該站點可以通過此頁面上的鏈接賺取附屬佣金。 使用條款。 
這是事實讓您的 PC 以最佳狀態運行需要時刻保持警惕。現在想像一下，試圖讓擁有數百萬個部件的超級計算機保持平穩運行。這就是橡樹嶺國家實驗室 (ORNL) 項目主任 Justin Whitt 目前正在處理的任務。在最近的一次採訪中，他討論了實驗室在使用新的 Frontier 超級計算機時遇到的一些問題。這台巨型機器是世界上第一台百億億次計算機。它於 6 月首次亮相，在世界上最強大的計算機 TOP500 榜單中排名第一。他描述了 Frontier 的一些初期問題，稱目前每隔幾個小時就會出現一次系統故障。
Frontier 已經建設了三年，據報導耗資 6 億美元。它在配備 AMD EPYC 64C 處理器的 HPE Cray EX235a 架構上運行。它具有 74 個機櫃，具有超過 9,400 個 AMD 驅動的節點，總共 606,208 個 CPU 內核。它的 37,888 個 AMD Radeon Instinct MI250X GPU 也為其提供了 8,335,360 個 GPU 內核。它使用超過 90 英里的電纜來連接所有東西。
雖然維護這樣的系統聽起來很繁重，但這是 Whitt 的工作，他說到目前為止這是一段有趣的旅程。他在接受 InsideHPC 採訪時描述了團隊面臨的問題: “我們正在解決硬件問題，並確保我們了解（它們是什麼），因為您將遇到這種規模的故障。”他總結了這種情況，說:“平均故障間隔時間這種規模的系統需要幾個小時，而不是幾天。”
[嵌入式內容]
Whitt 拒絕詳細說明哪些硬件遇到了問題。 InsideHPC 表示，之前使用的是 HPE Slingshot 結構，這是一種 64 端口高速交換機，用於連接系統內的刀片。這些問題顯然已經解決，因為系統能夠運行高性能 Linpack 基準測試。目前，一些問題顯然與 AMD Instinct GPU 加速器有關。 Whitt 說:“這些問題涉及許多不同的類別，GPU 只是其中之一。”他說，問題在 Frontier 的各種硬件中分佈得相當均勻。此外，當計算機執行極其苛刻的工作負載時，問題顯然會出現。 Whitt 說，與運行科學應用程序相比，運行基準測試是一種不同的蠕蟲。
無論如何，該系統預計要到 2023 年 1 月才能完全用於科學任務。這意味著 Whitt 和他的團隊仍有一些時間進行故障排除。不過，團隊似乎已經完成了工作。惠特說，如果一天沒有失敗，“會很出色”。然後他說，正常運行時間的目標“仍然是幾個小時”，這顯然比目前的故障率要長。雖然這聽起來很困難，但 Frontier 有 6000 萬個零件，因此出現一些“小問題”也就不足為奇了。惠特。儘管存在這些問題以及與 COVID-19 相關的供應鏈延遲，但 Whitt 表示，該公司仍在按計劃推出日期，屆時 Frontier 將開始運行用戶程序的實際工作，而不僅僅是基準測試。
現在閱讀:
