Конференция
«Системы хранения данных: максимум возможностей»
(22 марта 2011 г., Челябинск)
- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Организация систем хранения данных на базе вычислительных кластеров презентация
Содержание
- 1. Организация систем хранения данных на базе вычислительных кластеров
- 2. Содержание Вычислительные мощности Лаборатории суперкомпьютерного моделирования (ЛСМ)
- 3. Динамика развития суперкомпьютерных мощностей в ЮУрГУ Суперкомпьютер
- 4. Кластер СКИФ Урал Число вычислительных узлов/процессоров/ядер: 166/332/1328
- 5. Суперкомпьютер СКИФ Аврора 4 планируемое место
- 6. Параллельная система хранения Panasas ActiveStorage 5100 20Тб
- 7. Проект PargreSQL Внедрение параллелизма в свободную последовательную
- 8. Фрагментный параллелизм СХД, 22-мар-11 Организация систем хранения на базе вычислительных кластеров
- 9. PostgreSQL vs PargeSQL СХД, 22-мар-11 Организация систем хранения на базе вычислительных кластеров
- 10. Проект MedMining Параллельная система сбора, накопления и
- 11. Проект Energo Создание автоматизированного ситуационного центра энергоэффективности
- 12. Проект VideoStorm Разработка параллельной системы управления видеоархивом
- 13. Спасибо за внимание Вопросы? Михаил Леонидович Цымблер
Содержание Вычислительные мощности Лаборатории суперкомпьютерного моделирования (ЛСМ) СКИФ Урал СКИФ Аврора Проекты ЛСМ, с хранением и обработкой данных сверхбольших объемов PargreSQL MedMining Energo VideoStorm СХД, 22-мар-11 Организация систем хранения на базе
Слайд 1М.Л. Цымблер, Л.Б. Соколинский
Южно-Уральский государственный университет (Челябинск)
Организация систем хранения данных на
базе вычислительных кластеров
Слайд 2Содержание
Вычислительные мощности Лаборатории суперкомпьютерного моделирования (ЛСМ)
СКИФ Урал
СКИФ Аврора
Проекты ЛСМ, с хранением
и обработкой данных сверхбольших объемов
PargreSQL
MedMining
Energo
VideoStorm
PargreSQL
MedMining
Energo
VideoStorm
СХД, 22-мар-11
Организация систем хранения на базе вычислительных кластеров
Слайд 3Динамика развития суперкомпьютерных мощностей в ЮУрГУ
Суперкомпьютер
СКИФ-Аврора ЮУрГУ
Пиковая производительность
117.6 Teraflops
2010 г.
Вычислительный
кластер
СКИФ
Урал
Пиковая производительность
16 Teraflops
2008 г.
Пиковая производительность
16 Teraflops
2008 г.
Вычислительный
кластер
Infinity
Пиковая
производительность
333 Gflops
2004 г.
Intel Xeon64
DP 3,2 ГГц
Intel Xeon E5472
3 ГГц
Intel Xeon x5680
3,33 ГГц
Суперкомпьютер
СКИФ-Аврора ЮУрГУ
Пиковая производительность
24 Teraflops
2010 г.
Intel Xeon x5570
2,93 ГГц
Слайд 4Кластер СКИФ Урал
Число вычислительных узлов/процессоров/ядер: 166/332/1328
Тип процессора:
Intel Xeon E5472 (4 ядра
по 3.0 GHz)
Коммуникационные сети:
Системная: InfiniBand (20 Gbit/s, макс. задержка 2 µs)
Управляющая: Gigabit Ethernet
Сервисная: СКИФServNet
Оперативная память: 1.33 TB
Дисковая память: 49.29 TB
Параллельная система хранения данных: T-Platforms ReadyStorage – 20ТB
Коммуникационные сети:
Системная: InfiniBand (20 Gbit/s, макс. задержка 2 µs)
Управляющая: Gigabit Ethernet
Сервисная: СКИФServNet
Оперативная память: 1.33 TB
Дисковая память: 49.29 TB
Параллельная система хранения данных: T-Platforms ReadyStorage – 20ТB
СХД, 22-мар-11
Организация систем хранения на базе вычислительных кластеров
Слайд 5Суперкомпьютер СКИФ Аврора
4 планируемое место
в рейтинге СНГ ТОР50
70 планируемое место
в рейтинге TOP500
117,64 TFlops
8832 вычислительных ядер
Коммуникационные сети:
Трехмерный тор: 60 Гбит/сек
InfiniBand QDR: 40 Гбит/сек
Сети мониторинга: 3 шт.
Оперативная память: 8.8 Тбайт
Дисковая память: 108 Тбайт
117,64 TFlops
8832 вычислительных ядер
Коммуникационные сети:
Трехмерный тор: 60 Гбит/сек
InfiniBand QDR: 40 Гбит/сек
Сети мониторинга: 3 шт.
Оперативная память: 8.8 Тбайт
Дисковая память: 108 Тбайт
СХД, 22-мар-11
Организация систем хранения на базе вычислительных кластеров
Слайд 6Параллельная система хранения
Panasas ActiveStorage 5100 20Тб
Производительное хранилище данных с архитектурой NAS,
разработанное специально для кластеров
Пропускная способность более 60 Гбит/сек
Параллельный доступ к данным всех узлов кластера
Рост объема системы не усложняет управляемость
Пропускная способность более 60 Гбит/сек
Параллельный доступ к данным всех узлов кластера
Рост объема системы не усложняет управляемость
СХД, 22-мар-11
Организация систем хранения на базе вычислительных кластеров
Слайд 7Проект PargreSQL
Внедрение параллелизма в свободную последовательную СУБД PostreSQL
СХД, 22-мар-11
Организация систем хранения
на базе вычислительных кластеров
Слайд 8Фрагментный параллелизм
СХД, 22-мар-11
Организация систем хранения на базе вычислительных кластеров
Слайд 9PostgreSQL vs PargeSQL
СХД, 22-мар-11
Организация систем хранения на базе вычислительных кластеров
Слайд 10Проект MedMining
Параллельная система сбора, накопления и анализа данных по эффективному использованию
ресурсов человека при предельных физических нагрузках
Аппаратно-программный комплекс Oxycon Mobile
Более 40 различных показателей функционирования организма человека в режиме реального времени с дискретизацией до 1 сек.
Прирост базы данных исследований: 1 Гб в день
Аппаратно-программный комплекс Oxycon Mobile
Более 40 различных показателей функционирования организма человека в режиме реального времени с дискретизацией до 1 сек.
Прирост базы данных исследований: 1 Гб в день
СХД, 22-мар-11
Организация систем хранения на базе вычислительных кластеров
Слайд 11Проект Energo
Создание автоматизированного ситуационного центра энергоэффективности
Прирост базы данных показателей: 1 Гб
в месяц
Мониторинг и оптимизация потребления энергоресурсов объектов ЖКХ ЮУрГУ на основе оперативного и интеллектуального анализа данных об энергопотреблении
Мониторинг и оптимизация потребления энергоресурсов объектов ЖКХ ЮУрГУ на основе оперативного и интеллектуального анализа данных об энергопотреблении
СХД, 22-мар-11
Организация систем хранения на базе вычислительных кластеров
Слайд 12Проект VideoStorm
Разработка параллельной системы управления видеоархивом телеканала ЮУрГУ-ТВ
Хранение сырого, монтированного и
сжатого видео
Прирост объема видеоархива: 30 Тб в год
Эффективное хранение и обработка видео
сжатие видео
автоматическое разбиение на сцены
высокая готовность данных
Прирост объема видеоархива: 30 Тб в год
Эффективное хранение и обработка видео
сжатие видео
автоматическое разбиение на сцены
высокая готовность данных
СХД, 22-мар-11
Организация систем хранения на базе вычислительных кластеров
Слайд 13Спасибо за внимание
Вопросы?
Михаил Леонидович Цымблер
доцент кафедры системного программирования ЮУрГУ, к.ф.-м.н.
mzym@susu.ru
СХД, 22-мар-11
Организация
систем хранения на базе вычислительных кластеров
