breiter. W?hrend sich AI auf Modelle und Algorithmen konzentriert, die bei der Entscheidungsfindung, Mustererkennung und Sprachverarbeitung helfen (wie wir es bei generativer AI sehen), k?nnen HPC-Projekte auf ein breiteres Aufgabenspektrum ¨¹ber AI hinaus angewendet werden, einschlie?lich Wissenschaft, Simulationen, Forschung, Engineering, Datenanalyse und numerische Modellierung.

Sie unterscheiden sich auch darin, wie sie mit Daten umgehen. AI funktioniert mit gro?en Datens?tzen, die zum Trainieren von Modellen erforderlich sind. HPC kann und verarbeitet gro?e Datens?tze, aber sein Fokus liegt mehr auf den Berechnungen, die es durchf¨¹hrt.?

?HPC war selten im Bereich der Unternehmens-IT und blieb in der Regel innerhalb der Grenzen von Wissenschaft und Forschung. Die meisten Unternehmen haben sich noch nicht einmal in HPC niedergeschlagen, aber selbst f¨¹r diejenigen, die dies getan haben, vermischen sie sich nicht oft mit anderen Workflows; sie werden wie ein Silos behandelt und als ein anderes Tier verwaltet.¡° ¨C?

Ist Cloud-Computing dasselbe wie HPC?

Nein, Cloud-Computing ist nicht gleichbedeutend mit HPC. Cloud-Computing ist, wie oben erw?hnt, eher ein ?Wie¡° und stellt Ressourcen bereit, die f¨¹r HPC-Projekte genutzt werden k?nnen. Im Allgemeinen ist Cloud-Computing ein Konzept, das definiert, wie Services und Infrastrukturen gehostet und bereitgestellt werden. Dies kann HPC umfassen.

Welche Branchen verlassen sich auf HPC?

Wie bereits erw?hnt, sind die Unternehmen, die am wahrscheinlichsten HPC-Gitter und HPC-Storage-Umgebungen nutzen, diejenigen in den Bereichen wissenschaftliche Forschung, Umweltwissenschaft, Wettervorhersage, Luft- und Raumfahrt und Automobiltechnik, Finanzdienstleistungen, ?l und Gas, Fertigung und Gesundheitswesen, einschlie?lich Genomforschung und pharmazeutische Tests.

HPC ist jedoch nicht auf diese Bereiche beschr?nkt und kann jedem Unternehmen zugutekommen, das komplexe Berechnungen durchf¨¹hren, datenlastige Simulationen durchf¨¹hren, hochaufl?sende verarbeiten oder Big-Data-Analyse durchf¨¹hren muss.

HPC-Umgebungen bestehen in der Regel aus drei Kernkomponenten: Computerprozessoren, Netzwerk und Storage. Eine zentrale Anforderung von HPC-Projekten ist der schnelle Zugriff auf Daten, was Storage zu einer entscheidenden Komponente f¨¹r den Erfolg dieser Umgebungen macht.?

Um schnell und skalierbar zu arbeiten, ben?tigen HPC-Umgebungen moderne Dateisystemarchitekturen mit Hot- und Cold Tiers und hochverf¨¹gbaren Metadaten. Durch die Integration von NVMe und Objekt-Storage kann das HPC-System moderne Workload-Anforderungen mit geringer Latenz und hoher Bandbreite erf¨¹llen.

HPC-Daten-Storage funktioniert, indem er Daten schnell und effizient von CPUs, Speicher und Storage-Controllern entlastet, sodass CPUs die Verarbeitung ohne Unterbrechung fortsetzen k?nnen. Die Datenplattform f¨¹r ein HPC-System muss auch zug?nglich und abgestuft sein und hei?e Daten nahe an den Knoten und f¨¹r diese zug?nglich halten.

HPC-Storage-Architektur: Parallele Verarbeitung, Clustering und Hochgeschwindigkeitsverbindungen

Bei High-Performance-Computing gibt es drei wichtige grundlegende Konzepte, die erkl?ren, wie Aufgaben ausgef¨¹hrt werden:

• Parallele Verarbeitung: Dies beschreibt, wie Computer (oder Knoten) zusammenarbeiten, um eine Aufgabe auszuf¨¹hren. Bei HPC k?nnen gro?e Probleme in kleinere Aufgaben unterteilt und dann von mehreren Prozessoren oder Rechenkernen gleichzeitig gel?st werden, sodass HPC sowohl massive Datens?tze als auch Berechnungen so schnell verarbeiten kann. Aufgaben k?nnen unabh?ngig von Auftragsverarbeitern bearbeitet werden oder Auftragsverarbeiter k?nnen an einer einzigen Aufgabe zusammenarbeiten. Unabh?ngig davon, wie sie sich aufteilen und erobern, ist es von entscheidender Bedeutung, dass dies parallel geschieht.
• Clustering: Clustering ist eine Architektur, die von HPC genutzt wird, bei der mehrere Knoten als ein Knoten zusammenarbeiten und wieder parallele Arbeit erm?glichen, nur in gr??erem Umfang. Es ist auch eine M?glichkeit, Zuverl?ssigkeit in eine HPC-Umgebung zu integrieren. Da die Knoten ¨¹ber ein Netzwerk zu einem einheitlichen, einzigen System verbunden sind, k?nnen Aufgaben aufgeteilt und ausgef¨¹hrt werden, selbst wenn ein Knoten im Netzwerk ausf?llt. Dazu geh?ren Orchestrierung und Terminplanung, bei der Software die verf¨¹gbaren Cluster-Ressourcen verwaltet und die Arbeit intelligent an den am besten geeigneten Cluster delegiert.?
• Hochgeschwindigkeitsverbindungen: Dies beschreibt die Kommunikation zwischen Knoten in einem Cluster, und diese Verbindungen (z. B. Hochgeschwindigkeits-Ethernet) sind das R¨¹ckgrat der kollaborativen Leistung und Geschwindigkeit von HPC. Hochgeschwindigkeitsverbindungen erm?glichen eine schnelle Kommunikation und parallele Verarbeitung zwischen Computern im Cluster und zwischen Storage-Knoten und Rechenknoten.

Funktionen, auf die Sie bei HPC-Storage achten sollten

Storage wird im Zeitalter von Anwendungen, Big Data und HPC immer wichtiger. Ben?tigt wird eine neue, innovative Architektur, die fortschrittliche Anwendungen unterst¨¹tzt und gleichzeitig eine erstklassige Performance in allen Dimensionen der Parallelit?t bietet: IOPS, Durchsatz, Latenz und Kapazit?t. Im Idealfall bietet HPC-Storage:

• Eine Flash-Storage-L?sung mit einem elastischen Scale-out-System, das All-Flash-Performance f¨¹r Datens?tze im Petabyte-Bereich bereitstellen kann, ideal f¨¹r Big-Data-Analysen
• Massive horizontale Skalierung, um gleichzeitige Lese-/Schreibvorg?nge zu erm?glichen, w?hrend mehrere Knoten gleichzeitig auf Storage zugreifen
• Effizienz und Einfachheit f¨¹r Storage-Architekten
• Hochgeschwindigkeits-Datenzugriff. Storage muss in der Lage sein, schnelle und h?ufige Anfragen zu bew?ltigen.
• Redundanz und Fehlertoleranz
• NVMe f¨¹r Zugriff mit geringer Latenz
• Objekt-Storage f¨¹r Einfachheit und Erf¨¹llung der Anforderungen von Cloud-nativen Anwendungen

Fortschrittliche Datenmanagement-Tools wie , die Komprimierung und Deduplizierung unterst¨¹tzen

W?hrend sowohl HPC-Storage als auch Cloud-Storage Daten verwalten, haben sie wichtige Unterschiede.

• Cloud ist allgemein, HPC ist spezifisch. HPC-Storage ist auf Hochleistungs-Computing-Anwendungen zugeschnitten und f¨¹r eine effiziente parallele Verarbeitung und einen schnellen Datenzugriff optimiert. Cloud-Storage bietet allgemeinen Storage-as-a-Service f¨¹r eine Vielzahl von Anwendungen (einschlie?lich HPC).
• Cloud ist ein Betriebsmodell. Cloud-Storage ist ein Servicemodell zum Speichern und Verwalten von Daten aus der Ferne.?
• HPC ist auf Performance abgestimmt. Cloud-Storage-Services k?nnen die Menge an granularen Anpassungsprojekten einschr?nken, die f¨¹r eine optimale Performance erforderlich sind. HPC-Storage wird f¨¹r Geschwindigkeit und Zugriff optimiert, w?hrend die Cloud mehr Flexibilit?t und Skalierbarkeit bevorzugt.
• Cloud-Storage-Kostenmodelle zwingen Sie dazu, mehr Kapazit?t zu ?kaufen¡°, um mehr Performance zu erhalten, selbst wenn Sie nicht den zus?tzlichen Storage-Platz ben?tigen.

Beachtenswert ist, dass HPC-Workloads von Universit?ten und Forschungszentren zunehmend in die Cloud verlagert werden, w?hrend kommerzielle und Unternehmens-HPC-Workloads in der Regel immer noch lokal sind. Die Gesamtbetriebskosten (TCO ) sind jedoch f¨¹r Cloud-basierte HPC-Workloads hoch, und die R¨¹ckf¨¹hrung von HPC-Datens?tzen in lokale Umgebungen oder die Verlagerung auf einen anderen Cloud-Anbieter ist ebenfalls teuer.

High-Performance-Computing ist bereits komplex und herausfordernd, daher ist es nicht ¨¹berraschend, dass die Storage-Umgebung, die f¨¹r die Unterst¨¹tzung erforderlich ist, auch dies sein kann. Komplexe Workloads, ein hohes Datenvolumen im Exabyte-Bereich, Datensicherheitsanforderungen, Integrationen und Daten-Tiering machen das Navigieren durch HPC zu einem komplizierten Unternehmen. L?sungen, die sowohl robuste Funktionen als auch eine einfache Nutzung bieten, wie É«¿Ø´«Ã½ ? FlashBlade, k?nnen diese Komplexit?t jedoch bew?ltigen und sogar ausgleichen, ohne Engp?sse oder Verz?gerungen hinzuzuf¨¹gen.

HPC-Storage ist m?glicherweise nicht immer die kosteng¨¹nstigste L?sung f¨¹r jedes System oder Netzwerk, da nicht alle Workloads Storage erfordern, der speziell auf HPC-Herausforderungen abgestimmt ist. Da jedoch immer mehr Workloads wie AI im Unternehmen ¨¹blich werden, k?nnte die gleiche Performance und Skalierbarkeit, die f¨¹r HPC-Storage erforderlich sind, letztendlich universell vorteilhafter sein.

HPC-Storage ist daf¨¹r gedacht, die einzigartigen Anforderungen von gro?en Rechenaufgaben, Simulationen und datenintensiven Anwendungen zu erf¨¹llen, aber nicht alle Workloads erfordern diese Geschwindigkeit und Skalierbarkeit und sie k?nnen andere einzigartige Anforderungen haben. Es ist wichtig, Vor- und Nachteile abzuw?gen, aber im Allgemeinen ist HPC-Storage gut f¨¹r:

• Massive Datens?tze und komplexe Workloads
• Performance f¨¹r parallele Verarbeitung und schnellen Datenzugriff
• Erwartetes Datenwachstum
• Enge Integrationen mit Rechenclustern

FlashBlade wird von mehr als 25 % der Fortune-100-Unternehmen aufgrund seiner Einfachheit, Agilit?t und F?higkeit verwendet,

• Maximieren Sie die Auslastung von GPUs und CPUs.
• Erzielen Sie massive IOPS, Durchsatz mit hoher Parallelit?t und geringer Latenz, ohne die mehrdimensionale Performance zu beeintr?chtigen.
• Unterst¨¹tzen Sie mehrere Milliarden Dateien und Objekte mit maximaler Performance und umfassenden Datenservices.
• Nutzen Sie automatisierte APIs und nativen NFS-, SMB- und S3-Protokoll-Support mit hoher Performance, um Implementierungen, Management und Upgrades problemlos durchzuf¨¹hren.