Tianhe -1A, hibritli bir yapıya sahip olduğu için Hücresel işlemciler içerisinde vektörel olarak yapılan paralel işlemler farklı data kümelerine aynı işlemler yapıldığı için SIMD özelliğini taşırlar. Aşağıda bu devasa bilgisayarın yapısı gösterilmiştir.

Hibritli yapıda heterojen olan bu sistem sadece CPU larla meydana gelseydi yaklaşık olarak 12 megawatt tüketirdi. Fakat sistem GPU ve CPU lardan meydana geldiği için ortalama 4.04 megawatt tüketiyor. Burda ki enerji tüketiminin üçte birine inmesi ise NVidia firmasının özel üretimli paralelizm düzeyi yüksek olan GPU ları sayesindedir.

Tianhe -1A in paralelizmin temeli olan hibrit yapısında paralellik adına vektörel yapılar, threadli işlemler, çok çekirdekli yapılar, instruction seviyesinde paralelizm için 1000 civarında ki özel komut setleri, yerel bellek ve uzak bellek gibi bir çok kompleks mekanizmalar bulundurur.

Ayrıca Bu GPU lar yapısında yaklaşık 112 thread barındırmaktadır. Her bir GPU çekirdeğinin kullanışlılığını artırmak için multithreading çalışma söz konusudur.

GPU lar CPU lara server düğümleri içerisindeki PCI-Express 2.0 bus lar ile bağlanılıyor. Bu bağlantı Remote Direct Memory Access şeklindedir. Ayrıca GPU yla CPU arasında veri alışverişi ve birbirleriyle aralarındaki iletişim sırasında software-pipelining kullanılır.

Paralel bilgisayarların en önemli özelliklerinden birisi ölçeklenebilir olmasıdır ve bunu mimarilerinde kullandıkları Cluster lar sağlar. Bu süper bilgisayarın yapısında da iç içe geçmiş çok sayıda clusterlar mevcuttur. Bu Cluster lar ölçeklemeyi esnek kılacak şekilde oluşturulmuştur. Böylece bu sistem istenildiği zaman rahatlıkla genişletilebilmektedir.

Clusterlar arası data alışverişi ve haberleşme için mesaj geçme yapıları kullanılır. Yine bu seviyede paralel işlemlerde kullanılan Global arrayler için GAS, IPC, UPC gibi diller paralelizmi sağlamak için kullanılır. Clusterlar içerisinde kontrolü sağlayan kısımlarda Fine grain size da çalışılır buralarda paralelizm çok olduğu için haberleşme gecikmesi azdır.

Clusterda kontrolü Intel işlemcileri yapar ve işlemleri kendi aralarında paylaştırır. Cluster lar arası, Cluster içinde ve işlemcilerdeki hücreler içerisinde olmak üzere yüksek seviyeli paralelizmden düşük seviyeli paralelizm e doğru 3 seviyeli paralelizm bulunmaktadır.

NVidia daki Arch lar hibrit bir yapıda olup Fat tree konfigürasyonu içinde elektriksel optik kabloları kullanarak server düğümlerini birbirlerine bağlar. Arch ların kalbi niteliğindeki switchlerin iki yönlü bantgenişliği 160 Gb/sec dır. Düğümlerdeki haberleşme gecikmesi 1.57 microsaniyedir. Ve toplam bant genişliği ise 61 Tb/sec dan fazladır.

İşlemciler içindeki hücreler kendi arasında iletişimleri yok derecede olduğu için ancak Ana işlemci ile iletişimde bulunurlar bu yüzden Paralellikleri az seviyede ve iletişim gecikmesi ise fazla miktardadır. Her bir İntel çekirdeği için çok sayıda hücresel işlem birimler vardır.

İntel çekirdekleri Linux işletim sisteminden dolayı kendi içerisinde Concurrent koşma yeteneğine sahiptir. Hücre biçimindeki işlemcilerde kendi içerisinde Fine Grain size da yüksek seviyede paralelizmden yararlanarak işlemleri paralel gerçekleştirir.

Aynı zamanda Çok yollu Pipeline şekilde çalışan birimler de yer almaktadır. Hücre biçimindeki işlemciler içerisinde Grain size problemi, domainin gridler halinde parçalanmasıyla belirlenir. Böylece işlemlerin grain size ları  eşitlenmiş olur.

Sonuçlar

Artan bilimsel çalışmalar beraberinde bir takım problemler getirecektir. Bunların en başında ise bir işlemin hesaplanma süresi gelmektedir. 1998 de bir süper bilgisayarın 20 yılda hesaplayabileceği bir işlemi günümüzün süper bilgisayarları 1 haftadan daha kısa sürede hesaplayabilmektedir. Belki de bundan 13 yıl sonra ortaya çıkacak süper bilgisayarlardaki bu fark öncekinden kat be kat ileriye gidecektir.

Mehmet Salih Deveci

Bilgisayar Mühendisi

Reklamlar

Bir Cevap Yazın

Aşağıya bilgilerinizi girin veya oturum açmak için bir simgeye tıklayın:

WordPress.com Logosu

WordPress.com hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Twitter resmi

Twitter hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Facebook fotoğrafı

Facebook hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Google+ fotoğrafı

Google+ hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Connecting to %s