首台ExaFLOP級超算Frontier幾乎每天都有故障,問題或出自GPU及互聯繫統

美國橡樹嶺國家實驗室的Frontier是全球首台真正意義上達到ExaFLOP級別(百億億次)的超級計算機,在高性能Linpack(HPL)基準裏,顯示其運算性能達到了1.102 Exaflop/s,峯值性能達到了1.685 Exaflop/s。打造一台超級計算機並不是一件容易的事情,需要面對大量的硬件和軟件工作,而且有可能遇到意料之外的狀況,特別是Frontier這種採用新架構、性能有跨越式提升的超算。

據TomsHardware 報道 ,目前Frontier的運轉情況並不好,幾乎沒有一天是完全正常運轉,平均故障間隔時間僅為數個小時。有關Frontier存在硬件問題的消息已經流傳有一段時間了,有消息稱可能與該系統採用的HPE Slingshot互連繫統有關,也有傳聞指Instinct MI250X計算卡並不是那麼可靠。

Frontier基於HPE Cray EX235a架構,採用了AMD第三代EPYC處理器,頻率為2GHz,整個系統共有8730112個內核。每個HPE Cray EX節點包括了一塊AMD的64核EPYC“Trento”7A53處理器(代號Milan的Zen 3架構衍生產品),512GB的DDR4內存,以及四塊Instinct MI250X計算卡,通過四個HPE Slingshot 200Gbps以太網NIC(25GB/s)連接,提供800Gbps(100 GB/s)的節點帶寬。

Frontier並不是唯一一款採用HPE Cray EX架構及HPE Slingshot互連繫統的超級計算機,芬蘭名為Lumi的超算幾乎採用了相同的架構,峯值性能達到了0.55 ExaFLOPS,似乎並沒有出現類似的問題。

Frontier原計劃在2022年上線,不過至今仍未正式部署,不知道2023年是否可以向研究人員開放。