اصطلاح “ابر رایانه” به رایانه ای اطلاق می شود که با عملکرد بالاتری نسبت به رایانه های معمولی کار می کند. اغلب به این معنی است که معماری، منابع و اجزای ابر رایانه ها آنها را بسیار قدرتمند می کند و به آنها توانایی عملکرد در نزدیکی یا نزدیکی را می دهد. بالاترین نرخ عملیاتی ممکن برای کامپیوترها
ابرکامپیوترها شامل اکثر اجزای کلیدی یک کامپیوتر معمولی از جمله حداقل یک پردازنده، دستگاه های جانبی، کانکتورها، یک سیستم عامل و برنامه های کاربردی مختلف هستند. تفاوت عمده بین یک ابر کامپیوتر و یک کامپیوتر استاندارد قدرت پردازش آن است.
به طور سنتی، ابرکامپیوترها ماشین‌هایی تک و فوق سریع بودند که عمدتاً توسط کسب‌وکارهای سازمانی و سازمان‌های علمی مورد استفاده قرار می‌گرفتند که به قدرت محاسباتی عظیم برای محاسبات با سرعت بسیار بالا نیاز داشتند. با این حال، ابررایانه‌های امروزی می‌توانند از ده‌ها هزار پردازنده تشکیل شوند که می‌توانند میلیاردها – حتی تریلیون‌ها – محاسبه در ثانیه انجام دهند.
این روزها، کاربردهای رایج برای ابررایانه ها شامل پیش بینی آب و هوا، کنترل عملیات راکتورهای هسته ای و رمزنگاری است. با کاهش هزینه ابررایانه ها، ابررایانه های مدرن برای تحقیقات بازار، بازی های آنلاین و برنامه های کاربردی واقعیت مجازی و واقعیت افزوده نیز مورد استفاده قرار می گیرند.
تاریخچه مختصری از ابر رایانه
در سال ۱۹۶۴، سیمور کری و تیم مهندسانش در Control Data Corporation (CDC) CDC 6600، اولین ابررایانه را ایجاد کردند. در آن زمان CDC 6600 10 برابر سریع‌تر از رایانه‌های معمولی و سه برابر سریع‌تر از سریعترین رایانه بعدی – IBM 7030 Stretch – بود که محاسبات را با سرعتی تا ۳ مگا عملیات ممیز شناور در ثانیه (FLOPS) انجام می‌داد. اگرچه طبق استانداردهای امروزی کند است، اما در آن زمان، آنقدر سریع بود که بتوان آن را ابررایانه نامید.
سیمور کری و تیمش که به‌عنوان «پدر ابر رایانه‌ها» شناخته می‌شوند، صنعت ابررایانه را رهبری کردند و CDC 7600 را در سال ۱۹۶۹ (۱۶۰ مگا فلاپ)، Cray X-MP در سال ۱۹۸۲ (۸۰۰ مگا فلاپ) و Cray 2 را در سال ۱۹۸۵ منتشر کردند (۱۹). گیگافلاپس).
متعاقباً، سایر شرکت‌ها به دنبال مقرون‌به‌صرفه‌تر کردن ابررایانه‌ها بودند و پردازش موازی گسترده (MPP) را توسعه دادند. در سال ۱۹۹۲، دان بکر و توماس استرلینگ، پیمانکاران ناسا، بیوولف، ابررایانه‌ای را ساختند که از مجموعه‌ای از واحدهای کامپیوتری که با هم کار می‌کردند، ساخته شد. این اولین ابررایانه ای بود که از مدل خوشه ای استفاده کرد.
ابررایانه‌های امروزی از واحدهای پردازش مرکزی (CPU) و واحدهای پردازش گرافیکی (GPU) استفاده می‌کنند که برای انجام محاسبات با هم کار می‌کنند. TOP500 ابررایانه فوگاکو را که در کوبه، ژاپن واقع شده است، در مرکز علوم محاسباتی RIKEN به عنوان سریعترین ابررایانه جهان با سرعت پردازش ۴۴۲ پتافلاپ معرفی می کند.
ابر رایانه ها در مقابل رایانه های شخصی معمولی
ابررایانه های امروزی قدرت محاسباتی را جمع می کنند تا عملکرد بسیار بالاتری نسبت به یک دسکتاپ یا سرور واحد ارائه دهند تا مشکلات پیچیده ای در مهندسی، علم و تجارت را حل کنند.
برخلاف کامپیوترهای شخصی معمولی، ابرکامپیوترهای مدرن از خوشه‌های عظیمی از سرورها تشکیل شده‌اند که یک یا چند CPU در گره‌های محاسباتی گروه‌بندی شده‌اند. گره های محاسباتی یک پردازنده (یا گروهی از پردازنده ها) و یک بلوک حافظه را تشکیل می دهند و می توانند شامل ده ها هزار گره باشند. این گره ها به هم متصل می شوند تا با یکدیگر ارتباط برقرار کنند و با هم کار کنند تا وظایف خاصی را انجام دهند در حالی که فرآیندها بین هزاران پردازنده توزیع شده یا به طور همزمان اجرا می شوند.
چگونه عملکرد ابر رایانه ها اندازه گیری می شود
FLOPS برای اندازه‌گیری عملکرد یک ابر رایانه و برای محاسبات علمی که از محاسبات ممیز شناور استفاده می‌کنند، یعنی اعداد آنقدر بزرگ که باید در توان بیان شوند، استفاده می‌شود.
FLOPS اندازه گیری دقیق تر از یک میلیون دستورالعمل در ثانیه (MIPS) است. همانطور که در بالا ذکر شد، برخی از سریعترین ابررایانه‌های امروزی می‌توانند با بیش از صد کوادریلیون فلاپ (petaFLOPS) کار کنند.
یک ابر کامپیوتر چگونه کار می کند؟
یک ابر رایانه می تواند شامل هزاران گره باشد که از پردازش موازی برای برقراری ارتباط با یکدیگر برای حل مشکلات استفاده می کنند. اما در واقع دو رویکرد برای پردازش موازی وجود دارد: چند پردازش متقارن (SMP) و پردازش موازی گسترده (MPP).
در SMP، پردازنده ها حافظه و گذرگاه /O یا مسیر داده را به اشتراک می گذارند. SMP همچنین به عنوان یک پردازش چندگانه به هم پیوسته شناخته می شود یا به عنوان یک سیستم همه چیز مشترک شناخته می شود.
MPP پردازش یک برنامه را در میان چندین پردازنده که به طور همزمان روی بخش های مختلف برنامه کار می کنند، هماهنگ می کند. هر پردازنده از سیستم عامل و حافظه مخصوص به خود استفاده می کند. پردازنده های MPP با استفاده از یک رابط پیام رسان ارتباط برقرار می کنند که اجازه می دهد پیام ها بین پردازنده ها ارسال شود. MPP می تواند پیچیده باشد و نیازمند دانش در مورد نحوه پارتیشن بندی یک پایگاه داده مشترک و تخصیص کار بین پردازنده ها باشد. یک سیستم MPP به عنوان یک سیستم “وابسته ضعیف” یا “هیچ چیز مشترک” شناخته می شود.
یکی از مزایای SMP این است که به سازمان‌ها اجازه می‌دهد تا با متعادل کردن پویا حجم کار در بین رایانه‌ها، سریع‌تر به کاربران بیشتری خدمت کنند. سیستم های SMP نسبت به سیستم های MPP برای پردازش تراکنش آنلاین (OTP) مناسب تر در نظر گرفته می شوند، جایی که بسیاری از کاربران به پایگاه داده یکسانی (به عنوان مثال، پردازش تراکنش ساده) دسترسی دارند. MPP برای برنامه هایی که نیاز به جستجوی چندین پایگاه داده به صورت موازی دارند (مانند سیستم های پشتیبانی تصمیم و برنامه های انبار داده) بهتر از SMP مناسب است.
انواع ابر کامپیوترها
ابررایانه ها به دو دسته تقسیم می شوند: هدف عمومی و هدف خاص. در این دسته بندی ها، ابررایانه های همه منظوره را می توان به سه زیر دسته تقسیم کرد:
ابر رایانه های همه منظوره
کامپیوترهای پردازش برداری: رایج در محاسبات علمی، اکثر ابررایانه ها در دهه ۸۰ و اوایل دهه ۹۰، کامپیوترهای برداری بودند. آنها این روزها چندان محبوب نیستند، اما ابرکامپیوترهای امروزی هنوز CPU هایی دارند که از برخی پردازش های برداری استفاده می کنند.
رایانه‌های خوشه‌ای با اتصال محکم: گروه‌هایی از رایانه‌های متصل هستند که به عنوان یک واحد با هم کار می‌کنند و شامل خوشه‌های موازی، خوشه‌های مبتنی بر کارگردان، خوشه‌های دو گره و خوشه‌های چند گرهی هستند. خوشه های موازی و مبتنی بر کارگردان معمولا برای پردازش با کارایی بالا استفاده می شوند، در حالی که خوشه های دو گره و چند گره برای تحمل خطا استفاده می شوند.
كامپيوترهاي كالا: اين كامپيوترها شامل ترتيب تعداد زيادي از كامپيوترهاي شخصي استاندارد (PC) است كه توسط شبكه‌هاي محلي با پهناي باند بالا و تأخير پايين (LAN) متصل شده‌اند.
سوپرکامپیوترهای خاص
ابرکامپیوترهای خاص، ابررایانه هایی هستند که برای دستیابی به یک کار یا هدف خاص ساخته شده اند. آنها معمولاً از مدارهای مجتمع ویژه برنامه (ASIC) برای عملکرد بهتر استفاده می کنند (به عنوان مثال، Deep Blue و Hydra هر دو برای انجام بازی هایی مانند شطرنج ساخته شده اند).
موارد استفاده از سوپر کامپیوتر
ابرکامپیوترها با توجه به مزایای آشکارشان، کاربرد گسترده ای در زمینه هایی مانند مهندسی و تحقیقات علمی پیدا کرده اند. موارد استفاده عبارتند از:
تحقیقات آب و هوا و آب و هوا: برای پیش بینی تأثیر رویدادهای شدید آب و هوایی و درک الگوهای آب و هوایی، مانند سیستم اداره ملی اقیانوسی و جوی (NOAA)
اکتشاف نفت و گاز: جمع آوری مقادیر زیادی از داده های لرزه ای ژئوفیزیکی برای کمک به یافتن و توسعه ذخایر نفتی
خطوط هوایی و صنعت خودرو: برای طراحی شبیه‌سازهای پرواز و محیط‌های شبیه‌سازی شده خودرو، و همچنین اعمال آیرودینامیک برای کمترین ضریب درگ هوا.
تحقیقات همجوشی هسته ای: برای ساخت راکتورهای همجوشی هسته ای و محیط های مجازی برای آزمایش انفجارهای هسته ای و سلاح های بالستیک
تحقیقات پزشکی: برای توسعه داروهای جدید، درمان‌های سرطان و اختلالات ژنتیکی نادر، و درمان‌های COVID-19، و همچنین برای تحقیق در مورد تولید و تکامل اپیدمی‌ها و بیماری‌ها.
برنامه های بلادرنگ: برای حفظ عملکرد بازی آنلاین در طول مسابقات و انتشار بازی های جدید در زمانی که کاربران زیادی وجود دارد
ابر رایانه و HPC
ابر محاسبات گاهی اوقات مترادف با محاسبات با کارایی بالا (HPC) استفاده می شود. با این حال، دقیق تر است که بگوییم ابررایانه یک راه حل HPC است و به پردازش محاسبات پیچیده و بزرگ مورد استفاده توسط ابررایانه ها اشاره دارد.
HPC به شما امکان می دهد محاسبات فشرده داده را در چندین ابرکامپیوتر شبکه ای همگام کنید. در نتیجه، محاسبات پیچیده با استفاده از مجموعه داده های بزرگتر را می توان در زمان بسیار کمتری نسبت به کامپیوترهای معمولی پردازش کرد.
ذخیره سازی مقیاس پذیر برای ابر رایانه
ابرکامپیوترهای امروزی در زمینه های مختلف برای اهداف مختلف مورد استفاده قرار می گیرند. برخی از شرکت‌های برتر فناوری جهان در حال توسعه ابررایانه‌های هوش مصنوعی با پیش‌بینی نقشی هستند که ممکن است در متاورس به سرعت در حال گسترش بازی کنند.
در نتیجه، راه‌حل‌های ذخیره‌سازی نه تنها نیاز به پشتیبانی از بازیابی سریع داده‌ها برای سرعت‌های محاسباتی بسیار بالا دارند، بلکه باید به اندازه کافی مقیاس‌پذیر باشند تا بتوانند نیازهای بارهای کاری هوش مصنوعی در مقیاس بزرگ را با کارایی بالا انجام دهند.
فناوری های واقعیت مجازی و واقعیت افزوده نیاز به داده های زیادی دارند. مانند فناوری‌های پشتیبانی مانند 5G، یادگیری ماشین (ML)، اینترنت اشیا (IoT) و شبکه‌های عصبی.
