美國鹽湖城時間11月16日，浪潮集團在此舉行的2016全球超級計算大會（sc16）上公布了keep計劃最新進展及部分應用情況報告。keep計劃（knights landing evaluation and escalation program）是由浪潮與英特爾在今年6月份共同啟動的基于英特爾新一代衆核處理器knights landing（knl）的試用體驗計劃。
keep釋出現場
根據keep計劃，浪潮與英特爾共同聯合建立基于全新knl技術的、開放的高性能計算系統，首期建設超過200tflops計算能力的knl測試系統，後續目标擴容到超過700tflops，幫助更多高性能計算和深度學習使用者在knl上完成應用測試、遷移及優化。
浪潮集團副總裁胡雷鈞現場講解
據現場釋出會的介紹，許多來自不同領域的使用者已深度參與到keep計劃中，既涉及海洋模拟、計算流體力學、天文資料處理、石油勘探等傳統高性能計算領域，也涉及高性能和大資料結合的hpda和智能計算等新興領域。
英特爾資料中心事業部企業和政府業務部進階總監joseph curley
在高性能計算應用方面，西北工業大學在keep knl叢集上運作lattice-boltzmann方法的大渦模拟（lbm-les），在兩維2048×2048的網格上，疊代10000步單個knl節點耗時23.48秒，性能相當于雙路e5-2680 v4 cpu節點的2.3倍。lattice-boltzmann方法假設流體由大量的粒子構成，lbm-les模拟了粒子在格子中不斷傳播和碰撞的過程，被廣泛的應用在航空航天、工業設計等領域。
在大資料應用領域，複旦大學測試了其承擔的全球最大天文望遠鏡項目ska（平方公裡陣列望遠鏡）的科學資料處理（scientific data processing，sdp）程式。基于spark執行架構、運用scala語言編寫的sdp資料處理測試程式共啟動了5393個并行任務，涉及到大量的排序和混洗操作。複旦大學用了不到2天的時間就完成了執行架構在keep knl叢集上的環境搭建，包括spark、hadoop以及大量基于python的射電天文計算庫的安裝。核心執行架構在knl叢集上的運作時間是12分30秒，是同規模cpu節點叢集性能的6倍。
在智能計算方面，河北工業大學的bin cao團隊在keep knl叢集上處理了dpccmoea的16個測試問題，每個問題1000維且測試一次，每個問題目标數為3，在兩個 knl節點上用時4208.89s，性能是 2節點雙路e5-2680 v4 cpu節點的2.25倍。dpccmoea是分布式并行合作協同進化多目标優化算法的簡稱，該算法可用于解決大資料挖掘、工業化和網絡問題中的多目标優化問題，如産品的自動設計、汽車發動機設計中的優化問題。
衆多的keep計劃使用者應用體驗表明，knl不僅目前最強大的衆核計算處理器，同時還兼備良好的程式設計易用性，從cpu到knl平台的代碼非常平滑容易，隻需編譯即可在knl上運作，上述所有應用都在一周時間内完成所有編譯、編譯器級的優化和最終運作測試工作，在未涉及到代碼級深度優化的情況下，初步性能就已經基本達到雙路e5-2680v4 cpu的2倍以上或更高，如果針對knl架構特點和應用算法進行代碼級深度優化，性能提升空間将更大。
knl将對高性能計算應用、深度學習、智能計算、大資料應用起到強有力的性能提升，而未來越來越多的應用将可采用knl方案進行性能提速。keep計劃積累的大量詳實、可靠的hpc應用優化經驗，無疑将有助于加速推進knl的廣泛應用和普及。
原文釋出時間為：2016年11月18日
本文來自雲栖社群合作夥伴至頂網，了解相關資訊可以關注至頂網。