От переводчика: Exascale computing — это такой амбициозный проект по достижению производительности порядка ExaFLOPS к 2018 году. Есть мнение, что наукоемким вычислениям уже сейчас тесно в петафлопсах. Так ли это на самом деле? Размышления на эту тему Уильяма Гроппа, директора Parallel Computing Institute, были опубликованы в The Exascale Report.
2013: TIME TO STOP TALKING ABOUT EXASCALE
William D. Gropp
Каждый, кто читает это, верит в силу вычислительных технологий. Нам кажется само собой разумеющимся, что производительность самых мощных вычислительных систем должна продолжать расти с прежней скоростью, чтобы удовлетворять потребности общества. Тем не менее, это не так уж и бесспорно.
Что еще хуже, акцент на любой мере производительности (не обязательно ExaFLOPS) вместо акцента на способности решать насущные проблемы может заставить (и заставляет!) нас сосредоточиться на технологии, а не та том, что может быть достигнуто с помощью этой технологии. В свою очередь, такие проекты как Exascale перетягивают финансирование от, скажем, проектов в Big Data.
Итак, если мы перестанем говорить о производительности, о чем тогда стоит говорить? Для меня это очевидно: мы должны обсудить и описать задачи и возможности, с которыми мы сталкиваемся, от фундаментальной науки до коммерческих решений, и только затем — важную роль, которую высокопроизводительные системы играют в решении этих проблем. Сама проблема должна быть четко определена прежде, чем ее вычислительная сложность, и только так можно показать необходимость в более быстрых компьютерах.
Слишком много усилий на сегодняшний день прилагается к погоне за флопсами, в то время как сначала нужно спросить: а что мы с ними можем сделать? Опасность в том, что так предлагаются подходы, которым в действительности не нужны экзафлопсы — упрощенные, неоптимальные алгоритмы или распределенные исследования. Это принесет больше вреда, чем пользы, и даже неспециалист может легко развенчать утверждение о необходимости таких вычислительных мощностей.
Не поймите меня неправильно, я считаю, что нам действительно нужны гораздо более мощные системы для решения задач, с которыми мы сталкиваемся, будь то понимание функционирования жизни и вселенной или разработка устойчивых инфраструктур. Но потребность в них должна четко исходить из проблем.
Мы можем начать отходить от акцента на FLOPS (особенно если это результат бенчмарков, которые могут вводить в заблуждение, хотя крупнейшие CS сообщества принимают их всерьез) и сосредоточиться на решении самых трудных вычислительных задач. Помимо прочего, это обеспечивает лучшее обоснование для разработки новых технологий, необходимых для создания все более быстрых машин, которые, как мы все считаем, так необходимы. Да, без такой простой метрики, как ExaFLOPS, будет труднее оценить результат количественно, но никто не будет спорить, что высокопроизводительная система не может быть описана одним-единственным числом.
Для того, чтобы новые рекордные производительности стали реальностью, мы должны перестать гнаться за производительностью.
Автор: Wildy
