График500

Рейтинг суперкомпьютерных систем

Graph500 — это рейтинг суперкомпьютерных систем, ориентированный на ресурсоемкие нагрузки . Проект был анонсирован на Международной конференции по суперкомпьютерам в июне 2010 года. Первый список был опубликован на конференции ACM/IEEE по суперкомпьютерам в ноябре 2010 года. Новые версии списка публикуются дважды в год. Основной метрикой производительности, используемой для ранжирования суперкомпьютеров, является GTEPS ( гигабайт — пройденные грани в секунду ).

Ричард Мерфи из Sandia National Laboratories говорит, что «цель Graph500 — повысить осведомленность о сложных проблемах с данными», вместо того чтобы сосредоточиться на компьютерных тестах, таких как HPL (High Performance Linpack), на которых основан TOP500 . [1]

Несмотря на название, в рейтинге было несколько сотен систем, а в июне 2014 года их число выросло до 174. [2]

Алгоритм и реализация, победившие в чемпионате, опубликованы в статье под названием «Экстремально масштабный поиск в ширину на суперкомпьютерах» [3] .

Существует также список Green Graph 500, который использует ту же метрику производительности, но сортирует список по производительности на ватт, подобно тому, как Green 500 работает с TOP500 (HPL).

Бенчмарк

Тест производительности, используемый в Graph500, нагружает коммуникационную подсистему системы, а не подсчитывает числа с плавающей точкой двойной точности. [1] Он основан на поиске в ширину в большом неориентированном графе (модель графа Кронекера со средней степенью 16). В тесте производительности есть три вычислительных ядра: первое ядро ​​должно генерировать граф и сжимать его в разреженные структуры CSR или CSC (Compressed Sparse Row/Column); второе ядро ​​выполняет параллельный поиск BFS некоторых случайных вершин (64 итерации поиска за запуск); третье ядро ​​выполняет вычисление кратчайших путей из одного источника (SSSP). Определены шесть возможных размеров (масштабов) графа: игрушечный (2 26 вершин; 17 ГБ ОЗУ), мини (2 29 ; 137 ГБ), маленький (2 32 ; 1,1 ТБ), средний (2 36 ; 17,6 ТБ), большой (2 39 ; 140 ТБ) и огромный (2 42 ; 1,1 ПБ ОЗУ). [4]

Референтная реализация бенчмарка содержит несколько версий: [5]

  • последовательный высокий уровень в GNU Octave
  • последовательный низкий уровень на языке C
  • параллельная версия C с использованием OpenMP
  • две версии для Cray-XMT
  • базовая версия MPI (с функциями MPI-1)
  • оптимизированная версия MPI (с односторонними коммуникациями MPI-2 )

Стратегия реализации, которая выиграла чемпионат на японском компьютере K, описана в [6] .

Рейтинг Топ-10

Согласно опубликованному в июне 2024 года списку, в разделе результатов BFS Fugaku занимает первое место, но в разделе результатов SSSP первое место занимает Wuhan Supercomputer, затем Pengcheng Cloudbrain-II, затем Fugaku; таблица показывает результаты BFS: [7]

КлассифицироватьСтранаСайтМашина (архитектура)Количество узловКоличество ядерМасштаб проблемыГТЭПС
1 ЯпонияИнститут передовых вычислительных наук RIKENСуперкомпьютер Фугаку ( Fujitsu A64FX )152064729907242166029
2 КитайУханьКуньпэн 920+Тесла А100252699955241115357.6
3 СШАГраницаHPE Cray EX235a924887301124029654.6
4 КитайЛаборатория ПэнчэнПэнчэн Cloudbrain-II (Куньпэн 920+Восхождение 910)488936964025242.9
5 СШАDOE/SC/Аргоннская национальная лабораторияHPE Cray EX — вычислительный блейд-сервер Intel Exascale4096255918084024250.2
6 КитайНациональный суперкомпьютерный центр в УсиSunway TaihuLight (Sunway MPP)40768105996804023755.7

В Испании (Барселона) появился новый суперкомпьютер MareNostrum 5 ACC, занявший 8-е место.

2022

Согласно списку, опубликованному в ноябре 2022 года: [8]

КлассифицироватьСтранаСайтМашина (архитектура)Количество узловКоличество ядерМасштаб проблемыГТЭПС
1 ЯпонияИнститут передовых вычислительных наук RIKENСуперкомпьютер Фугаку ( Fujitsu A64FX )158976763084841102955
2 КитайЛаборатория ПэнчэнПэнчэн Cloudbrain-II (Куньпэн 920+Восхождение 910)488936964025242.9
3 КитайНациональный суперкомпьютерный центр в УсиSunway TaihuLight (Sunway MPP)40768105996804023755.7
4 ЯпонияЦентр информационных технологий Токийского университетаГлициния/BDEC-01 (PRIMEHPC FX1000)76803686403716118
5 ЯпонияЯпонское агентство аэрокосмических исследованийТОКИ-СОРА (PRIMEHPC FX1000)57602764803610813
6 ЕвросоюзЕвроHPC/CSCLUMI-C ( HPE Cray EX )1492190976388467.71
7 НАСНациональная лаборатория Оук-РиджСаммит OLCF ( IBM POWER9 )204886016407665.7
8 ГерманияЛейбниц РехенцентрумSuperMUC-NG (ThinkSystem SD530 Xeon Platinum 8174 24C 3,1 ГГц Intel Omni-Path )4096196608396279.47
9 ГерманияИнститут Цузе БерлинЛиз ( Intel Omni-Path )1270121920385423.94
10 КитайНациональный центр инженерных исследований в области технологий и систем больших данныхDepGraph Supernode (DepGraph (+GPU Tesla A100))1128334623.379

2020

Фугаку , вооруженный руками, занял первое место в списке. [9]

2016

Согласно списку, опубликованному в июне 2016 года: [10]

КлассифицироватьСайтМашина (архитектура)Количество узловКоличество ядерМасштаб проблемыГТЭПС
1Институт передовых вычислительных наук РайкенаКомпьютер K ( по индивидуальному заказу Fujitsu )829446635524038621.4
2Национальный суперкомпьютерный центр в УсиSunway TaihuLight (NRCPC - Sunway MPP)40768105996804023755.7
3Национальная лаборатория Лоуренса в ЛивермореIBM Sequoia ( Blue Gene/Q )9830415728644123751
4Аргоннская национальная лабораторияIBM Mira (Blue Gene/Q)491527864324014982
5Исследовательский центр ЮлихJUQUEEN (Голубой Ген/Q)16384262144385848
6СИНЕКАФерми (Голубой Ген/Q)8192131072372567
7Чанша , КитайТяньхэ-2 ( по индивидуальному заказу NUDT )8192196608362061.48
8CNRS/IDRIS-GENCIТьюринг (Blue Gene/Q)409665536361427
8Совет по научным и технологическим учреждениям – Лаборатория ДарсбериСиний Джоуль (Blue Gene/Q)409665536361427
8Эдинбургский университетDIRAC (Голубой ген/Q)409665536361427
8НИОКР ЭДФЗумброта (Blue Gene/Q)409665536361427
8Викторианская инициатива по вычислениям в области естественных наукАвокадо (Голубой Ген/Q)409665536361427

2014

Согласно списку, опубликованному в июне 2014 года: [2]

КлассифицироватьСайтМашина (архитектура)Количество узловКоличество ядерМасштаб проблемыГТЭПС
1Институт передовых вычислительных наук RIKENКомпьютер K ( по индивидуальному заказу Fujitsu )655365242884017977.1
2Национальная лаборатория Лоуренса в ЛивермореIBM Sequoia ( Blue Gene/Q )6553610485764016599
3Аргоннская национальная лабораторияIBM Mira (Blue Gene/Q)491527864324014328
4Исследовательский центр ЮлихJUQUEEN (Голубой Ген/Q)16384262144385848
5СИНЕКАФерми (Голубой Ген/Q)8192131072372567
6Чанша, КитайТяньхэ-2 ( по индивидуальному заказу NUDT )8192196608362061.48
7CNRS/IDRIS-GENCIТьюринг (Blue Gene/Q)409665536361427
7Совет по научным и технологическим учреждениям - Лаборатория ДарсбериСиний Джоуль (Blue Gene/Q)409665536361427
7Эдинбургский университетDIRAC (Голубой ген/Q)409665536361427
7НИОКР ЭДФЗумброта (Blue Gene/Q)409665536361427
7Викторианская инициатива по вычислениям в области естественных наукАвокадо (Голубой Ген/Q)409665536361427

2013

Согласно списку, опубликованному в июне 2013 года: [11]

КлассифицироватьСайтМашина (архитектура)Количество узловКоличество ядерМасштаб проблемыГТЭПС
1Национальная лаборатория Лоуренса в ЛивермореIBM Sequoia (Blue Gene/Q)6553610485764015363
2Аргоннская национальная лабораторияIBM Mira (Blue Gene/Q)491527864324014328
3Исследовательский центр ЮлихJUQUEEN (Голубой Ген/Q)16384262144385848
4Институт передовых вычислительных наук RIKENКомпьютер K (заказной Fujitsu)65536524288405524.12
5СИНЕКАФерми (Голубой Ген/Q)8192131072372567
6Чанша, КитайТяньхэ-2 (NUDT custom)8192196608362061.48
7CNRS/IDRIS-GENCIТьюринг (Blue Gene/Q)409665536361427
7Совет по научным и технологическим учреждениям - Лаборатория ДарсбериСиний Джоуль (Blue Gene/Q)409665536361427
7Эдинбургский университетDIRAC (Голубой ген/Q)409665536361427
7НИОКР ЭДФЗумброта (Blue Gene/Q)409665536361427
7Викторианская инициатива по вычислениям в области естественных наукАвокадо (Голубой Ген/Q)409665536361427

Смотрите также

Ссылки

  1. ^ ab The Exascale Report (15 марта 2012 г.). «Аргументы в пользу Graph 500 – действительно быстрый или действительно производительный? Выберите один». Внутри HPC.
  2. ^ ab "Июнь 2014 | График 500". Архивировано из оригинала 28 июня 2014 г. Получено 26 июня 2014 г.
  3. ^ Уэно, Кодзи; Судзумура, Тойотаро; Маруяма, Наоя; Фудзисава, Кацуки; Мацуока, Сатоши (2016). «Крайнемасштабный поиск в ширину на суперкомпьютерах». Международная конференция IEEE по большим данным (Big Data) 2016 . стр.  1040–1047 . doi : 10.1109/BigData.2016.7840705. ISBN 978-1-4673-9005-7. S2CID  8680200.
  4. ^ Оценка производительности Graph500 в крупномасштабной распределенной среде // IEEE IISWC 2011, Остин, Техас; презентация
  5. ^ "График500: адекватный рейтинг". Открытые системы №1 2011.
  6. ^ Уэно, К.; Судзумура, Т.; Маруяма, Н.; Фудзисава, К.; Мацуока, С. (1 декабря 2016 г.). «Экстремальный поиск в ширину на суперкомпьютерах». Международная конференция IEEE по большим данным (Big Data) 2016 г. стр.  1040–1047 . doi :10.1109/BigData.2016.7840705. ISBN 978-1-4673-9005-7. S2CID  8680200.
  7. ^ "Полные результаты - График 500". 2024 . Получено 20 июля 2024 .
  8. ^ "Ноябрь 2022; График 500". 14 июня 2017 г. Получено 18 ноября 2022 г.
  9. ^ «Fujitsu и RIKEN заняли первое место в рейтинге Graph500 с суперкомпьютером Fugaku». HPCwire . 23 июня 2020 г. Получено 8 августа 2020 г.
  10. ^ "Июнь 2016 | График 500". Архивировано из оригинала 24 июня 2016 года . Получено 6 июля 2016 года .
  11. ^ "Июнь 2013 | График 500". Архивировано из оригинала 21 июня 2013 г. Получено 19 июня 2013 г.
  • Официальный сайт
  • Июнь 2014 г. График 500
  • Знакомство с Graph 500, статья Sandia
Взято с "https://en.wikipedia.org/w/index.php?title=Graph500&oldid=1235673610"