КОМПЬЮТЕРЫ 

Документ подготовлен 12 марта 2007 г.

Здесь собраны данные по производительности 48-процессорного кластера Twin1 на основе двухъядерных процессоров AMD Opteron, полученные в марте 2007 года.


Содержание


Конфигурация кластера Twin1

Характеристика Кластер Twin1
Процессор AMD Opteron 285
Тактовая частота процессора 2600 МГц
Процессоров на узле 2
Объем памяти на узле 16 Гбайт
Узлов в кластере 24
Коммуникационная сеть Infiniband 4x
Транспортная сеть Gigabit Ethernet
Сервисная сеть ServNet2

Использованное программное обеспечение

Была использована общедоступная параллельная реализация теста LINPACK - HPL 1.0a, которая реализована на языке Си, причем обмены между процессорами выполняются через процедуры интерфейса MPI, а вычисления на каждом процессоре - с помощью вызовов процедур BLAS. В наших экспериментах на кластере Twin1 в качестве BLAS использовалась библиотека Goto BLAS, а в качестве реализации MPI для сети Infiniband - библиотека Qlogic InfiniPath Release 2.0.


Производительность ядра процессора

На тесте LINPACK с размером матрицы 45000x45000 была получена производительность одного ядра AMD Opteron/2.6 ГГц, равная 4.8 GFlop/s (92.3% пиковой производительности).


Производительность кластера

На кластере Twin1 была получена максимальная производительность равная 440 GFlop/s (88.1% пиковой производительности) при решении задачи размером 215000x215000 на всех 96 ядрах. Это примерно в 91.7 раз лучше производительности на одном ядре Opteron/2.6 ГГц (на задаче размером 45000x45000).

Результаты тестирования кластера Twin1 на тесте Linpack приведены на следующем графике. Здесь самый верхний график ("пик") показывает пиковую производительность кластера, второй ("идеал") - производительность при идеальной масштабируемости, последующие графики - реальную производительность кластера при соответствующих размерах задачи.


Как изменяется производительность при увеличении размера задачи?


Чему равна эффективность использования кластера?

Графики эффективности приводятся для задачи размером 45000x45000 и для размеров задач, на которых получены максимальные значения.

Из этого графика видно, что при фиксированном размере задачи эффективность падает c увеличением числа ядер от 1 до 96. Если же одновременно увеличивать и размер задачи, то эффективность использования кластера удается существенно увеличить и удерживать на уровне примерно 95%.