高性能计算系统性能评价白皮书-中国计算机学会_33页_15mb

报告摘要

高性能计算系统性能评价白皮书内容总结

本白皮书围绕高性能计算（HPC）系统性能评价体系的构建与应用展开，提出以综合评价指标为核心，全面牵引系统设计与选型，以实现存算平衡、数据为中心的新型数字基础设施目标。核心内容包括以下方面：

背景与发展趋势
随着数字经济的发展，数据作为关键生产要素，推动了高性能计算向以数据为中心的转型。国家政策如《“十四五”数字经济发展规划》要求加强数字基础设施建设，促使HPC系统从“大计算”向“大计算+大数据”（HPDA）演进。当前HPC呈现五大趋势：多元应用驱动异构算力体系、AI计算迅猛发展、存算资源融合以提升效率、高速互联技术推动全光化、按需弹性运维与容器化应用普及。特别是在数据密集型场景下，存储系统的重要性愈发凸显，成为系统综合性能的关键环节。
综合性能评价框架
白皮书提出以算力（科学计算与AI性能）、存力（存储性能）、运力（网络性能）及效率（能效与平衡性）为六大维度，构建综合评价体系。具体指标包括：
- 科学计算性能：HPL（双精度线性方程组求解）、HPCG（稀疏矩阵计算）。
- AI计算性能：ResNet-50图像推理性能、MaskR-CNN图像训练速度。
- 存储性能：文件系统带宽（单客户端/多流/聚合）、多协议互通效率。
- 网络性能：点对点通信带宽、延迟、吞吐能力。
- 系统能效：单位功耗浮点计算能力、存储容量。
- 系统平衡性：内存与核心比、BurstBuffer容量比例、I/O与存储带宽比等。
评价方法与标准建设
现有HPC评价规范存在碎片化问题，侧重细分领域且缺乏综合评测。白皮书提出采用几何平均数计算各维度评分，并通过指标权重设计（如科学计算占0.6、AI性能占0.5、存储性能占0.2等）实现多维度平衡。同时，基于Top500集群数据，初步划定存算配比范围（如超大型集群内存与核心比为6~10，小型集群为1~4），并计划不断完善。现有国家标准与行业规范涉及数据存储能效、分布式存储技术、能效评价等，但仍缺乏统一的综合评价标准。
典型应用场景分析
- IO密集型系统：如基因测序集群，需处理PB级数据，依赖高聚合带宽（如324GB/s）与多协议互通能力，存储性能成为核心瓶颈。
- IO+计算密集型系统：如气象预报集群，需平衡计算能力（239PFLOPS）、内存带宽（112GB/s）与存储吞吐能力，支持复杂数据处理流程。
- AI密集型系统：如自动驾驶集群，强调GPU加速（如NVIDIA A100显卡贡献82.5%算力）、低延迟网络（<15ms）及大容量存储（24PB），以应对实时数据处理与模型训练需求。
未来工作重点
白皮书提出三方面改进方向：
- 开发统一评测程序，降低跨架构系统测试门槛；
- 建立“优秀高性能计算系统”榜单，推广标杆案例；
- 构建评测社区，协同优化性能指标与标准体系。
  同时，计划逐步迭代评价方法，结合技术演进与用户反馈，完善指标权重分配与应用场景适配性分析。