浪潮刘军：深度计算5大挑战 探索生命的奥秘

挑战5：软件、人才滞后 系统应用如何优化?

由于在算法、算例、编译等方面的开发力量不足，加上缺乏既懂生命科学，又懂计算机的“双栖”人才，导致在生命科学领域，国内很大一部分应用使用的都是国外的软件，而且应用效率低下，科研进度缓慢。为了提高软件算法的效率，真正帮助用户用好HPC，往往需要厂商和用户单位联合进行应用开发，需要IT厂商的高性能计算工程师和生物专家进行长期、紧密的搭挡合作。

比如中科院北京基因组研究所的BLAST软件原来已经无法承担数据高速增长带来的挑战，测序结果往往要两个星期才能出来，难以满足科研项目的要求。为此，浪潮和用户联手进行了向GPU+CPU混合并行计算平台的移植方案，经过两个月时间完成了核心算法加速，结果比传统CPU集群快上了30倍。

刘军表示，虽然GPU并行计算目前还处于发展初期，软件编程比较麻烦，但其性能上几十倍、上百倍的提升对一些用户来说却是非常有吸引力的。而且，目前除了许多高校科研用户开始试用GPU计算之外，一些商业软件也开始对GPU进行优化，主要集中在军工、互联网、图像处理等领域。

在性能调优方面，英特尔高性能计算高级工程师乔楠认为，根据投入产业比的规则，要按“系统级最先、应用级次之、微架构最后”的顺序进行。在系统级，可以对CPU、内存、IO、网络等硬件进行优化，比如至强5500有三大法宝：NUMA、SMT、Turbo，对VASP应用来说，NUMA开关一定要打开，Turbo打开也能提升性能，但SMT超线程必须关闭，打开反而会降低性能;在某些情况下，解决了网络IO问题，总体性能可能会有上百倍的提升;在应用级，比如解决了多线程死锁/同步问题，可能也会有十几倍的性能升;只有在进行了系统级和应用级调优之后，最后才建议考虑进行微架构的调优，通过使用英特尔的编译器、Vtune、数学库优化工具，一般可以实现几倍的性能提升。而且，系统规模越大，系统级和应用级优化的性能提升效果会比微架构更明显。