Они изначально использовали системы на базе Unix, и когда уже появились кластеры, то наиболее простым и оптимальным путём для них была миграция на Linux, ведь у них уже были специалисты для этого и вся необходимая инфраструктура. С точки зрения программного обеспечения сегодня Linux и Windows обеспечивают одинаковые показатели скорости работы. Другой вопрос, что существуют и другие рынки — не Top500, а Top500000 суперкомпьютеров или кластеров, которые не стоят миллионы долларов. Мы нацелены именно на этот рынок, а также на новые организации, которые разворачивают суперкомпьютеры.
Следует отметить, что очень многие научные учреждения из списка Top500 также используют Windows на своих суперкомпьютерных мощностях, когда речь идёт не о достижении максимальной производительности, а о работе в каждодневном режиме. Нередко суперкомпьютеры, которые фигурируют в рейтинге, практически не используются как единая система.
После необходимых замеров производительности и т.п., то есть тех параметров, которые нужны для рейтинга, они используются как система удалённого доступа для большого количества пользователей. То есть кластер разбивается на мелкие кусочки, которые обрабатывают гораздо большее количество мелких задач. Для решения таких задач чаще используется Windows.
- В интервью «Компьютерре» представители компании «Т-Платформы» говорили о том, что в России рынка HPC как такового в общем-то и не существует. Какова Ваша точка зрения на этот вопрос? Согласны Вы с этим тезисом или нет и почему?
- На мой взгляд, нужно чётко представлять, что именно понимается под рынком HPC. Если его рассматривать только с точки зрения существующих пользователей больших суперкомпьютеров, то рынок этот небольшой. Причём это характерно не только для России, но и для мира в целом. И этот рынок практически не увеличивается. Так сложилось исторически.
Вопрос в другом: есть ли спрос на использование математического моделирования и какие стоят преграды к созданию более широкого рынка, который мог бы обеспечить эти требования и восполнить их не только большими суперкомпьютерами, но и другими решениями, например персональными кластерами, облачными решениями и т.д. На мой взгляд, потенциал для использования математических систем принятия решений в России огромен. Если посмотреть на успехи научного подхода в Советском Союзе, заделы были гигантские. Существовали целые институты кибернетического подхода к системному моделированию и планированию экономики всей страны. Если обратить внимание на использование математического аппарата в самых разных областях, СССР и Россия делали огромные успехи в этой области.
Поэтому мне кажется, что сейчас перед нами стоит следующая задача: совмещение этого потенциала с теми возможностями, которые может предложить HPC. Для этого нужно расширить определение HPC и говорить не только о больших суперкомпьютерах, но и о персональных кластерах и облачных решениях.
- Как Вы оцениваете перспективы параллельных и высокопроизводительных вычислений в мире в целом? Останутся ли они, если угодно, привилегией научно-исследовательской сферы? Возможно ли, что со временем параллельные и/или высокопроизводительные вычисления станут таким же повседневным явлением, каким стал интернет?
- Интернет, как и суперкомпьютеры, вышел из научных и военных лабораторий. Сегодня интернет доступен всем. Мне кажется, то же самое произойдёт и с высокопроизводительными вычислениями. Такие решения очень востребованы самими разными предприятиями — я уже описывал задачи расчёта рисков. Понятно, что практически любое предприятие сможет при наличии доступных прикладных пакетов и дешевых мощностей использовать высокопроизводительные вычисления. И для конечных пользователей HPC очень интересны, например, решение всевозможных задач «по требованию». Например, мы все смотрим прогноз погоды по ТВ. И он часто совершенно не соответствует тому, что происходит на самом деле.
Когда я спросил у коллег из японского института, где мы построили петафлопный суперкомпьютер, для чего он им нужен, они ответили: для расчёта погоды на сетке размером меньше километра.
Это значит, что разрешение этой модели позволит предсказать погоду на каждый квадратный километр. Это очень важно для Японии — когда идет тайфун, можно будет предсказать, в какой деревне пройдет ливень, который может привезти к оползням и селевым потокам. Теперь каждая деревня может рассчитать для себя свою собственную погоду.
Другой пример — персонализация медицины. Например, расчёт идеального графика или диеты для конкретного человека с использованием всех факторов — его генетический код, лекарства, которые он принимает, общее состояние. В принципе все мы стремимся познать мир и принимать решения в соответствии со все большим количеством факторов окружающей действительности. Это характерно и для предприятий, и отдельных пользователей.