are deep, but the technical challenges
in designing, constructing, and operating
advanced computing and
data-analysis systems of unprecedented
scale are just as daunting. Although
cloud-computing centers and exascale
computational platforms are seemingly
quite different, as discussed earlier,
the underlying technical challenges
of scale are similar, and many of the
same companies and researchers are
exploring dual-use technologies applicable
to both.
In a series of studies over the past five
years, the U.S. Department of Energy
identified 10 research challenges10,15,24
in developing a new generation of advanced
computing systems, including
the following, augmented with our own
comparisons with cloud computing:
Energy-efficient circuit, power, and
cooling technologies. With current semiconductor
technologies, all proposed
exascale designs would consume hundreds
of megawatts of power. New designs
and technologies are needed to
reduce this energy requirement to a
more manageable and economically
feasible level (such as 20MW–40MW)
comparable to that used by commercial
cloud data centers;
High-performance interconnect technologies.
In the exascale-computing regime,
the energy cost to move a datum
will exceed the cost of a floating-point
operation, necessitating very energy
efficient, low-latency, high-bandwidth
interconnects for fine-grain data exchanges
among hundreds of thousands
of processors. Even with such
designs, locality-aware algorithms and
software will be needed to maximize
computation performance and reduce
energy needs;
Driven by cost necessity, commercial
cloud computing systems have
been built with commodity Ethernet
interconnects and adopted a bulk synchronous
parallel computation model.
Although this approach has proven
effective, as evidenced by widespread
adoption of MapReduce toolkits (such
as Hadoop), a lower-cost, convergence
interconnect would benefit both computation
and data-intensive platforms
and open new possibilities for finegrain
data analysis.
Advanced memory technologies to
improve capacity. Minimizing data
movement and minimizing energy use
are deep, but the technical challengesin designing, constructing, and operatingadvanced computing anddata-analysis systems of unprecedentedscale are just as daunting. Althoughcloud-computing centers and exascalecomputational platforms are seeminglyquite different, as discussed earlier,the underlying technical challengesof scale are similar, and many of thesame companies and researchers areexploring dual-use technologies applicableto both.In a series of studies over the past fiveyears, the U.S. Department of Energyidentified 10 research challenges10,15,24in developing a new generation of advancedcomputing systems, includingthe following, augmented with our owncomparisons with cloud computing:Energy-efficient circuit, power, andcooling technologies. With current semiconductortechnologies, all proposedexascale designs would consume hundredsof megawatts of power. New designsand technologies are needed toreduce this energy requirement to amore manageable and economicallyfeasible level (such as 20MW–40MW)comparable to that used by commercialcloud data centers;High-performance interconnect technologies.In the exascale-computing regime,the energy cost to move a datumwill exceed the cost of a floating-pointoperation, necessitating very energyefficient, low-latency, high-bandwidthinterconnects for fine-grain data exchangesamong hundreds of thousandsof processors. Even with suchdesigns, locality-aware algorithms andซอฟต์แวร์จะต้องขยายคำนวณประสิทธิภาพ และลดความต้องการพลังงานขับเคลื่อน โดยต้นทุนความจำเป็น เชิงพาณิชย์มีระบบคอมพิวเตอร์คลาวด์ถูกสร้างขึ้น ด้วยชุดอีเทอร์เน็ตเชื่อมโยง และนำมาใช้เป็นจำนวนมากแบบซิงโครนัสแบบจำลองการคำนวณแบบขนานแม้ว่าวิธีการนี้ได้พิสูจน์มีประสิทธิภาพ เป็นเป็นหลักฐาน โดยแพร่หลายของข่าว MapReduce (เช่นเป็นอย่างไร Hadoop), บรรจบกันที่ต้นทุนต่ำเชื่อมจะได้รับประโยชน์ทั้งคำนวณและแพลตฟอร์มข้อมูลมากเปิดโอกาสใหม่สำหรับ finegrainการวิเคราะห์ข้อมูลเทคโนโลยีหน่วยความจำขั้นสูงเพื่อเพิ่มกำลังการผลิต ข้อมูลสำคัญใช้การเคลื่อนไหวและลดพลังงาน
การแปล กรุณารอสักครู่..
อยู่ลึก แต่ความท้าทายทางเทคนิค
ในการออกแบบ , การสร้าง , และระบบปฏิบัติการคอมพิวเตอร์ขั้นสูงและ
ระบบวิเคราะห์ข้อมูลระดับประวัติการณ์
ก็น่ากลัว แม้ว่าคอมพิวเตอร์เมฆ exascale
และศูนย์คอมพิวเตอร์แพลตฟอร์มดูเหมือน
ค่อนข้างแตกต่างกัน ตามที่กล่าวก่อนหน้านี้
) ความท้าทายทางเทคนิค ขนาดคล้าย และหลายของ
บริษัทเดียวกันและนักวิจัยการใช้
สอง - การใช้เทคโนโลยี 2 .
ในชุดของการศึกษาที่ผ่านมาห้า
ปี กระทรวงพลังงานสหรัฐระบุ 10
challenges10,15,24 การวิจัยในการพัฒนารุ่นใหม่ของระบบคอมพิวเตอร์ขั้นสูงรวมทั้ง
ต่อไปนี้เติมกับการเปรียบเทียบเอง
ของเรากับคอมพิวเตอร์เมฆ :
พลังงานวงจร , ไฟฟ้า , และ
เย็นเทคโนโลยี ด้วยเทคโนโลยีสารกึ่งตัวนำ
ปัจจุบันที่เสนอทั้งหมด
exascale การออกแบบจะใช้ร้อย
ของเมกะวัตต์ของพลังงาน .
การออกแบบและเทคโนโลยีใหม่ที่จำเป็นในการลดความต้องการพลังงานเพื่อ
เป็นไปได้ง่ายและประหยัดระดับ ( เช่น 20mw – 40mw )
เมื่อเทียบกับ ใช้ โดยโฆษณา
เมฆศูนย์ข้อมูล ;
3
ประสิทธิภาพสูงเทคโนโลยีใน exascale คอมพิวเตอร์ระบบ
ต้นทุนพลังงานย้ายตัวเลข
จะเกินค่าใช้จ่ายของการผ่าตัดจุดลอย
ถูกมากพลังงานที่มีประสิทธิภาพ , ศักยภาพต่ำ
แบนด์วิดธ์สูงเชื่อมสำหรับปรับข้อมูลการแลกเปลี่ยนระหว่างหลายร้อยหลายพันเม็ด
ของหน่วยประมวลผล แม้จะมีการออกแบบดังกล่าว
ท้องถิ่นทราบขั้นตอนวิธีและซอฟต์แวร์จะต้องเพิ่มประสิทธิภาพการคำนวณและลด
ความต้องการพลังงาน ;
ขับเคลื่อนโดยค่าใช้จ่ายจำเป็น พาณิชย์
เมฆระบบคอมพิวเตอร์ได้ถูกสร้างขึ้น ด้วยชุด
) และเชื่อมต่อเป็นแบบการคำนวณแบบขนานเป็นกลุ่ม
.
ถึงแม้ว่าวิธีการนี้ได้พิสูจน์แล้วว่ามีประสิทธิภาพ ดังเห็นได้จากการยอมรับอย่างกว้างขวางของชุดเครื่องมือ ( เช่น mapreduce
เป็น Hadoop ) ต้นทุนต่ำเวอร์
( จะได้รับประโยชน์ทั้งการคำนวณ
และข้อมูลแพลตฟอร์มเปิดและเข้มข้น
ความเป็นไปได้ใหม่สำหรับการวิเคราะห์ข้อมูล finegrain
.
เพิ่มความจุหน่วยความจำขั้นสูงเทคโนโลยี . การเคลื่อนย้ายข้อมูล
และลดใช้พลังงาน
การแปล กรุณารอสักครู่..