(UAEM2015,(Estado(de(México( -...

Fernando Robles Morales Ins/tuto Nacional de Medicina Genómica

Enrique Cruz Mar<nez Universidad Autónoma de la ciudad de México

CONSTRUCCIÓN DE CLUSTERS

UAEM 2015, Estado de México

u  Paradigma tradicional en las ciencias e ingeniería:

u  Hacer teoría o diseños en papel.

u  Realizar experimentos.

u  Paradigma de ciencias computacionales

u  Simular el fenómeno con base en las leyes Rsicas y métodos numéricos eficientes.

ANTECEDENTES

ISUM 2010 Guadadalajara, Jal. México

CIENCIA COMPUTACIONAL


Ciencia Computacional

Aplicación cien0fica/ingeniería

Matemá8cas

Cómputo Alto Rendimiento

u  Formulación de un problema para su tratamiento computacional.

u  Representación del dominio de un problema para su procesamiento.

u  Arquitecturas de computadoras que proporcionan un buen rendimiento.

u  Algoritmos que proporcionen la mejor aproximación y menor complejidad.

u  Herramientas de soVware existentes que proporcionen mejores especta/vas para

solucionar problemas.

COMPUTO DE ALTO RENDIMIENTO


u  Escencial para descubrimientos cien<ficos.

u  Crí/cos para seguridad nacional.

u  Contribuye fundamentalmente para la economía y compe//vidad a través de su

uso en la ingeniería y en la manufactura.

u  Las computadoras de alto rendimiento son las herramientas que resuelven estos

problemas a través de simulaciones.

Es

PROBLEMAS DEL GRAN RETO


u  Paralelismo en diferentes niveles (hardware y soVware).

u  Dos o más niveles de memoria en función de sus /empos de acceso, denominado

memoria jerárquica.

u  Interconexión de alta velocidad entre procesadores ó máquinas.

u  Subsistemas especializados de entrada/salida.

u  Uso de soVware especializado en tales arquitecturas (Sistema Opera/vo,

Herramientas de Análisis, Compiladores, etc.).

j

COMPUTADORA DE ALTO RENDIMIENTO


u  Single Instruc/on, Single Data (PCs).

u  Single Instruc/on, Mul/ple Data (Computadoras Vectoriales).

u  Mul/ple Instruc/on, Single Data (Super pipeline).

u  Mul/ple Instruc/on, Mul/ple Data (Computadoras Masivamente Paralelas,

Clusters, Grids).

CLASIFICACIÓN DE COMPUTADORAS


u  Computadora vectorial CDC 7600 en

1969.

u  Se u/lizó para realizar los cálculos

del aterrizaje lunar.

u  Se u/lizó el lenguaje LRLTRAN, una

var iac ión del lenguaje FORTRAN

op/mizado para operaciones vectoriales.

COMPUTADORAS VECTORIALES


u  Computadora vectorial ILLIAC IV en 1975. u  Primera computadora en usar procesadores de proposito general. u  Arreglo de procesadores para realizar operaciones vectoriales. u  Se u/ l i zó en l a NASA para aplicaciones en mecánica de fluidos en el diseño de cohetes y transbordadores espaciales.

COMPUTADORAS VECTORIALES


u  Computadora Cray X-‐MP en 1984.

u  Diseño de 4 procesadores vectoriales

en un solo equipo.

u  Dió origen a la ejecución de procesos

distribuidos y programas en paralelo.

COMPUTADORAS MASIVAMENTE PARALELAS


u  Computadora Cray 2 en 1985.

u  Se u/lizó en el departamento de

energía y defensa de EU, para el desarrollo

de tecnología nuclear.

u  Tenía una memoria principal más

grande que todas las computadoras Cray

combinadas.

COMPUTADORA MASIVAMENTE PARALELAS


u  Computadora Cray Y-‐MP en 1988.

u  Cons i s t e de 8 p ro ce sado re s

vectoriales.

u  Fue el primer sistema en tener 2GB de

memoria principal.

u  Fue la primera supercomputadora en

México, instalada en la UNAM en 1991.



u  Computadora Cray T3D en 1993.

u  L a p r ime r a C r a y en u/ l i z a r

procesadores escalares.

u  Los procesadores fueron conectados a

través de la topología de un toroide 3D.



u  Cluster Beowulf en 1993.

u  Necesidad de construir una máquina

a bajo costo, pero con el tercio de

rendimiento de una Cray.

u  Uso del sistema opera/vo LINUX.

u  Uso de soVware GNU.

CLUSTERS


u  Alta Disponibilidad.

u  Balanceo de Carga.

u  Visualización

u  Cálculo.

TIPOS DE CLUSTERS


GRIDS


u  Supercómputo distribuido: acoplar varias supercomputadoras.

u  Alto rendimiento: balanceo de carga y asignación dinámica de recursos.

u  En demanda: uso de instrumentos o computadoras a distancia.

u  Datos Intensivos: uso de sistemas de almacenamiento distribuidos.

u  Colaboración: uso de recursos de visualización o videoconferencias.

APLICACIONES DE GRIDS


u  Necesidad de un mayor poder computacional.

u  Desarrollo de interfaces amigables para u/lizar todos los recursos disponibles.

u  Solución a problemas complejos no resueltos en siglos anteriores.

u  Cómputo paralelo como eje principal para aplicaciones de propósito general.

u  Compar/r recursos de cómputo a gran escala.

CONCLUSIONES


ESQUEMA GENERAL CLUSTER


ARQUITECTURA CLUSTER


VELOCIDAD RED


IMAGEN DEL SISTEMA


MONITOREO CLUSTER


GRACIAS!!


(UAEM2015,(Estado(de(México( -...

Documents

Transcript of (UAEM2015,(Estado(de(México( -...