英特爾首席架構師：打造解決復雜科學難題的極光超級計算機

　　作為阿貢國家實驗室Aurora超算的首席架構師和主要研究員，Olivier Franza在這臺極具雄心的科學儀器落地的過程中發揮了主導作用。

　　Aurora超算是英特爾最近參與的備受矚目的項目之一，它對英特爾整個系統產品組合都挺有挑戰性。事實上，Aurora超算不僅是世界上最大的GPU集群，同時，預計將成為第一臺峰值性能達到每秒2百億億次(2×10^18)浮點運算能力的超算。

　　作為一位在英特爾工作了22年的老兵，在面對Aurora超算時，Olivier Franza還是感受到了壓力。

　　2016年，Olivier Franza作為系統硬件架構師加入了Aurora項目，2021年，他成了首席架構師，目睹了Aurora項目向基于GPU架構的重大轉變。

　　“首席架構師要做的就是根據客戶的高標準要求，來調整超算的整體系統架構，”Franza解釋說。“首席架構師也會關注一些基本的參數，比如總體性能指標，功耗情況，還有一些RAS(可靠性、可用性、可維護性)特性，這些對于構建有擴展性的系統都至關重要。”

　　當然，首席架構師要關注的是整個系統方方面面，從一個個節點到一個個機架再到整個系統，還要包括各種網絡和存儲組件，都需要考慮到。

　　一次技術路線轉變為塑造未來產品創造了機會

　　Aurora超算是早期規劃中計劃采用一系列的英特爾產品技術。隨著英特爾產品路線的調整，Aurora的規劃也做出改變。

　　當英特爾宣布打造數據中心GPU產品線后，Franza參與到了英特爾數據中心GPU Max系列產品的設計討論工作當中。

　　所以說，Aurora超算不是一步到位成現在這樣的。Aurora超算的構建過程，影響著英特爾戰略和產品線規劃，也使得Aurora超算能在很高的層面解決規模和性能問題。

　　Franza表示，英特爾通過從組件到系統做出很多調整來滿足Aurora超算的需求。

　　比如，英特爾至強CPU Max系列處理器的架構和概念，就衍生自英特爾至強Phi的一些特性，這是第一個在封裝里集成了高帶寬和高容量創新內存架構的產品。

　　此外，為了追求更高的性能，Aurora超算的各種子系統都取得了一些進步，從刀片服務器的散熱，到高密度集成的方式再到存儲部分，都有許多創新。

　　值得一提的是，在這一過程中，英特爾還構建了一個全新的存儲系統——DAOS(分布式異步對象存儲)。

　　Franza表示，這是一個開源項目，可以在傳統硬件上實現高速存儲，而Aurora超算是首批使用DAOS的用戶之一，同時也是目前DAOS部署規模最大的用戶。

　　從設計組件到把數千個系統連在一起

　　Aurora超算項目加強了英特爾系統級思考能力，也推動了英特爾內部各業務部門之間的協作，與外部阿貢科學家和HPE(HPE是該項目的另外一個主要參與者)工程師之間的協作，有很多跨職能部門和跨組織的協作工作。

　　“讓一整個團隊統一行動，交付像Aurora這樣的超級計算機，對我們許多人來說，是一生難得一次的經歷。”Franza說。

　　盡管工程師在六月份就安裝了最后一臺刀片服務器，但Aurora超算后續的大規模測試、穩定性驗證還需要Franza 夜以繼日的工作。

　　Franza為一個大的團隊提供指導，該團隊負責Aurora超算的啟動、驗證、穩定、優化工作，盡可能發揮系統在負載下的性能表現。其中最值得注意的是High Performance Linpack(HPL)基準測試，這是Top500榜單的排名依據，榜單上都是全球最強的超算系統。

　　每天早上，Franza都會仔細檢查每個節點在夜間的運行情況，并為第二天及以后的工作制定計劃。每天下午，Franza都會開會總結進展和遇到的難題。這樣的工作每天都有，而機器也一直在運轉當中。

　　“我們會系統地進行驗證，”Franza解釋說。“先從單個刀片服務器開始，然后轉向機架規模，再到多個機架規模，以此進行大規模驗證。”

　　Aurora超算由10624臺刀片服務器組成，擁有63744塊英特爾Max系列GPU，是世界上規模最大的GPU集群。在166個機架當中，使用了一共21248塊英特爾至強Max CPU。

　　Franza介紹稱，Aurora超算中心的大小相當于4個網球場那么大，聽起來規模就很大，但只有親眼看到它，才會真正意識到它有多大。

　　Franza的首要工作就是確保系統穩定性，功能完善，還要能正常運行。這是一項非常艱巨的任務，而Franza已經看到了勝利的曙光。

　　走在數據中心的通道里，看著燈光閃爍著，看著機器在正常運轉，這令Franza感到神清氣爽，并且很有滿足感和成就感。

　　“一生一次難得一次”的努力，打造解決科學難題的超級計算機

　　打造一座有影響力的科研超級計算機固然會面臨很多難題和阻礙，但考慮到Aurora超算在癌癥研究方面的巨大潛力，有機會讓所有人受益，Franza內心的使命感支撐他走了過來。

　　Aurora超算不僅會用于解決世界上一些最復雜的科學和工程問題，它還是運行生成式AI，并將生成式AI用于研究的理想平臺。

　　據了解，Aurora超算將支持迄今為止，規模最大的大型語言模型，即1萬億參數的Aurora GenAI項目，從而提高科學家的工作效率、簡化科學家的工作。

　　Franza做的是一件了不起的事情，而工作中令他感到欣慰的還有團隊協作和友情。

　　Aurora超算是一項工程量浩大的項目，需要許多人付出長期努力，需要大量的毅力。

　　從Franza的介紹中了解到，其核心團隊一直保持著馬拉松式的心態，直到最后一刻都不能放松，團隊需要的是那種能夠長時間專注于極具挑戰性事物的人，而這些人最終所取得的成就是大部分人都很難做到的。

　　文章來源：DOIT