96-ядерный кластерный компьютер NanoPi Fire3 прошел тесты RPi в тестах

Кластерные компьютерные проекты все больше выходят за рамки Raspberry Pi для создания устройств с более быстрыми кластер-дружественными SBC.
Вот 96-ядерный монстр, который использует восьмиъядерный NanoPi Fire3.

Кластерные компьютеры, построенные из SBC Raspberry Pi, существуют уже много лет , начиная от суперкомпьютерных бегемотов до простых платформ для любителей.
Совсем недавно мы видели кластерные конструкции, в которых используются другие хакерские платы с открытой спецификацией, многие из которых предлагают более высокую мощность компьютера и более быстрые сетевые соединения при той же или более низкой цене.
Далее мы рассмотрим один из последних проектов с открытым исходным кодом, созданный Полом Смитом на сайте Climbers.net, который объединяет 12-ядерные SBC NanoPi-Fire3 для 96-ядерного кластера.


Зверь v2

Кластеры на основе SBC в первую очередь удовлетворяют потребности компьютерных исследователей, которые считают слишком дорогостоящим резервирование времени на кластере высокопроизводительных вычислений на основе серверов.
Крупномасштабные кластеры высокопроизводительных вычислений пользуются таким высоким спросом, что трудно найти доступное время кластера в первую очередь.

Исследовательские центры и университеты по всему миру разработали кластерные вычисления на базе RPi для исследований в области параллельных вычислений, глубокого обучения, медицинских исследований, моделирования погоды, криптовалютного майнинга, программно-определяемых сетей, распределенного хранилища и многого другого.
Кластеры были развернуты для обеспечения высокой степени избыточности или для моделирования крупных сетей IoT, таких как 144-пи Beast v2 от Resin.io.

Даже самый большой из этих кластеров не приближается к производительности серверных кластеров HPC.
Тем не менее, во многих исследовательских сценариях максимальная производительность не является существенной.
Это сочетание отдельных ядер, работающих параллельно, которые имеют значение.
Системы на основе Raspberry Pi обычно используют библиотеку MPI (Messaging Passing Interface) для обмена сообщениями между компьютерами для развертывания параллельной программы в распределенной памяти.

BitScope, являющийся лидером в аппаратном обеспечении кластеров Pi, таких как Bitscope Blade , разработал систему с Лос-Аламосской национальной лабораторией на основе своего более крупного модуля кластера BitScope.
Система хостинга в Лос-Аламосе состоит из пяти стоек по 150 SBC Raspberry Pi 3.
Умножьте эти 750 плат на четыре ядра Cortex-A53 на каждом Пи, и вы получите 3000-ядерный распараллеленный суперкомпьютер.


Quattro Pi версия Bitscope Blade (слева) и модуль кластера BitScope

(нажмите на картинку, чтобы увеличить)

Говорят, что система Лос-Аламос является гораздо более доступной и энергоэффективной, чем создание специализированного испытательного стенда такого же размера с использованием традиционных технологий, что обойдется в четверть миллиарда долларов и потребит 25 мегаватт электроэнергии.
В настоящее время планируется перейти на 4000-ядерный кластер Pi.

Большинство кластеров намного меньше, чем 5-25 плат, и обычно их используют педагоги, любители, инженеры по встраиванию и даже художники и музыканты.
Они варьируются от DIY-проектов с открытым исходным кодом до коммерческих аппаратных стоечных систем, предназначенных для питания и охлаждения нескольких плотно упакованных вычислительных плат.

96-ядерный кластер NanoPi Fire3 демонстрирует впечатляющие результаты

96-ядерный кластерный компьютер, недавно описанный на Climbers.net, является крупнейшим из нескольких кластерных проектов, разработанных Ником Смитом.
Они включают в себя 40-ядерную систему на основе восьмиъядерного NanoPC-T3 и другие, которые используют Pine A64 +, Orange Pi Plus 2E и различные модели Raspberry Pi.
(Все эти SBC можно найти в нашем недавно проведенном опросе читателей хакерской доски .)


NanoPi Fire3

Новый кластер, который был обнаружен Workonarm и далее описан на CNXSoft , использует открытую спецификацию FriendlyElec NanoPi Fire3 .

Проект кластера с открытым исходным кодом включает в себя код Inkscape для создания лазерных резаков.
Смит внес многочисленные изменения в свои более ранние кластеры, предназначенные для увеличения тепловыделения, повышения долговечности и сокращения пространства, стоимости и энергопотребления.
Они включают в себя предложение двух вентиляторов мощностью 7 Вт вместо одного и переход на GbE-переключатель.
Билль о материалах стоил чуть более 543 фунтов стерлингов (717 долларов), а плата NanoPi Fire3 - 383 фунта, включая доставку.
Следующим по величине предметом для покупок было £ 62 за карты microSD.


96-ядерный кластерный компьютер на базе NanoPi Fire3 с двух сторон

(нажмите на картинку, чтобы увеличить)

В S35 Fire3 SBC, размер которого составляет всего 75x40 мм, установлен мощный Samsung S5P6818.
SoC имеет 8 ядер Cortex-A53 с тактовой частотой до 1,4 ГГц и графический процессор Mali-400 MP4, который работает немного быстрее, чем Raspberry Pi VideoCore IV.

Хотя Fire3 имеет только вдвое больше ядер -A53, чем Raspberry Pi 3, и работает только немного быстрее, тесты Смита показали удивительное ускорение загрузки процессора в 6,6 раз по сравнению с аналогичным кластером RPi 3.
Производительность графического процессора была в 7,5 раз быстрее.


Сравнение производительности процессора 96-ядерного кластера Fire3 и других компьютеров

(щелкните изображение, чтобы увеличить)

Оказалось, что большая часть улучшения производительности была связана с собственным портом Gigabit Ethernet на базе PCI3, который позволял кластеризованным SBC быстрее связываться друг с другом для запуска приложений параллельных вычислений.
Для сравнения, Raspberry Pi 3 имеет порт 10/100 Мбит / с.


Raspberry Pi 3

Модель Б +

Без сомнения, производительность повысилась бы, если бы Smith использовал новый Raspberry Pi 3 Model B + , который предлагает порт Gigabit Ethernet.
Тем не менее, поскольку порт B + основан на USB 2.0, его пропускная способность Ethernet только в три раза выше, чем у порта 10/100 модели B, вместо примерно в 10 раз быстрее для Fire3.

Тем не менее, это значительное увеличение пропускной способности, и в сочетании с более высокой тактовой частотой 1,4 ГГц RPi 3 B + должен быстро заменить RPi 3 Model B в кластерных конструкциях на основе Pi.
BitScope недавно опубликовал восторженный обзор B +.
В дополнение к улучшениям производительности в обзоре упоминается улучшенный отвод тепла от конструкции печатной платы и пакет BGA «перевернутая микросхема на кремнии» для Broadcom SoC, в котором используется теплорассеивающий металл.
Предстоящие возможности Power-over-Ethernet также должны открыть новые возможности для кластеров, говорится в обзоре.


Odroid-MC1 Solo (слева) и оригинальный Odroid-MC1

(нажмите на картинку, чтобы увеличить)

На сайтах сообщества хакерских советов все чаще демонстрируются кластерные конструкции - вот пример кластерного корпуса для Orange Pi One на Thingiverse - и некоторые поставщики предлагают собственное кластерное оборудование.
Например, проект Hardkernel Odroid был представлен 4-платным 32-ядерным кластерным компьютером Odroid-MC1 на базе Odroid-XU4S SBC, модифицированной версии Odroid-XU4, которая заняла третье место в нашем обзоре хакерских плат.
На плате используется тот же восьмиъядерный процессор -A15 Samsung Exynos5422 SoC.
Совсем недавно была выпущена версия Odroid-MC1 Solo, которая позволяет вам точно выбирать, сколько плат вы хотите добавить.

Продукты Odroid-MC1 предназначены в первую очередь для запуска Docker Swarm.
Многие кластерные системы предназначены для запуска Docker или другого облачного программного обеспечения.
Например, в прошлом году Алекс Эллис опубликовал учебное пособие по созданию кластера Serverless Raspberry Pi, который запускает Docker и инфраструктуру OpenFaaS.
Действительно, как и в случае с периферийными вычислительными устройствами, использующими модифицированные версии облачного программного обеспечения, такие как AWS Greengrass, кластерные компьютеры на основе SBC демонстрируют еще один пример того, как встроенные и корпоративные серверные миры взаимодействуют новыми интересными способами с использованием Linux.

Эта статья защищена авторским правом © 2018 Linux.com и была первоначально опубликована здесь .
Он был воспроизведен этим сайтом с разрешения его владельца.
Пожалуйста, посетите Linux.com для получения последних новостей и статей о Linux и open source.