【中国计算机学会】高性能计算系统性能评价白皮书

白皮书提出以高性能计算系统综合评价指标作为评估新方法，旨在构建存算平衡、以数据为中心的系统，实现系统设计优化与能效提升。内容涵盖六个核心维度：算力（科学计算、AI计算）、存力、运力、效率（能效与平衡性），并给出综合评测方法及典型场景配置方案。

白皮书指出，随着数据成为关键生产要素，存储系统的重要性日益凸显。传统以算力为核心的评估体系已不足以满足新型数字基础设施需求，需通过综合性能评价实现算力、存力、运力的协同优化。当前高性能计算呈现五大发展趋势：多元应用驱动异构算力、AI计算迅猛发展、资源集约化架构融合、高速光互联网络普及、容器化运维技术应用及数据密集型超算体系构建。

在指标体系设计中，科学计算性能包含HPL（双精度线性方程组求解）和HPCG（稀疏矩阵共轭梯度法）两个维度，分别代表稠密与稀疏计算场景。AI计算性能通过ResNet-50和MaskR-CNN模型进行图像推理与训练任务评估。存储性能包含单客户端带宽、聚合带宽、IO速率等指标，并强调多协议互通能力。网络性能关注点对点带宽、延迟及带宽利用率。系统能效通过单位功耗计算能力与存储容量衡量。系统平衡性则需评估内存与核心比、BurstBuffer与存储层级容量/带宽比等五项指标。

白皮书基于TOP500超算集群数据，将系统划分为超大型（>30PFLOPS）、大型（10-30PFLOPS）、中型（1-10PFLOPS）三类，对应不同存储与计算资源配置比例。例如超大型集群需保持内存与存储带宽比值在4-8区间，而中型集群的该区间为1-4。同时提出多协议互通访问效率（HDFS/NFS与POSIX协议速率比值平均）作为重要评估参数。

典型应用场景分析表明：基因测序集群需高聚合吞吐能力（如达324GB/s），气象预报集群要求计算与存储协同（如文件系统带宽达112GB/s），自动驾驶集群则突出AI算力与低时延需求（如<15ms通信延迟）。当前评价基准仍存在碎片化问题，缺乏综合体系，需建立覆盖算力、存力、运力、能效的完整规范。

白皮书未来规划包括：开发标准化评测程序、定期发布优秀系统榜单、构建行业评测社区三个重点方向。通过指标权重动态设置（科学计算占60%、网络性能占40%等）与平衡性范围界定，推动性能评价从单一维度向多维协同演进。该方法通过几何平均数计算各维度综合得分，配合性能雷达图可视化呈现，可有效指导系统设计与选型，提升数字基础设施整体效能。