あなたのビジネスには高性能コンピューティングが必要ですか?

コストが下がり、使用事例が増えるにつれて、ハイパフォーマンス コンピューティングはあらゆる種類と規模の新しいユーザーを引き付けています。拡張オプションには、スーパーコンピュータベースの高性能コンピューティング (HPC) システム、クラスターベースの高性能コンピューティング (HPC)、クラウド コンピューティング ベースの高性能コンピューティング (HPC) サービスが含まれます。

[[278978]]

今日のデータ駆動型の世界では、ハイパフォーマンス コンピューティング (HPC) は、ゲノミクス、計算化学、金融リスク モデリング、地震画像化などの分野についてより深い洞察を得たいと考えている組織にとって最適なプラットフォームとなっています。高性能コンピューティング (HPC) は、複雑な数学計算を実行する必要のある研究者によって最初に採用されましたが、現在ではさまざまな分野の組織や企業の注目を集めています。

「当社は、データを収集、分析、配布する環境で成功しており、信頼性の高い HPC を活用して、強力なコンピューティング パワーで合理化されたワークフローをサポートしています」と、HPC データ ストレージ システム Panasas のシステム エンジニアリング ディレクター、Dale Brantly 氏は述べています。

中小企業による HPC テクノロジの導入はまだ比較的まれですが、テクノロジと専門知識に投資する意思のある組織にとって、HPC には大きな可能性があります。

通常、高性能コンピューティング (HPC) のユースケースは、何らかのタイプのシミュレーションに重点を置いています。 「HPC は、翼上の気流、エンジンの燃焼、惑星の気象システム、核反応、投資ポートフォリオの評価などをシミュレートできます」と、Google Cloud CTO オフィスの HPC および量子コンピューティング担当テクニカル ディレクターの Kevin Kissell 氏は述べています。その他のユースケースは、広告の投資収益率の計算や事業部門のパフォーマンスの評価など、分析目的のものです。その他のユースケースは、翻訳または変換として分類できます。 「それはビデオのレンダリングのようなものだ」と彼は言った。

スーパーコンピュータを使わない高性能コンピューティング

多くのビジネスリーダーや IT リーダーは、ハイパフォーマンス コンピューティング (HPC) システムはすべてスーパーコンピュータ ベースであると誤解しています。実際、Atos、IBM、HPE、Cray、富士通などの企業が製造するスーパーコンピュータは多くの専用 HPC システムの中心となっていますが、より広く使用されているアプローチは、複数の小型コンピュータを相互接続されたクラスターに統合して HPC 機能を提供することです。この構成では、クラスター内の各コンピューターがノードとして機能します。各ノードには通常、コンピューティング タスクを処理するための複数のプロセッサ (コンピューティング コアと呼ばれる) が搭載されています。各ノード内のプロセッサ、グラフィックス プロセッシング ユニット (GPU)、およびメモリ リソースは相互接続され、高性能コンピューティング (HPC) システムを作成します。

スーパーコンピュータとそのカスタムソフトウェアの購入と運用には数百万ドルの費用がかかるため、そのコストはほとんどの企業の財政能力をはるかに超えています。クラスター化された高性能コンピューティング (HPC) は、一般に、市販のソフトウェアを実行する比較的安価な相互接続されたコンピューターを使用して、簡単に導入および実行できます。それでも、小規模なクラスターベースの HPC であっても、ほとんどの企業、特に HPC のニーズが限られている企業にとっては大きな投資となります。

今、これは変わりつつあります。 IT 予算を超過することなくハイパフォーマンス コンピューティング (HPC) を利用したい企業には、Google Cloud、Microsoft Azure、AWS、IBM Cloud などのパブリック クラウド サービスを利用できるオプションが加わりました。

デジタル サービスおよびソフトウェア エンジニアリング企業である Ciklum の .NET テクニカル リーダーである Maksym Pavlov 氏は、次のように述べています。「これらのサービスにより、企業は HPC クラスターのハードウェア インフラストラクチャに多額の投資をすることなく、ビジネス ニーズを満たす高性能コンピューティング (HPC) 機能にアクセスできるようになります。」 IBMのクラウドコンピューティング担当副社長デビッド・トゥレック氏は、「クラウドコンピューティングの出現により、中小企業と大企業の間の競争条件はある程度平等になった」と付け加えた。

HPC クラスターからクラウド コンピューティングへの移行

ノースカロライナ大学チャペルヒル校 (UNC-Chapel Hill) は、長年にわたり、地元の高性能コンピューティング (HPC) クラスターを活用して、科学、工学、医学の複数の分野にわたる研究活動をサポートしてきました。しかし、研究コンピューティングのニーズが拡大し続けるにつれて、ユーザーの要求が現在のシステムのコンピューティング リソースと容量を超え始めています。大学は、既存の HPC 投資を増やすのではなく、オンデマンドの HPC 環境を提供するためにクラウド コンピューティング テクノロジーを採用することを決定しました。

実践により、このアプローチはコスト効率が高く、柔軟性も非常に高いことが証明されています。 「クラウド コンピューティングを利用すれば、必要な作業を完了するために必要なコンピューティング作業を提供することができます」と、ノースカロライナ大学チャペルヒル校の最高情報責任者、マイケル バーカー氏は述べています。 「これは、コンピューティング作業を実行するための需要を満たす非常に効率的な方法です。」

同校の上級研究員ジェフ・ローチ氏は、高性能コンピューティング（HPC）のクラウドへの移行は必要であり、歓迎すべきことだと語った。 「当社は非常に従来型のオンプレミス クラスターを採用していました」と彼は言います。 「しかし、時間が経つにつれて、最先端のコンピューティング能力とより高速なパフォーマンスを必要とするユーザー数の増加にそのシステムは対応できなくなりました。オンプレミスのクラスターはそれを設計した人々にとっては非常にうまく機能していましたが、一部のユースケースはますます一般的ではなくなってきていることがわかりました。」

コンピューティングを大量に消費するユースケースが急速に標準になりつつある中、ノースカロライナ大学チャペルヒル校は、Google Cloud およびシミュレーションおよび分析ソフトウェア プロバイダーの Techila Technologies と連携して、クラウド ハイパフォーマンス コンピューティング (HPC) への道筋を立て始めました。

計画後の最初のステップは概念実証の評価です。 「キャンパス内には、大量のメモリを搭載したデバイスでインタラクティブコンピューティングを行っている研究者がおり、私たちは彼の作業負荷を軽減しようと試みました」とローチ氏は述べ、それが大きな成功だったと指摘した。 「研究者は作業を迅速に完了し、大学のローカル HPC クラスターで実行すると 1 週間かかる可能性のある同じタスクが、クラウド HPC を使用するとわずか数時間で完了したという事実に非常に満足していました」と彼は述べています。

英国のヨーク大学も、研究にクラウドコンピューティングベースの高性能コンピューティング (HPC) 手法を採用しました。王立協会の産業フェローであり、ヨーク大学生物学部の教授であるジェームズ・チョン氏は、高性能コンピューティング (HPC) は、生物学、物理学、化学、コンピューターサイエンスなどの科学部門、言語学、その他のいくつかの分野の研究に適用できると指摘しました。

チョン氏の研究部門では現在、Google Cloud Platform を使用して DNA 配列データを分析しています。彼は次のように説明しています。「私のグループは、廃棄物（この場合は下水と汚泥）をバイオガスに変換する微生物の混合物であるマイクロバイオームに興味を持っています。私たちは、ハイパフォーマンスコンピューティング（HPC）を使用して短いDNA配列をゲノムにまとめ、その後、さまざまな微生物のゲノムを分離して、これらの生物が成長条件の変化にどのように反応するかを理解できるようにしています。」

UNC-チャペルヒルの研究者と同様に、チョン氏も、高性能コンピューティング (HPC) クラウド コンピューティング サービスが提供できるパワーと柔軟性を高く評価しています。 「当社の高性能コンピューティングは、さまざまな要件を満たす必要があります」と彼は語った。 「多くのプロセッサを求めるユーザーもいれば、大容量メモリを求めるユーザーもいます。生物学者として、私たちが使用するアプリケーションの中にはすぐに I/O バウンドになるものもあるので、非常に高速なディスク アクセスも役立ちます。」

ヨーク大学が使用するクラウド ハイ パフォーマンス コンピューティング (HPC) には、変化するニーズに適応する機能もあります。 「私たちの多くは機械学習技術を使い始めており、さまざまなアーキテクチャを活用したいと考えています」とチョン氏は指摘した。 「ヨーク大学のユーザーの範囲は広いため、さまざまなソフトウェア パッケージへのアクセスも必要です。」ほとんどのクラウド ハイパフォーマンス コンピューティング (HPC) と同様に、ヨークが使用するサービスでは、あらゆるタイプの研究者が、取得、展開、構成の問題に時間を費やすことなく、ソフトウェア ツール間を簡単かつ迅速に切り替えることができます。

スーパーコンピュータによる高性能コンピューティング (HPC)

クラウド ハイパフォーマンス コンピューティング (HPC) サービスには一定の利点がありますが、セキュリティとプライバシーを懸念する企業にとって、必ずしも適切または論理的な選択とは限りません。 「データがどこに保存されているかは非常にデリケートな問題です。特に欧州のGDPR規制に関してはそうです」とトゥレック氏は語った。一般データ保護規則 (GDPR) は、欧州連合が発行したプライバシー規則です。

プライバシーに関する懸念と強力なコンピューティング能力の必要性に対処するため、マイアミ大学は最近、ローカルのスーパーコンピューター ベースの高性能コンピューティング (HPC) システムに投資することを決定しました。重要なのは、大学が、大規模で多次元のデータセットを扱う研究プロジェクトは、特別に設計された高性能スーパーコンピューターでより速く実行できると考えていることです。

昨年 8 月、マイアミ大学は Power Systems AC922 サーバーをベースにした新しい IBM Triton スーパーコンピューターを発表しました。マイアミ大学計算科学センター所長でデータおよび研究コンピューティング担当副学長のニコラス・ツィノレマス氏は、2,000人以上の学生と教員がこのシステムを使用して、気候予測、ゲノミクス、バイオインフォマティクス、コンピュータービジョン、人工知能などのプロジェクトに取り組んでいると述べた。

導入は成功したものの、規模、分野、コンピューティングのニーズに関係なく、高性能コンピューティング (HPC) を導入するほぼすべてのユーザーに共通するいくつかの初期障害に直面しました。 「移行問題は常に問題であり、ユーザーのトレーニングと再トレーニングの問題にも対処する必要がある」とチノレマス氏は述べた。 「新しいシステムと従来のストレージ システムを統合することも、もう 1 つの課題です。」

これらすべての問題は、オンプレミスかクラウドベースかを問わず、高性能コンピューティング (HPC) システムの導入には多大な計画と準備が必要であるという事実を浮き彫りにしています。 「専門知識が必要であり、計画も必要だ」とチノレマス氏は警告した。 「ワークロードの性質と要件を理解することも重要です。言い換えれば、導入者は解決しようとしている問題と、HPC をどのように活用してその問題を解決したいかを理解する必要があります。」

HPC ワークロードを開始する際のもう 1 つの重要なポイントは、組織が HPC 環境にアクセスして最適化できるようにする適切なリソース管理ツールを選択することです。 「従来の HPC ハードウェア環境を購入する場合でも、クラウドで HPC を活用する場合でも、あるいはその両方でも、組織のジョブの種類とスループット要件に最適な HPC ワークロード マネージャーを選択することが重要です」と、シミュレーション ソフトウェアやその他の HPC 関連ツールおよびサービスのベンダーである Altair の製品管理シニア ディレクター、Jérémie Bourdoncle 氏は述べています。ワークロード マネージャーには、自動ジョブ スケジューリング機能のほか、管理、監視、レポート機能も備わっています。

Kissell 氏は、知識、シンプルさ、選択、注意を重視した導入戦略を推奨しています。 「これは長い旅になる可能性があるので、旅程を計画しつつ、調整する機会も設けてください」と彼は語った。 「シンプルだが代表的なテスト ケースを選択し、HPC シミュレーションまたは分析から得られた知識と洞察を明確に識別するものを選択します。次に、問題のクラス用に設計されたパッケージの短いリストを選択し、さらに実験します。」