Fujitsu unterstützt EU beim Kampf gegen I/O-Engpässe (Bild: Fujitsu).Fujitsu ist mit seinen HPC-Systemen (High-Performance-Computing) Teil des NEXTGenIO-Projekt im Rahmen des Horizon 2020-Programms der EU. Auf der ISC 2018 (24. bis 28. Juni in Frankfurt am Main) zeigte der japanische Hersteller einen dafür entwickelten Prototypen der HPC System Node-Architektur. Das neue System soll durch den Einsatz von Intel Optane DC Persistent Memory (NVRAM) auf Basis 3D XPoint-Speichertechnologie die gegenwärtig bestehenden I/O-Beschränkungen aufheben. Dies ermöglicht einen Byte-adressierbaren Zugang für künftige Xeon-Prozessoren sowie höhere Geschwindigkeiten als es selbst mit den leistungsfähigsten SSDs heute möglich wäre.

Das NEXTGenIO-Projekt soll den immer größeren Engpass im Hinblick auf die zunehmende Geschwindigkeit von HPC und die Kapazität von Storage-Systemen beheben, die derzeit kaum noch mit der enormen Datenmenge mithalten können. Geleitet wird das Projekt von Professor Mark Parsons am EPCC, dem Supercomputing Center der Universität von Edinburgh. Zudem sind insgesamt acht Partner aus verschiedenen europäischen Ländern beteiligt. Ziel ist es, das Problem der unzureichenden HPC I/O-Performance zu beheben, welches zurzeit die branchenweiten Aktivitäten in der Forschung und Entwicklung einschränkt. Vor allem geht es um die Geschwindigkeit, die sowohl für neue Entwicklungen als auch für die Konversion dieser in marktfähige Produkte, Lösungen und Services erforderlich ist.

Die I/O-Performance, die im Augenblick realisierbar ist, hemmt den Fortschritt im Bereich HPC vor allem auf Gebieten wie der Simulation, der Künstlichen Intelligenz, Data-Analytics sowie Deep-Learning. Hier kommt es darauf an, sehr große Datensätze möglichst eng an den entsprechenden Processing-Units im Zwischenspeicher zu halten – etwa bei Anwendungen wie Transfer und Reinforcement-Learning.

NEXTGenIO soll den I/O-Engpass überwinden

Fujitsu unterstützt das EU-Projekt sowohl durch seine langjährige Erfahrung im Hinblick auf das Design, den Aufbau und Betrieb von HPC-Systemen als auch mithilfe eines speziellen Entwicklungsteams und den Produktionsmitteln des unternehmenseigenen Campus in Augsburg. »Durch Überwinden des I/O-Engpasses und den erstmaligen Zugang zu Exascale-Computing können wir die Forschung maßgeblich vor allem dort unterstützen, wo die heutige Technik noch teilweise enge Grenzen setzt«, erklärt Glenn Fitzgerald, Chief Technology Officer, Product Business EMEIA bei Fujitsu. »So gewinnen Forscher wertvolle Einblicke und können ihre Vorhaben schneller realisieren.«

»Die Hürden und Herausforderungen im Hinblick auf HPC sind schwer zu meistern – ohne Kollaboration geht es nicht«, ergänzt NEXTGenIO-Koordinator Professor Parsons von der Uni Edinburgh. »NEXTGenIO hat alle, die in diesem Bereich europaweit an der Spitze der Forschung und Entwicklung stehen, zusammengebracht. Die NVRAM-Technologie wird die HPC-I/O-Performance deutlich steigern. Und dank dem Augsburger Forschungs- und Produktionsstandort von Fujitsu konnte NEXTGenIO ein erstes funktionstüchtiges System mit dieser revolutionären Speichertechnologie entwickeln.«

Große Datenmengen schnell verarbeiten

Die Lösung des I/O-Performance-Problems würde in vielen akademischen und technischen Bereichen einen spürbaren Fortschritt bedeuten. »Forscher und Ingenieure können Echtzeit-Einblicke in Simulationen erhalten – zum Beispiel bei Fahrzeug-Tests im Windkanal – und zudem ebenfalls in Echtzeit die entsprechenden Designparameter nachjustieren, während die Simulation noch läuft«, meint Fujitsus Fitzgerald. »Auch Wetter- und Klimamodelle benötigen eine hohe I/O-Leistung: Im Rahmen möglichst kurzer Rechenzyklen erstellte, präzise Vorhersagen erfordern große Datenmengen, die auf unterschiedlichste Art verarbeitet und von verschiedenen Zielgruppen genutzt werden.«

Aktuell wird die Leistung eines HPC-Systems in Petaflops pro Sekunde (1.015 floating point operations per second) gemessen. Das NEXTGenIO-Projekt zielt vor allem auf einen Schub für komplexe wissenschaftliche Projekte und Engineering-Modelle ab, die ihrerseits eine deutlich schnellere Simulations- und Datenanalyse-/Machine Learning-Performance voraussetzen. Der nächste Schritt soll Exascale-Computing mit bis zu 1.000 Petaflops pro Sekunde sein.