高性能计算摘要

插队<<< doubanclaim64ea944f8164f0e1

从计算任务的特质来看分为：

1、大计算量，小数据量

2、大数据量，计算相对简单

3、大数据量，大计算量

常见的工作负载有：

1、日志分析，PB级别

2、脱机分析，商业智能，重数据量，TB级别

3、调查式分析，重响应速度，100GB以下

4、金融计算，蒙特卡洛算法，大计算量

常见的分布式计算框架：

1、Hadoop，以分布式文件系统为核心的 Map reduce 框架，擅长超大数据量，高延迟，IO开销大

2、GridGain，以内存数据库为核心的分布式计算框架，擅长大计算量，低延迟，IO开销小

计算的结构有三种：

1、SMP

2、NUMA

3、分布式计算

延迟时间上升，换取计算总能力的上升。IO是主要制约因素。计算量问题首先是IO问题。

从解决问题尝试顺序来说有四层：

1、单线程

2、并行化

3、分布化

4、平台化

并行化的主要目的是突破单核的计算能力上限

分布化的主要目的是突破单机的计算能力上限

平台化的主要目的是突破单项目的能力上限

并行化的根本挑战：

1、任务的切分

2、任务的调度

重心在算法逻辑上

并行化的主要问题：

1、资源争抢

2、数据的隔离性

3、数据的可见性

4、饥饿，死锁，活锁

分布化的根本挑战：

1、计算节点之间的高延迟

2、分布化之后缺乏OS这样的管理者角色

在并行化解决了算法问题之后，分布化主要是为了克服物理限制

分布化的主要问题

1、更容易产生死锁和饥饿

2、拓扑管理

3、异构环境

4、容错机制

5、分布式负载均衡

6、存储能力共享

7、计算能力共享

8、代码的部署和准备

9、集群的监控和管理

平台化的根本挑战：业务问题，政治问题

平台化的主要问题：

1、统一的计算抽象

2、统一的数据抽象

3、异构数据的处理

4、业务优先级的保证

平台化的根本挑战

从实现层面看，有三层问题需要考虑：

1、计算流程

2、多机计算

3、单机计算