MESco. Testy skalowalności obliczeń mechanicznych w oparciu o licencje HPC oraz kartę GPU nvidia Tesla c2075. Stanisław Wowra

Transkrypt

1 MESco Testy skalowalności obliczeń mechanicznych w oparciu o licencje HPC oraz kartę GPU nvidia Tesla c2075 Stanisław Wowra swowra@mesco.com.pl

2 Lider w dziedzinie symulacji na rynku od 1994 roku. MESco Tarnowskie Góry, ul.górnicza 20a tel. (+48 32) fax: (+48 32) info@mesco.com.pl 2

3 Testy przyspieszenia obliczeń mechanicznych przy wykorzystaniu licencji ANSYS HPC, HPC Pack oraz procesorów graficznych nvidia Tesla C2075 Celem testów było sprawdzenie zakresu skalowalności przyspieszenia obliczeń na rzeczywistym i złożonym modelu nieliniowym w analizie mechanicznej. W czasie testu nie porównywano różnych modeli mechanicznych. Do testów został wykorzystany model dostarczony przez firmę Avio Polska.

4 Parametry techniczne stacji roboczej Stacja HP z800 Procesory: 2 x Intel Xeon x5690 (3.46 GHz, 6 core) Pamięć: 96 GB DDR3 Dyski: 1 TB SATA 7200 Oprogramowanie System: Windows 7 64 bit ANSYS: v13 SP2 Procesor graficzny GPU nvidia Tesla C2075 (wersja certyfikowana dla stacji HP) 4

5 Parametry techniczne stacji roboczej 5

6 Model wykorzystany do testów Analiza mechaniczna Analiza: statyka nieliniowa Model: 1.3 mln węzłów Elementy kontaktowe: 26 tyś elementów typu 52 Solver: Sparse i PCG 6

7 Wprowadzenie W analizach mechanicznych istnieje możliwość prowadzenia obliczeń na 2 rdzeniach w wersji komercyjnej oraz na 4 w wersji uniwersyteckiej Prowadzenie obliczeń na większej ilości rdzeni jest możliwe poprzez dokupienie licencji HPC Prowadzenie obliczeń ze wsparciem GPU jest możliwe wraz z licencją HPC Pack (dla komercji) oraz standardowo w wersjach uniwersyteckich Kolejne slajdy pokazują zestawienie czasu obliczeń i przyspieszenia na 1, 2, 4, 6, 8, 10, 11 i 12 rdzeniach. 7

8 Wyniki dla analiz z HPC (ANSYS 13.2) Solver Typ Liczba rdzeni Czas [s] Czas [min] Redukcja czasu obliczeń Sparse In-Core Sparse In-Core Sparse In-Core Sparse In-Core Sparse In-Core Sparse In-Core Sparse In-Core Sparse In-Core PCG In-Core PCG In-Core

9 Wyniki dla analiz z HPC (ANSYS 13.2) Z800 Y-[min] X-[CPU] z800 SPARSE

10 Wyniki dla analiz z HPC + GPU Solver Typ Liczba rdzeni Czas [s] Czas [min] Redukcja czasu obliczeń Sparse + GPU In-Core Sparse + GPU In-Core Sparse + GPU In-Core Sparse + GPU In-Core Sparse + GPU In-Core Sparse + GPU In-Core Sparse + GPU In-Core

11 Wyniki dla analiz z HPC + GPU Z800 Y-[min] X-[CPU] z800 + GPU

12 Porównanie z i bez GPU (czas obliczeń) Z800 Y-[min] X-[CPU] Z800 z800+gpu

13 Porównanie z i bez GPU (przyspieszenie) 7.00 Z800 Y-[speedup] X-[CPU] z800 z800 + GPU

14 Przyspieszenie po dołożeniu GPU do HPC GPU sppedup Stosunek czasu obliczeń z GPU do bez GPU vs liczba rdzeni. 14

15 Wnioski Wersji 12.0 ANSYS znacznie ulepszył rozwiązania obliczeń rozproszonych dla analiz mechanicznych. W wersji 13 zostały wprowadzone kolejne zmiany i obecnie posiadamy bardzo dobre, i skalowalne narzędzie, pozwalające znacznie przyspieszyć obliczenia mechaniczne. Dodatkowo została wprowadzona możliwość wykorzystania do obliczeń GPU w postaci kart nvidia Tesla (w wersji beta także ATI) Wyniki benchmarku wskazują na znaczne przyspieszenie obliczeń przez licencje HPC co przekłada się na możliwość przeprowadzenia większej liczby analiz a tym samym zwiększenie wydajności narzędzi ANSYS

16 Wnioski Po analizie ekonomicznej kosztów licencji HPC oraz karty GPU vs koszt licencji mechanicznej (poziom Structural) uzyskano maksimum zysków w okolicach 8-9 rdzeni. Optymalnym rozwiązaniem jest wyposażenie swojego stanowiska w licencję HPC Pack (4 krotna redukcja czasu) oraz kartę nvidia Tesla c2075 (dodatkowa 50% redukcja czasu). * Duże znaczenie ma także taktowanie i klasa procesora. Przeprowadzono testy dla różnych procesorów z rodziny Xeon i w ekstremalnym przypadku uzyskano 10 krotną różnicę w czasie obliczeń. * Wyniki testu przyspieszenia uzyskano dla konkretnego, rzeczywistego modelu. W przypadkach indywidualnych wyniki mogą się różnic od przedstawionych

17 Wnioski Przy pełnym obciążeniu maszyny (12 rdzeni) widać nieznaczne spowolnienie w stosunku do obliczeń z 1 rdzeniem wolnym (11 rdzeniach). Jest to spowodowane przez procesy systemowe, które minimalnie obciążają maszynę, ale w efekcie wstrzymują obliczenia. Godne uwagi przyspieszenie zostało uzyskane pomiędzy obliczeniami outcore (poza pamięcią RAM) a in-core (cały model w pamięci). Sugeruje to rozbudowę stacji roboczej o odpowiednią do przeliczanych modeli ilość pamięci operacyjnej. W czasie testów zaobserwowano również wpływ fragmentacji danych na dysku na czas obliczeń. Przy dużej fragmentacji obliczenia przebiegały nieznacznie wolniej

18 Dziękuję. Pytania? 21